Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh cách mạng công nghiệp 4.0 bùng nổ, nhu cầu tự động hóa các khâu vận hành, sản xuất và hậu cần (logistics) nội bộ trong nhà xưởng, kho bãi ngày càng trở nên cấp thiết. Tại các kho hàng truyền thống, việc vận chuyển thiết bị, nguyên vật liệu và thành phẩm chủ yếu phụ thuộc vào sức người hoặc các hệ thống xe tự hành dẫn hướng tự động thế hệ cũ (Automated Guided Vehicles - AGV). Tuy nhiên, AGV truyền thống bộc lộ nhiều hạn chế do phụ thuộc vào đường dẫn cố định (băng từ dán trên sàn, dây dẫn chôn ngầm hoặc hệ thống mã vạch), đòi hỏi chi phí đầu tư hạ tầng cao, tốn kém công bảo trì và thiếu tính linh hoạt khi cần thay đổi quy trình vận hành.

Nhằm giải quyết bài toán tối ưu hóa lộ trình và giảm thiểu chi phí vận hành, đề tài "Nghiên cứu, thiết kế, chế tạo robot tự hành vận chuyển thiết bị/dụng cụ trong nhà xưởng dùng bánh xe đa hướng" được thực hiện bởi nhóm tác giả Lê Nguyễn Đức Anh, Phạm Ngọc Sơn và Đỗ Minh Triều, dưới sự hướng dẫn của ThS. Trần Thụy Uyên Phương tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh (tháng 07/2023). Đề tài tập trung nghiên cứu dòng robot tự hành AMR (Autonomous Mobile Robot) – thế hệ xe tự hành thông minh có khả năng nhận thức môi trường xung quanh, tự định vị, xây dựng bản đồ và tự quy hoạch lộ trình di chuyển mà không cần can thiệp hạ tầng mặt sàn.

Mục tiêu nghiên cứu được xác định cụ thể trong văn bản bao gồm:

  1. Đưa tự động hóa vào khâu vận chuyển hàng hóa trong các kho hàng và nhà xưởng.
  2. Tạo ra robot với khả năng tải được hàng hóa và tự tránh các vật cản trên đường đến mục tiêu đã chọn từ trước nhờ vào các cảm biến đặt trên robot và di chuyển linh hoạt, tối ưu hóa đường đi với bộ bánh xe đa hướng thông qua các thuật toán di chuyển.
  3. Dựa vào các kiến thức đã được học, tính toán, thiết kế cơ khí đảm bảo độ bền và chịu lực với tải trọng mong muốn đặt ra.
  4. Điều khiển được robot di chuyển theo vị trí đặt mong muốn.

Nhiệm vụ đồ án được phân chia thành ba nội dung chính:

  1. Thiết kế và chế tạo robot di chuyển bằng bánh xe đa hướng.
  2. Thiết kế bộ điều khiển cho robot.
  3. Nghiên cứu thuật toán di chuyển của robot. Sản phẩm dự kiến gồm: mô hình mobile robot hoàn chỉnh, thuật toán điều khiển robot, giải thuật di chuyển và tránh vật cản.

Đối tượng nghiên cứu:

  • Robot tự hành AMR và các thuật toán điều khiển hoạt động dưới sự tích hợp của các cảm biến (LiDAR, IMU, Encoder).
  • Các linh kiện điện tử, mạch công suất, bộ điều khiển cấu thành robot AMR.
  • Cơ cấu di chuyển sử dụng bánh xe đa hướng (Mecanum wheels).

Phạm vi nghiên cứu:

  • Không gian nghiên cứu: Môi trường di chuyển nội bộ trong phòng thí nghiệm và nhà xưởng (thử nghiệm trên bề mặt sàn cao su và sàn bê tông).
  • Thời gian nghiên cứu: Học kỳ II năm học 2022 - 2023, nghiệm thu vào tháng 07/2023.
  • Giới hạn thông số kỹ thuật mô hình: Kích thước khung robot đạt $50 \times 40 \times 25\text{ cm}$ (nhiệm vụ ban đầu $50 \times 40 \times 40\text{ cm}$), khối lượng xe khoảng 20 kg (nhiệm vụ ban đầu 25 kg), khả năng chịu tải hàng hóa từ 5 kg đến 10 kg, vận tốc di chuyển tối đa đạt 0,5 m/s, thời gian vận hành liên tục bằng nguồn ắc quy đạt xấp xỉ 2 giờ.

Cơ sở lý thuyết và phương pháp nghiên cứu

Nghiên cứu kết hợp liên ngành giữa Cơ khí chính xác, Kỹ thuật Điện - Điện tử và Công nghệ Phần mềm Robot. Các nền tảng lý thuyết và công nghệ chính được tác giả sử dụng gồm:

  • Hệ điều hành Robot (Robot Operating System - ROS): Đóng vai trò nền tảng phần mềm trung gian (middleware) mã nguồn mở, cung cấp cấu trúc nút (node), chủ đề truyền nhận dữ liệu (topics/messages), dịch vụ (services) và công cụ trực quan hóa Rviz nhằm trừu tượng hóa phần cứng và quản lý điều khiển robot.
  • Công nghệ SLAM (Simultaneous Localization and Mapping): Lý thuyết định vị và xây dựng bản đồ đồng thời trong không gian chưa biết trước. Quy trình xử lý gồm hai khối: xử lý tín hiệu cảm biến ở mặt trước (front-end) và tối ưu hóa dữ liệu bản đồ ở mặt sau (back-end).
  • Công nghệ LiDAR (Light Detection and Ranging): Nguyên lý phát xung laser và thu nhận tín hiệu phản xạ (dựa trên vận tốc ánh sáng và độ trễ phản hồi) để đo khoảng cách và góc quét xung quanh 360 độ, tái tạo môi trường thực tế thành bản đồ dạng lưới chiếm chỗ (occupancy grid map).
  • Ngăn xếp điều hướng (Navigation Stack) và định vị AMCL: Hệ thống điều hướng trong ROS kết hợp thuật toán định vị thích nghi Monte Carlo (Adaptive Monte Carlo Localization - AMCL), bộ lập kế hoạch toàn cục (Global Planner với thuật toán Dijkstra, Carrot_planner), bộ lập kế hoạch cục bộ (Local Planner), bản đồ chi phí tĩnh/động (Global Costmap, Local Costmap) và cơ chế xử lý khi kẹt đường (Recovery Behaviors).
  • Lý thuyết bộ điều khiển PID (Proportional - Integral - Derivative): Kỹ thuật điều khiển hồi tiếp vòng kín vận tốc động cơ dựa trên sai lệch tức thời ($e(t)$), tích phân sai số quá khứ ($\int e(\tau)d\tau$) và vi phân tốc độ biến thiên sai số ($de(t)/dt$) nhằm giảm vọt lố, triệt tiêu sai số xác lập và tăng tốc độ đáp ứng.
  • Động học bánh xe đa hướng Mecanum: Mô hình động học vi phân của 4 bánh Mecanum với các con lăn tiếp xúc nghiêng góc $45^\circ$, cho phép phân tách chuyển động thân xe thành 3 bậc tự do trong mặt phẳng: tịnh tiến dọc trục X, tịnh tiến ngang trục Y và chuyển động xoay quanh tâm trục Z.
  • Giao thức truyền thông UART và gói Rosserial: Truyền thông nối tiếp dị bộ 2 dây (Tx, Rx) kết hợp gói cầu nối rosserial để chuyển đổi các bản tin, topic từ ROS trên máy tính sang dạng dữ liệu UART mà vi điều khiển xử lý được.

Phương pháp nghiên cứu thực tế đã dùng:

  • Phương pháp phân tích - tổng hợp tài liệu: Thu thập, đối chiếu dữ liệu nghiên cứu về AMR từ các nguồn học thuật và thực tiễn trong nước (mô hình Tiki Now Smart Logistics) và quốc tế (Amazon Kiva, Roomie, ứng dụng trong nông nghiệp, y tế).
  • Phương pháp thiết kế và mô phỏng số: Thiết kế mô hình 3D trên phần mềm Autodesk Inventor và SolidWorks; mô phỏng phân tích ứng suất và chuyển vị bằng phương pháp phần tử hữu hạn (FEA) với lực tác dụng 100 N trên khung thân và 400 N trên khung gầm; tính toán hàm truyền động cơ và nhận dạng tham số PID qua công cụ PID Tune.
  • Phương pháp thực nghiệm - kiểm nghiệm: Gia công cơ khí khung nhôm định hình $20 \times 20\text{ mm}$, lắp ráp mạch điều khiển điện tử, nạp code nhúng trên vi điều khiển Arduino Mega 2560, chạy thực nghiệm quét bản đồ SLAM, chạy điều hướng tự động tránh vật cản và thu thập số liệu đo lường thực tế (tốc độ, độ ồn, góc quay, khoảng cách an toàn).

Thiết kế và triển khai hệ thống kỹ thuật

Đồ án là công trình chế tạo hệ thống cơ điện tử hoàn chỉnh, tích hợp đa tầng phần cứng và phần mềm điều khiển.

Cấu trúc cơ khí và động lực học

Khung xe được chia thành hai phần chính: khung gầm dưới chịu lực và khung tầng trên mang tải, thiết kế từ nhôm định hình $20 \times 20\text{ mm}$ kết hợp các tấm mica gia công chuẩn xác để định vị linh kiện.

  • Cơ cấu bánh xe: Sử dụng 4 bánh xe Mecanum đường kính 100 mm gắn con lăn góc $45^\circ$. Bánh xe được liên kết với trục động cơ thông qua khớp nối cứng D14L25 (đường kính lỗ trục 8 - 8 mm) và được cố định chắc chắn bởi gối đỡ trục đứng KP08 (đường kính lỗ trục 8 mm).
  • Động cơ truyền động: 4 động cơ DC Planet giảm tốc 12V công suất 30W, tốc độ định mức 320 vòng/phút, tích hợp đĩa encoder 12 xung/vòng để phản hồi vận tốc thực tế của từng bánh.

Kiến trúc phần cứng và phân phối điện năng

Hệ thống điện được phân chia khoa học thành mạch xử lý tín hiệu, mạch công suất và mạch nguồn:

  • Khối xử lý trung tâm cấp thấp: Bo mạch Arduino Mega 2560 chịu trách nhiệm nhận tín hiệu xung ngắt từ 4 encoder, chạy thuật toán PID điều khiển vận tốc từng động cơ và xuất xung PWM điều khiển chiều quay.
  • Mạch điều khiển công suất: 4 module mạch cầu H BTS7960 với dòng định mức lên đến 43A, chịu tải tức thời cao và tản nhiệt tốt, điều khiển độc lập 4 động cơ DC Planet.
  • Khối cảm biến nhận thức môi trường: Cảm biến LiDAR RPLIDAR A1M8 quét laser $360^\circ$ gắn tại vị trí cao nhất trên nóc robot để tránh điểm mù; cảm biến quán tính IMU đặt tại trọng tâm xe nhằm xác định góc nghiêng và hướng di chuyển; 4 bộ encoder phản hồi góc quay bánh xe để tính toán dữ liệu Odometry.
  • Khối nguồn và phụ trợ: Ắc quy chì - axit KONITA 12V 8Ah/20HR; các module hạ áp DC-DC LM2596 (chuyển đổi nguồn 12V xuống 5V ổn định cấp cho vi điều khiển, cảm biến và relay); Module Relay 5V 4 kênh cách ly quang (opto High/Low); Màn hình cảm ứng Waveshare 7 inch HDMI phục vụ giao tiếp trực tiếp tại xe; Tay cầm điều khiển Joystick PS4 kết nối điều khiển thủ công khi cần thiết.

Kiến trúc phần mềm và giải thuật điều khiển

Hệ thống phần mềm được triển khai theo mô hình phân cấp:

  • Tầng máy tính nhúng (ROS Master): Tiếp nhận dữ liệu quét mây điểm từ LiDAR RPLIDAR A1M8 qua cổng USB/Serial; thu nhận dữ liệu định vị tích hợp (Odometry) từ IMU và Encoder thông qua cầu nối Rosserial UART; chạy nút thuật toán Hector SLAM / Gmapping để xuất bản đồ lưới; chạy Navigation Stack lập kế hoạch đường đi toàn cục (Global Planner) và cục bộ (Local Planner) xuất lệnh vận tốc cmd_vel ($v_x, v_y, \omega_z$).
  • Tầng vi điều khiển (Arduino Mega 2560): Nhận lệnh cmd_vel, sử dụng mô hình động học giải mã thành vận tốc đặt cho 4 bánh xe, thực hiện thuật toán PID vòng kín dựa trên sai số vận tốc đọc từ encoder, xuất tín hiệu PWM đến các mạch cầu H BTS7960.

Nội dung chính theo từng chương

Chương 1: Giới thiệu

Chương này nêu rõ tính cấp thiết của đề tài trong bối cảnh tự động hóa công nghiệp và logistics kho bãi thông minh. Nhóm tác giả trình bày ý nghĩa khoa học trong việc làm chủ quy trình nghiên cứu thuật toán tự hành và ý nghĩa thực tiễn giúp doanh nghiệp giảm chi phí nhân công, loại trừ rủi ro trong môi trường làm việc độc hại. Chương 1 xác định rõ 4 mục tiêu nghiên cứu, 3 nhiệm vụ kỹ thuật, đối tượng nghiên cứu (AMR, bánh Mecanum, cảm biến LiDAR/IMU), phạm vi giới hạn kỹ thuật và phác thảo phương pháp nghiên cứu cùng bố cục 7 chương của khóa luận.

Chương 2: Tổng quan nghiên cứu đề tài

Chương 2 tổng thuật toàn diện lịch sử phát triển của robot tự hành từ nguyên mẫu Elmer và Elsie của William Gray Walter (thập niên 1940 - 1950), sự ra đời của xe AGV chạy dây dẫn từ tính thập niên 1950, cho đến sự xuất hiện của dòng robot AMR thương mại đầu tiên mang tên HelpMate vào đầu thập niên 1990. Tác giả đi sâu phân tích sự khác biệt bản chất giữa AGV và AMR: AMR vượt trội nhờ khả năng tự lập bản đồ, tự quy hoạch lộ trình và tự né tránh vật cản động theo thời gian thực mà không cần lắp đặt hạ tầng phụ trợ trên sàn. Chương này khảo sát phong phú các ứng dụng của AMR trên thế giới: xe kéo hàng Amazon Kiva trong logistics, xử lý đơn hàng thương mại điện tử, xếp dỡ pallet, vận chuyển an toàn trong trung tâm dữ liệu, robot Roomie hỗ trợ khử khuẩn và sàng lọc bệnh nhân COVID-19 trong y tế tại Mexico, robot thu hoạch nông sản và giám sát cây trồng, robot phục vụ đô thị thông minh tại Nhật Bản. Tại Việt Nam, nghiên cứu phân tích trường hợp Tiki Now Smart Logistics ứng dụng robot tự hành theo mã vạch, từ đó kết luận: việc chế tạo AMR sử dụng bánh xe đa hướng Mecanum di chuyển tự do trong nước vẫn là hướng đi mới, giàu tiềm năng ứng dụng.

Chương 3: Cơ sở lý thuyết

Chương 3 trình bày các nền tảng lý thuyết cốt lõi phục vụ đồ án:

  • Phân tích vai trò của hệ điều hành ROS trong việc tiêu chuẩn hóa giao tiếp phần mềm robot;
  • Giới thiệu công nghệ SLAM và nguyên lý phân tách hai khối xử lý front-end và back-end;
  • Lịch sử phát triển và nguyên lý đo đạc khoảng cách của công nghệ cảm biến LiDAR từ các ứng dụng hàng không vũ trụ (Apollo 15 năm 1971) đến việc ứng dụng lập bản đồ 2D/3D cho xe tự hành;
  • Cấu trúc hệ thống điều hướng Navigation Stack (tương tác giữa AMCL, Costmap và các giải thuật Path Planning);
  • Lý thuyết điều khiển PID: thiết lập công thức toán học khâu tỉ lệ, tích phân, vi phân và phân tích đồ thị đáp ứng quá độ khi thay đổi từng hệ số;
  • Nguyên lý truyền thông UART nối tiếp dị bộ (tốc độ baud, khung truyền) và giải pháp tích hợp phần cứng - phần mềm thông qua giao thức Rosserial giữa Arduino và ROS.

Chương 4: Tiến hành tính toán, lựa chọn phương án thiết kế

Chương 4 tập trung giải quyết các bài toán kỹ thuật nền tảng:

  • Phân tích lựa chọn cơ cấu di chuyển: So sánh phương án 3 bánh (2 bánh dẫn động, 1 bánh phụ) và phương án 4 bánh dẫn động độc lập. Tác giả chọn cơ cấu 4 bánh Mecanum vì đảm bảo tính cân xứng, chống lật khi mang tải nặng và cho phép xe di chuyển linh hoạt mọi hướng (tịnh tiến ngang, dọc, xoay tại chỗ);
  • Thiết lập mô hình động học: Xây dựng hệ trục tọa độ cố định $XOY$, hệ tọa độ gắn trên trọng tâm thân robot $GMN$ và hệ tọa độ từng bánh xe $PSE_i$. Tính toán vận tốc tiếp tuyến của con lăn tự do nghiêng $45^\circ$, từ đó xây dựng hệ phương trình chuyển đổi từ vận tốc tổng quát $(v_x, v_y, \omega_z)$ sang vận tốc góc của từng bánh xe;
  • Nhận dạng và tính toán điều khiển PID: Tiến hành lấy mẫu điện áp đầu vào và đo đạc vận tốc qua 100 lần thử nghiệm cho 4 động cơ độc lập (ĐC1: 240 vòng/phút; ĐC2: 264 vòng/phút; ĐC3: 264 vòng/phút; ĐC4: 288 vòng/phút). Sử dụng công cụ PID Tune để xác định bộ thông số $K_p, K_i, K_d$ và hiệu chỉnh đáp ứng ngõ ra đạt độ ổn định cao;
  • Tính toán cơ khí: Lựa chọn bánh xe Mecanum 100 mm; chọn động cơ DC Planet 12V 30W 320 vòng/phút; kiểm nghiệm sức bền trục truyền động; lựa chọn gối đỡ vòng bi đứng KP08, khớp nối mềm D14L25 và khung nhôm định hình $20 \times 20\text{ mm}$.

Chương 5: Thiết kế, chế tạo robot

Chương 5 hiện thực hóa các tính toán thiết kế thành sản phẩm vật lý:

  • Dựng mô hình 3D khung gầm và kết cấu vỏ trên phần mềm Autodesk Inventor;
  • Thực hiện mô phỏng ứng suất và chuyển vị bằng phần mềm Inventor: đặt tải trọng lực 400 N lên khung gầm và lực 100 N lên khung thân trên, kết quả chuyển vị nằm trong giới hạn đàn hồi an toàn tuyệt đối của vật liệu;
  • Bố trí không gian thiết bị: phân tầng cơ khí hợp lý, đặt ắc quy Konita và la bàn IMU tại trọng tâm khung dưới, gá lắp các mạch công suất BTS7960, Arduino Mega 2560 và màn hình Waveshare 7 inch trên tấm mica cách điện ở tầng giữa, gắn LiDAR RPLIDAR A1M8 trên đỉnh xe;
  • Xây dựng sơ đồ nguyên lý mạch điện, sơ đồ khối và lưu đồ giải thuật điều khiển nhúng trên Arduino Mega 2560;
  • Cấu hình và tích hợp thuật toán Hector SLAM / Gmapping tạo bản đồ và cấu hình các tham số chi tiết cho Navigation Stack trong ROS (tọa độ TF, thông số Costmap, thuật toán AMCL).

Chương 6: Kết quả thực nghiệm - Đánh giá

Chương 6 báo cáo toàn bộ dữ liệu kiểm tra vận hành thực tế:

  • Kiểm nghiệm quy trình SLAM: Robot di chuyển qua các giai đoạn trong khu vực thực nghiệm, quét dữ liệu laser chính xác và tạo thành công bản đồ lưới 2D phản ánh đúng hình học không gian thực tế;
  • Kiểm nghiệm điều hướng Navigation: Thiết lập điểm mục tiêu trên Rviz, robot tự động sinh quỹ đạo di chuyển tối ưu; khi bố trí các vật cản ngẫu nhiên trên lộ trình, robot nhận dạng qua Local Costmap, dừng lại tính toán đường đi vòng tránh thay thế tức thời và tiếp tục di chuyển về đích;
  • Thu thập và phân tích dữ liệu đo lường kỹ thuật qua các bảng và biểu đồ: mối quan hệ tương quan giữa tải trọng và vận tốc di chuyển; vận tốc cực đại và cực tiểu khi không tải; mức độ ồn (dB) đo đạc trong môi trường phòng lab (mặt sàn cao su) và môi trường ngoài hành lang (mặt sàn bê tông); sai số góc quay của robot; xác định khoảng cách an toàn so với chướng ngại vật.

Chương 7: Kết luận và hướng phát triển

Chương 7 tổng kết kết quả thực hiện đồ án, khẳng định nhóm nghiên cứu đã hoàn thành toàn bộ các mục tiêu đặt ra từ thiết kế cơ khí, chế tạo phần cứng đến tích hợp thuật toán tự hành; đồng thời chỉ ra các hạn chế và đề xuất phương hướng nâng cấp tiếp theo cho hệ thống.

Kết quả và đóng góp

Kết quả kỹ thuật thực nghiệm

Hệ thống robot tự hành AMR dùng bánh xe Mecanum đã được chế tạo và thử nghiệm thành công với các thông số kỹ thuật thực chứng:

Hạng mục / Thông số kỹ thuật Giá trị tính toán / Thiết kế ban đầu Kết quả thực nghiệm / Cấu hình thực tế
Kích thước khung xe $50 \times 40 \times 40\text{ cm}$ (nhiệm vụ) / $50 \times 40 \times 25\text{ cm}$ Khung nhôm định hình $20 \times 20\text{ mm}$ hoàn thiện
Khối lượng bản thân 20 - 25 kg $\approx 20\text{ kg}$
Tải trọng chuyên chở 5 - 10 kg Tải trọng thực tế đạt 5 - 10 kg ổn định
Vận tốc di chuyển lớn nhất 0,5 m/s Đạt 0,5 m/s (khảo sát ở chế độ có tải và không tải)
Thời gian vận hành liên tục Khoảng 2 giờ $\approx 2\text{ giờ}$ liên tục với ắc quy KONITA 12V 8Ah
Cơ cấu bánh xe 4 bánh Mecanum đa hướng Mecanum wheels đường kính 100 mm
Động cơ truyền động 4 động cơ DC Planet 12V, 30W, 320 rpm, encoder 12 xung/vòng
Mạch điều khiển công suất Module cầu H 4 mạch BTS7960 dòng tải tối đa 43A
Vi điều khiển cấp thấp Arduino Mega 2560 Giao tiếp ROS qua Rosserial UART
Cảm biến quét môi trường LiDAR 360 độ RPLIDAR A1M8 $360^\circ$ Laser Range Scanner
Cảm biến góc và gia tốc La bàn số / Quán tính Cảm biến IMU tích hợp xác định hướng
Khả năng tự hành SLAM & Navigation Lập bản đồ 2D, né vật cản động theo thời gian thực
Môi trường thử nghiệm Phòng thí nghiệm & Nhà xưởng Đánh giá độ ồn trên sàn cao su và sàn bê tông

Đóng góp tự nêu của nhóm tác giả

  • Làm chủ quy trình thiết kế tích hợp Cơ - Điện - Phần mềm: Tác giả đã tự thiết kế, mô phỏng cơ khí FEA, gia công chế tạo hoàn chỉnh mô hình xe AMR đa hướng, tự lắp ráp hệ thống phân phối nguồn và mạch điều khiển công suất.
  • Ứng dụng thành công cơ cấu 4 bánh Mecanum độc lập: Khắc phục được nhược điểm bán kính quay vòng lớn của các dòng robot vi sai thông thường, cho phép robot di chuyển ngang, chéo và xoay tròn tại chỗ linh hoạt trong không gian chật hẹp của nhà xưởng.
  • Tích hợp hoàn chỉnh hệ thống điều khiển nhiều cấp: Kết nối thông suốt giữa phần mềm cấp cao (ROS Navigation Stack, SLAM) trên máy tính với phần cứng cấp thấp (Arduino Mega 2560) qua giao thức Rosserial UART; đồng thời giải quyết bài toán điều khiển vận tốc chính xác cho 4 động cơ thông qua thuật toán PID hồi tiếp vòng kín.
  • Kiểm chứng thực nghiệm đa chỉ tiêu: Cung cấp bộ dữ liệu đo lường thực tế về mối tương quan tải trọng - tốc độ, mức độ ồn trên các bề mặt sàn khác nhau (sàn cao su phòng lab so với sàn bê tông hành lang), sai số góc quay và khoảng cách an toàn trước vật cản.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế được ghi nhận từ văn bản

  • Cơ cấu 4 bánh xe Mecanum đòi hỏi bề mặt sàn di chuyển phải có độ phẳng cao. Do không trang bị hệ thống giảm chấn độc lập, khi gặp mặt sàn gồ ghề hoặc trơn trượt, các bánh xe có thể không đồng phẳng dẫn đến trượt bánh, làm phát sinh sai số tích lũy cho hệ thống định vị Odometry từ encoder.
  • Thuật toán điều khiển 4 bánh độc lập đòi hỏi việc hiệu chỉnh thông số PID phải đồng đều tuyệt đối giữa 4 động cơ; trong khi thực tế mỗi động cơ có sai số chế tạo cơ khí riêng.
  • Cảm biến RPLIDAR A1M8 là dòng cảm biến quét 2D trong mặt phẳng nằm ngang, do đó hệ thống không thể phát hiện các vật cản nằm thấp hơn hoặc cao hơn mặt phẳng quét của tia laser.
  • Thử nghiệm mới được thực hiện trong phạm vi hẹp tại phòng thí nghiệm và hành lang trường học, chưa được kiểm chứng dài hạn trong môi trường sản xuất công nghiệp thực tế với mật độ người và phương tiện dày đặc.

Hướng nghiên cứu phát triển tiếp theo

  • Thiết kế bổ sung hệ thống treo, giảm xóc độc lập cho từng cụm bánh xe nhằm đảm bảo 4 bánh Mecanum luôn tiếp xúc đều với mặt sàn khi di chuyển qua các vị trí gồ ghề.
  • Trang bị thêm camera chiều sâu 3D (3D Depth Camera) kết hợp cùng LiDAR 2D để mở rộng khả năng nhận biết chướng ngại vật trong không gian 3 chiều, hạn chế tối đa điểm mù.
  • Nghiên cứu và áp dụng bộ lọc Kalman mở rộng (Extended Kalman Filter - EKF) để dung hợp dữ liệu từ Encoder, IMU và LiDAR nhằm triệt tiêu sai số tích lũy của Odometry.
  • Phát triển thêm tính năng trạm sạc tự động (Auto-docking charging station) cho phép robot tự điều hướng về vị trí sạc khi dung lượng ắc quy xuống thấp.
  • Mở rộng thuật toán quản lý đội xe (Fleet Management) phục vụ điều phối nhiều robot cùng làm việc trong cùng một nhà xưởng mà không xảy ra xung đột lộ trình.

Giá trị tham khảo

Tài liệu khóa luận này mang lại giá trị học thuật và thực tiễn thiết thực cho:

  • Sinh viên và học viên chuyên ngành: Công nghệ Kỹ thuật Cơ điện tử, Kỹ thuật Robot, Tự động hóa, Kỹ thuật Điều khiển và Công nghệ Thông tin cần tài liệu tham khảo hoàn chỉnh về quy trình xây dựng một robot tự hành AMR từ con số không.
  • Kỹ sư R&D tại các doanh nghiệp tự động hóa: Có thể tham khảo cấu trúc phần cứng, cách ly nguồn công suất BTS7960, cách thức giao tiếp vi điều khiển với ROS qua Rosserial để áp dụng vào các dự án xe tự hành nhà xưởng.

Các phần nội dung đáng tham khảo nhất trong đồ án gồm:

  • Phương pháp tính toán động học robot 4 bánh Mecanum (Chương 4): Cung cấp hệ phương trình toán học chi tiết, giải thích rõ ma trận chuyển đổi từ vận tốc thân xe sang vận tốc từng bánh, rất hữu ích cho các nghiên cứu về hệ thống truyền động đa hướng.
  • Quy trình nhận dạng và tune thông số PID động cơ (Chương 4): Minh họa cụ thể cách thức đo đáp ứng vận tốc qua 100 lần thử nghiệm và sử dụng công cụ PID Tune để tìm hệ số tối ưu.
  • Sơ đồ đấu nối và bố trí hệ thống điện (Chương 5): Bản vẽ bố trí thiết bị trên các tầng mica, sơ đồ kết nối Arduino Mega với BTS7960, LM2596 và ắc quy Konita 12V 8Ah.
  • Quy trình cấu hình Navigation Stack trong ROS (Chương 5): Hướng dẫn thực tế về việc thiết lập các file cấu hình costmap, thuật toán AMCL và cơ chế né vật cản thời gian thực.

Câu hỏi thường gặp

1. Kích thước, khối lượng và tải trọng thiết kế thực tế của robot AMR trong đồ án là bao nhiêu?

Theo công bố trong tài liệu, robot hoàn thiện có kích thước khung là $50 \times 40 \times 25\text{ cm}$ (được tối ưu hóa từ kích thước nhiệm vụ ban đầu là $50 \times 40 \times 40\text{ cm}$), khối lượng xe khoảng 20 kg (nhiệm vụ ban đầu là 25 kg), khả năng tải trọng hàng hóa đạt từ 5 kg đến 10 kg với vận tốc di chuyển tối đa 0,5 m/s và thời gian vận hành liên tục khoảng 2 giờ bằng ắc quy 12V 8Ah.

2. Robot sử dụng những linh kiện phần cứng và cảm biến chính nào để vận hành?

Phần cứng của robot gồm:

  • Xử lý và công suất: Bo mạch vi điều khiển Arduino Mega 2560 kết nối máy tính chạy ROS qua Rosserial UART, 4 module điều khiển động cơ DC BTS7960 43A, mạch hạ áp DC-DC LM2596, module relay 5V 4 kênh cách ly quang, màn hình cảm ứng Waveshare 7 inch HDMI và tay cầm Joystick PS4.
  • Động lực: 4 động cơ DC Planet giảm tốc 12V 30W (320 vòng/phút, encoder 12 xung/vòng) gắn cùng 4 bánh xe Mecanum 100 mm qua gối đỡ KP08 và khớp nối D14L25.
  • Cảm biến: Cảm biến khoảng cách RPLIDAR A1M8 quét laser 360 độ và cảm biến quán tính IMU.

3. Tại sao nhóm nghiên cứu lại lựa chọn cơ cấu 4 bánh xe Mecanum thay vì 3 bánh?

Trong Chương 4, nhóm tác giả đã phân tích: cơ cấu 3 bánh (2 bánh dẫn động, 1 bánh phụ chịu tải) có ưu điểm đơn giản và rẻ tiền nhưng dễ mất cân bằng, dễ lật khi chở hàng nặng hoặc vật thể không đồng dạng, đồng thời khó đảm bảo tính đối xứng. Ngược lại, cơ cấu 4 bánh Mecanum dẫn động độc lập đảm bảo độ cân bằng cao, chống lật khi có tải, nâng cao tải trọng và đặc biệt mang lại khả năng di chuyển linh hoạt đa hướng (tiến, lùi, di chuyển ngang và xoay tròn tại chỗ mà không cần đổi hướng bánh xe), giúp tối ưu hóa diện tích quay đầu trong nhà xưởng hẹp.

4. Thuật toán định vị và điều hướng tự hành của robot được tổ chức như thế nào trên nền tảng ROS?

Hệ thống sử dụng cảm biến LiDAR RPLIDAR A1M8 để thực hiện thuật toán SLAM xây dựng bản đồ lưới 2D. Quá trình điều hướng sử dụng Navigation Stack trong ROS kết hợp thuật toán AMCL (Adaptive Monte Carlo Localization) để ước tính vị trí robot dựa trên việc phối hợp dữ liệu LiDAR, IMU và Encoder bánh xe. Bộ lập kế hoạch toàn cục (Global Planner sử dụng thuật toán Dijkstra hoặc Carrot_planner) vạch ra đường đi ngắn nhất trên Global Costmap, trong khi bộ lập kế hoạch cục bộ (Local Planner) liên tục giám sát Local Costmap để phát hiện chướng ngại vật động và tạo đường đi vòng tránh tức thời theo thời gian thực.

5. Kết quả thực nghiệm tại Chương 6 đã đánh giá những chỉ số đo lường thực tế nào?

Các thử nghiệm thực tế đã tiến hành đo đạc và ghi nhận:

  • Mối tương quan giữa các mức tải trọng chuyên chở (5 - 10 kg) và vận tốc di chuyển tương ứng của xe;
  • Vận tốc di chuyển lớn nhất và nhỏ nhất của robot khi vận hành không tải;
  • Mức độ ồn (đo bằng đơn vị dB) của robot khi hoạt động trên bề mặt sàn cao su trong phòng thí nghiệm và trên bề mặt sàn bê tông ngoài hành lang;
  • Độ chính xác của góc quay thân xe qua các lần điều khiển;
  • Khoảng cách an toàn tối thiểu mà cảm biến nhận diện vật cản để robot dừng hoặc chuyển hướng né tránh.

Kết luận

Đồ án tốt nghiệp "Nghiên cứu, thiết kế, chế tạo robot tự hành vận chuyển thiết bị/dụng cụ trong nhà xưởng dùng bánh xe đa hướng" của nhóm tác giả tại Trường Đại học Sư phạm Kỹ thuật TP.HCM đã giải quyết thành công bài toán tự động hóa vận chuyển nội bộ thông qua một mô hình AMR hoàn chỉnh về cơ khí, điện tử và phần mềm. Bằng việc tích hợp cơ cấu 4 bánh xe Mecanum linh hoạt, cảm biến LiDAR RPLIDAR A1M8, vi điều khiển Arduino Mega 2560 và hệ điều hành Robot ROS, hệ thống đã thực chứng khả năng tự xây dựng bản đồ SLAM, định vị AMCL và điều hướng tự động né tránh chướng ngại vật theo thời gian thực. Các số liệu tính toán động học, mô phỏng ứng suất kết cấu và kiểm nghiệm đo đạc thực tế về tốc độ, tải trọng và độ ồn là nguồn dữ liệu thực chứng có độ tin cậy cao, phục vụ hiệu quả cho công tác nghiên cứu và phát triển robot di động tự hành trong công nghiệp.