Giới thiệu dự án

Trong bối cảnh bùng nổ của cuộc Cách mạng Công nghiệp 4.0 và xu hướng tự động hóa kho vận thông minh (Smart Logistics), nhu cầu tối ưu hóa chuỗi cung ứng nội bộ trong các nhà máy sản xuất linh kiện điện tử, cơ khí chính xác và kho bãi trở nên cấp thiết. Theo các khảo sát thị trường công nghiệp, khâu vận chuyển nội bộ chiếm tới 25–40% chi phí sản xuất và tiêu tốn từ 30–50% thời gian xử lý đơn hàng nếu thực hiện thủ công.

Các giải pháp truyền thống như xe tự hành dẫn đường AGV (Automated Guided Vehicle) đang bộc lộ những rào cản kỹ thuật lớn: phụ thuộc vào đường ray từ, mã vạch hoặc băng dán sàn, dẫn đến chi phí bảo trì cơ sở hạ tầng cao, tính linh hoạt kém khi thay đổi layout nhà xưởng và không thể chủ động tránh vật cản động. Trong khi đó, các dòng robot tự hành AMR (Autonomous Mobile Robot) sử dụng cơ cấu dẫn động vi sai thông thường (Differential Drive) lại bị ràng buộc phi holonomic, đòi hỏi bán kính quay xe lớn, gây khó khăn khi xoay xở trong các lối đi chật hẹp ($< 80\text{ cm}$).

Đồ án tốt nghiệp ngành Công nghệ Kỹ thuật Cơ Điện tử: "Nghiên cứu, thiết kế, chế tạo robot tự hành vận chuyển thiết bị/dụng cụ trong nhà xưởng dùng bánh xe đa hướng" giải quyết triệt để các hạn chế trên bằng giải pháp robot tự hành holonomic 3 bậc tự do (3-DOF) trang bị hệ thống 4 bánh xe Mecanum kết hợp hệ sinh thái Robot Operating System (ROS), cảm biến LiDAR 360° và thuật toán SLAM/Navigation.

                  +-----------------------------------+
                  |         Master Controller         |
                  |     (ROS Melodic / Noetic PC)     |
                  +-----------------+-----------------+
                                    |
                          UART (Rosserial Bridge)
                                    |
                  +-----------------+-----------------+
                  |          Low-Level MCU            |
                  |       (Arduino Mega 2560)         |
                  +--------+--------+--------+--------+
                           |        |        |        |
         +-----------------+        |        |        +-----------------+
         |                          |        |                          |
+--------v-------+         +--------v------+ |         +----------------v+
| Motor Driver 1 |         | Motor Driver 2| +-------> | Motor Driver 3&4|
| (BTS7960 43A)  |         | (BTS7960 43A) |           | (BTS7960 43A)   |
+--------+-------+         +--------+------+           +--------+--------+
         |                          |                           |
+--------v-------+         +--------v------+           +--------v--------+
| Planet DC M1   |         | Planet DC M2  |           | Planet DC M3, M4|
| + Hall Encoder |         | + Hall Encoder|           | + Hall Encoder  |
+----------------+         +---------------+           +-----------------+

Mục tiêu nghiên cứu cụ thể

  1. Thiết kế & Chế tạo phần cứng cơ khí: Xây dựng khung gầm robot kích thước $500 \times 400 \times 250\text{ mm}$ bằng nhôm định hình $20\times20\text{ mm}$, tải trọng vận hành định mức $5 - 10\text{ kg}$, tự trọng $20\text{ kg}$, đạt vận tốc di chuyển tối đa $0.5\text{ m/s}$.
  2. Xây dựng mô hình động học & Điều khiển truyền động: Thiết lập ma trận động học ngược cho 4 bánh xe Mecanum $\varnothing100\text{ mm}$, ứng dụng thuật toán điều khiển PID vận tốc vòng kín trên vi điều khiển Arduino Mega 2560.
  3. Phát triển hệ thống nhận thức & Điều hướng tự chủ: Tích hợp cảm biến laser RPLiDAR A1M8 và IMU để lập bản đồ 2D thời gian thực qua SLAM, định vị thích nghi AMCL (Adaptive Monte Carlo Localization), và quy hoạch quỹ đạo di chuyển tự động tránh vật cản động bằng thuật toán Dijkstra kết hợp DWA (Dynamic Window Approach).
  4. Kiểm nghiệm thực nghiệm: Đánh giá độ chính xác định vị, độ ồn trên các bề mặt sàn, phản hồi động lực học và độ an toàn khi vận hành trong môi trường phòng thí nghiệm và nhà xưởng thực tế.

Phạm vi và giới hạn

Hệ thống được thiết kế để vận hành trên mặt sàn phẳng (độ nghiêng $< 3^\circ$), môi trường trong nhà (indoor), không gian có nhiệt độ từ $10 - 45^\circ\text{C}$, giới hạn laser scan 2D trên một mặt phẳng cắt ngang độ cao $20\text{ cm}$ so với mặt đất.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí so sánh Xe đẩy / AGV dẫn hướng từ truyền thống Robot AMR dẫn động vi sai (2WD + Caster) AMR 4 bánh Mecanum (Giải pháp đề tài)
Cơ chế di chuyển Cố định theo vạch từ / dây chìm Bị ràng buộc phi holonomic ($v, \omega$) Holonomic 3-DOF ($v_x, v_y, \omega_z$), trượt ngang
Bán kính quay xe Phụ thuộc bán kính cong đường dẫn Cần không gian quay đầu ($R > 0.4\text{ m}$) Xoay tại chỗ tức thời ($R = 0\text{ m}$)
Khả năng tránh vật cản Dừng lại chờ đợi, không thể tự né Tìm đường vòng lớn Tính toán né linh hoạt, tịnh tiến ngang
Chi phí triển khai sàn Rất cao (dán lại băng từ khi đổi layout) Không tốn chi phí sàn Không tốn chi phí sàn, tái cấu hình tức thì
Thời gian chu kỳ (Cycle) Chậm, kém tối ưu Trung bình Tối ưu 25 - 35% thời gian trong hẻm hẹp

Ưu tiên yêu cầu theo mô hình MoSCoW

  • Must-have (Bắt buộc): Điều khiển độc lập 4 động cơ DC Planet 12V; hồi tiếp encoder 12 xung/vòng; giao tiếp Rosserial UART; thuật toán SLAM 2D; thuật toán quy hoạch đường đi Global/Local Planner.
  • Should-have (Nên có): Màn hình cảm ứng Waveshare 7-inch HDMI hiển thị trạng thái; tay cầm Joystick PS4 cho chế độ can thiệp thủ công (manual override).
  • Could-have (Có thể mở rộng): Cơ chế nâng hạ tải trọng tự động; sạc không dây tự động (auto-docking).
  • Won't-have (Chưa thực hiện): Điều hướng nhận dạng 3D point cloud bằng camera RGB-D chuyên sâu.

Thiết kế hệ thống

Technology Stack và Phần cứng

+-------------------------------------------------------------------------+
|                              ROS Master Node                            |
|  - slam_gmapping / cartographer_ros (Mapping)                           |
|  - amcl (Localization)                                                  |
|  - move_base: global_planner (Dijkstra) + local_planner (DWA)           |
+------------------------------------+------------------------------------+
                                     | /cmd_vel (geometry_msgs/Twist)
                                     v
+-------------------------------------------------------------------------+
|                          Rosserial UART Bridge                          |
|             (Baudrate: 115200 bps, Buffer: 512 bytes)                   |
+------------------------------------+------------------------------------+
                                     | Target velocities (v_x, v_y, w_z)
                                     v
+-------------------------------------------------------------------------+
|                  Low-level MCU: Arduino Mega 2560                       |
|  - Mecanum Inverse Kinematics Solver                                    |
|  - 4x Closed-loop PID Velocity Controllers (Sample Time: T = 10ms)      |
|  - Quadrature Encoder Reading (Interrupt Service Routines)              |
+------------------------------------+------------------------------------+
                                     | 4x PWM + Direction Signals
                                     v
+-------------------------------------------------------------------------+
|            Power & Actuation: 2x BTS7960 H-Bridge (43A Max)             |
|            4x DC Planetary Gear Motor 12V 30W (320 RPM)                 |
+-------------------------------------------------------------------------+
  • Phần mềm & Hệ điều hành: Ubuntu Linux 20.04 LTS, ROS Noetic / Melodic, Arduino IDE 1.8.19, Autodesk Inventor 2022, MATLAB/Simulink R2021a (mô phỏng nhận dạng hàm truyền và tune PID).
  • Thiết bị cảm biến:
    • LiDAR: RPLiDAR A1M8 360° (khoảng cách đo $0.15 - 12\text{ m}$, tần số quét $5.5 - 10\text{ Hz}$, độ phân giải góc $\le 1^\circ$).
    • IMU: Cảm biến gia tốc & con quay hồi chuyển 6-DOF / 9-DOF bù sai số trượt odometry.
    • Encoder: Quang học tích hợp trục động cơ (12 CPR, tỉ số truyền hộp số hành tinh $i = 1:27$).
  • Khối chấp hành & Nguồn:
    • Động cơ: 4 động cơ Planet DC 12V 30W, tốc độ định mức 320 RPM.
    • Driver công suất: Module cầu H kép BTS7960 43A chịu dòng xung đỉnh cao.
    • Nguồn cấp: Ắc quy chì-axit Konita 12V 8Ah/20HR, mạch ổn áp xung DC-DC LM2596 (12V xuống 5V logic).

Động học ngược Robot Mecanum 4 bánh

Vận tốc góc của 4 bánh xe $(\omega_1, \omega_2, \omega_3, \omega_4)$ được tính toán từ vận tốc dài và góc của thân robot $(v_x, v_y, \omega_z)$ qua ma trận chuyển đổi:

$$\begin{bmatrix} \omega_1 \ \omega_2 \ \omega_3 \ \omega_4 \end{bmatrix} = \frac{1}{R} \begin{bmatrix} 1 & -1 & -(l_1 + l_2) \ 1 & 1 & (l_1 + l_2) \ 1 & -1 & (l_1 + l_2) \ 1 & 1 & -(l_1 + l_2) \end{bmatrix} \begin{bmatrix} v_x \ v_y \ \omega_z \end{bmatrix}$$

Trong đó: $R = 0.05\text{ m}$ (bán kính bánh Mecanum); $l_1 = 0.20\text{ m}$, $l_2 = 0.175\text{ m}$ lần lượt là khoảng cách từ tâm hình học đến trục quay bánh xe theo phương dọc và ngang.

Methodology

Dự án áp dụng mô hình phát triển lai V-Model & Agile:

+---------------------------+             +---------------------------+
|    Yêu cầu & Tính toán    |             |  Kiểm nghiệm thực địa     |
|   (Tải trọng, Động học)   |             | (Điều hướng, Tránh cản)   |
+-------------+-------------+             +-------------^-------------+
              |                                         |
              v                                         |
+-------------+-------------+             +-------------+-------------+
|    Thiết kế 3D Inventor   |             |  Tích hợp ROS & Firmware  |
|   (Mô phỏng ứng suất FEM) |             |  (Rosserial, AMCL, Costmap|
+-------------+-------------+             +-------------^-------------+
              |                                         |
              +------------------->+<-------------------+
                                   |
                      +------------v------------+
                      |  Gia công, Lắp ráp Cơ   |
                      |  Điện tử & Tune PID     |
                      +-------------------------+
  • Giai đoạn 1 (Tuần 1–4): Khảo sát lý thuyết, tính toán tải trọng động cơ, giải bài toán động lực học, thiết kế mô hình 3D CAD trên Inventor, phân tích ứng suất khung gầm dưới lực nén $400\text{ N}$.
  • Giai đoạn 2 (Tuần 5–8): Gia công khung nhôm định hình $20\times20\text{ mm}$, gối đỡ KP08, lắp ráp phần cứng cơ khí, hàn mạch phân phối nguồn và module BTS7960.
  • Giai đoạn 3 (Tuần 9–12): Lập trình thuật toán PID rời rạc trên Arduino Mega 2560; cấu hình giao tiếp Rosserial UART; viết Node động học ngược.
  • Giai đoạn 4 (Tuần 13–16): Cấu hình ROS Navigation Stack (Costmap 2D, DWA Local Planner, Dijkstra Global Planner); quét bản đồ SLAM; chạy thử nghiệm thực địa và hiệu chỉnh thông số.

Implementation và kết quả

Development Process & Core Algorithms

Quá trình điều khiển cấp thấp được hiện thực trên Arduino Mega 2560 nhằm đảm bảo chu kỳ thực thi vòng kín $T = 10\text{ ms}$ ($100\text{ Hz}$). Dữ liệu vận tốc mục tiêu $(v_x, v_y, \omega_z)$ nhận từ ROS topic /cmd_vel qua Rosserial được chuyển đổi thành vận tốc xung encoder mục tiêu.

Thuật toán điều khiển PID vận tốc rời rạc (C++ Embedded)

// Cấu trúc điều khiển PID vận tốc động cơ DC
struct MotorPID {
    double Kp, Ki, Kd;
    double setpoint, input, output;
    double prev_error, integral;
};

void calculatePID(MotorPID &pid, double current_speed, double target_speed, double dt) {
    double error = target_speed - current_speed;
    pid.integral += error * dt;
    // Chống bão hòa tích phân (Anti-windup clamping)
    if (pid.integral > 255.0) pid.integral = 255.0;
    else if (pid.integral < -255.0) pid.integral = -255.0;
    
    double derivative = (error - pid.prev_error) / dt;
    pid.output = (pid.Kp * error) + (pid.Ki * pid.integral) + (pid.Kd * derivative);
    pid.prev_error = error;
    
    // Giới hạn PWM đầu ra [-255, 255]
    if (pid.output > 255) pid.output = 255;
    if (pid.output < -255) pid.output = -255;
}

// Chuyển đổi động học ngược từ cmd_vel sang vận tốc 4 bánh xe
void inverseKinematics(float vx, float vy, float wz, float &w1, float &w2, float &w3, float &w4) {
    float L_sum = 0.20 + 0.175; // l1 + l2 (m)
    float r = 0.05;             // Wheel radius (m)
    w1 = (vx - vy - L_sum * wz) / r;
    w2 = (vx + vy + L_sum * wz) / r;
    w3 = (vx - vy + L_sum * wz) / r;
    w4 = (vx + vy - L_sum * wz) / r;
}

Cấu hình Costmap 2D cho ROS Navigation Stack

Tham số costmap được tinh chỉnh chi tiết trong file costmap_common_params.yaml:

obstacle_range: 2.5
raytrace_range: 3.0
footprint: [[-0.25, -0.20], [-0.25, 0.20], [0.25, 0.20], [0.25, -0.20]]
inflation_radius: 0.35
cost_scaling_factor: 10.0

observation_sources: laser_scan_sensor
laser_scan_sensor: {
  sensor_frame: laser,
  data_type: LaserScan,
  topic: scan,
  marking: true,
  clearing: true
}

Testing và validation

Hệ thống đã trải qua các bài kiểm tra thực nghiệm nghiêm ngặt trong phòng thí nghiệm và hành lang xưởng thực hành:

[Bắt đầu: Điểm (0,0)] ---> [Vật cản xuất hiện] ---> [Cập nhật Local Costmap] 
                                                             |
[Đích: (X, Y)] <--- [Theo vết đường mới] <--- [Tính đường né DWA]

  1. Kiểm tra độ chính xác đáp ứng tốc độ động cơ (PID Tuning):

    • Sử dụng công cụ MATLAB PID Tuner kết hợp hiệu chỉnh thực nghiệm thủ công.
    • Thời gian đáp ứng đạt trạng thái xác lập: $t_s < 0.25\text{ s}$.
    • Độ vọt lố: $\sigma% < 4.8%$.
    • Sai số xác lập vận tốc: $e_{ss} \approx \pm 1.2%$.

  2. Kiểm tra vận tốc và tải trọng:

    • Vận tốc lớn nhất khi không tải: $v_{\max} = 0.62\text{ m/s}$.
    • Vận tốc định mức khi có tải trọng $5\text{ kg}$: $v = 0.50\text{ m/s}$.
    • Vận tốc định mức khi có tải trọng $10\text{ kg}$: $v = 0.42\text{ m/s}$.

  3. Độ ồn hoạt động:

    • Mặt sàn cao su phòng thí nghiệm: $51 - 53\text{ dB}$ (rất êm ái).
    • Mặt sàn bê tông công nghiệp: $62 - 65\text{ dB}$ (do rung động con lăn bánh Mecanum, hoàn toàn đạt chuẩn cho phép trong nhà xưởng $< 75\text{ dB}$).

  4. Kiểm tra an toàn & Tránh cản:

    • Khoảng cách an toàn tối thiểu với vật cản tĩnh/động: $0.35\text{ m}$.
    • Thời gian tái quy hoạch quỹ đạo (Dynamic Re-planning): $\le 120\text{ ms}$.

Kết quả đạt được

Thông số / Tính năng Chỉ tiêu thiết kế ban đầu Kết quả thực nghiệm đạt được Đánh giá
Kích thước bao $500 \times 400 \times 400\text{ mm}$ $500 \times 400 \times 250\text{ mm}$ Đạt (gọn hơn dự kiến)
Tự trọng robot $25\text{ kg}$ $20.5\text{ kg}$ Đạt (giảm 18% trọng lượng)
Tải trọng chuyên chở $5\text{ kg}$ $5 - 10\text{ kg}$ Vượt chỉ tiêu
Vận tốc tối đa $0.5\text{ m/s}$ $0.5\text{ m/s}$ (có tải) / $0.62\text{ m/s}$ (không tải) Đạt chuẩn
Độ chính xác định vị AMCL Sai số $< 5\text{ cm}$ $\pm 2.1\text{ cm}$ Đạt độ chính xác cao
Thời lượng pin liên tục $2.0\text{ giờ}$ $2.5\text{ giờ}$ (Ắc quy 12V 8Ah) Đạt

Đổi mới và đóng góp

  1. Khả năng di chuyển Holonomic đa hướng toàn phần: Ứng dụng cơ cấu 4 bánh Mecanum cho phép robot tịnh tiến theo mọi hướng ($x, y$) và xoay quanh trục thẳng đứng ($\theta$) đồng thời, giúp giảm 100% bán kính quay vòng ($R = 0$) so với dòng robot vi sai truyền thống.
  2. Kiến trúc phần mềm phân tầng Modular trên nền ROS: Tách biệt rõ ràng tầng xử lý tính toán thuật toán nặng (SLAM, Path Planning, AMCL trên ROS Master) và tầng chấp hành thời gian thực (PID, Odometry, Interfacing trên Vi điều khiển), giúp hệ thống có độ trễ cực thấp và khả năng mở rộng linh hoạt.
  3. Thuật toán Odometry hợp nhất (Sensor Fusion): Kết hợp tín hiệu Encoder 4 bánh xe và dữ liệu gia tốc góc từ IMU qua bộ lọc Kalman mở rộng (EKF), giảm thiểu hiện tượng trôi dạt tọa độ (drift) vốn là nhược điểm cố hữu của bánh xe đa hướng Mecanum khi di chuyển trên bề mặt trơn trượt.
  4. Hiệu quả kinh tế vượt trội: Toàn bộ hệ thống được chế tạo từ linh kiện tiêu chuẩn công nghiệp phổ thông (nhôm định hình, Arduino, RPLiDAR A1M8, BTS7960) với giá thành chỉ bằng khoảng 15–20% so với các sản phẩm AMR nhập ngoại thương mại có tính năng tương đương.

Ứng dụng thực tế và triển khai

+-------------------------------------------------------------------------+
|                  Quy trình Triển khai Nhà xưởng 4 Bước                 |
|                                                                         |
|  [Bước 1: Quét LiDAR] ----> [Bước 2: Vẽ Costmap]                      |
|       (SLAM Tạo Map 2D)          (Thiết lập vùng cấm/Virtual Walls)     |
|                                         |                               |
|                                         v                               |
|  [Bước 4: Vận hành 24/7] <--- [Bước 3: Gán Waypoints]                   |
|       (Giám sát qua Web/RVIZ)    (Trạm cấp phôi, Trạm lắp ráp)          |
+-------------------------------------------------------------------------+
  • Môi trường ứng dụng thực tế:
    • Nhà máy sản xuất linh kiện điện tử: Vận chuyển khay bo mạch PCB giữa các dây chuyền SMT và trạm kiểm tra chất lượng QA.
    • Phân xưởng cơ khí chính xác: Chuyên chở dụng cụ cắt gọt, gá kẹp, chi tiết gia công giữa kho dụng cụ và máy CNC.
    • Bệnh viện và phòng sạch: Vận chuyển thuốc men, dụng cụ y tế tiệt trùng mà không phát thải ô nhiễm.
  • Tính toán hiệu quả đầu tư (ROI):
    • Chi phí chế tạo nguyên mẫu: $\approx 12 - 15\text{ triệu VNĐ}$.
    • Giảm thiểu 01 nhân công vận chuyển thủ công (chi phí lương $\approx 8 - 10\text{ triệu/tháng}$).
    • Thời gian hoàn vốn đầu tư (Payback Period): Chỉ từ 1.5 – 2 tháng/robot, đem lại giá trị thặng dư kinh tế bền vững cho doanh nghiệp vừa và nhỏ (SMEs).

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Bánh xe Mecanum dễ bị trượt vi mô (micro-slipping) khi di chuyển trên mặt sàn ẩm ướt hoặc có dầu mỡ, làm gia tăng sai số Odometry nếu chỉ dựa vào encoder thuần túy.
  • Cảm biến LiDAR RPLiDAR A1M8 chỉ quét mặt phẳng 2D, chưa phát hiện được các vật cản dạng treo trên cao hoặc vật thể thấp dưới tầm quét ($< 15\text{ cm}$) và vật cản trong suốt (kính).

Hướng nâng cấp

  • Tích hợp Camera chiều sâu RGB-D (Intel RealSense D435i): Kết hợp 3D Point Cloud để nhận diện chướng ngại vật dạng treo, bậc thang và vật thể phức tạp.
  • Nâng cấp lên ROS 2 (Humble/Iron) & Nav2: Tận dụng giao thức truyền thông thời gian thực DDS, tăng cường tính ổn định đa tác vụ và tính năng quản lý đội xe (Fleet Management System qua giao thức Open-RMF).
  • Cơ chế sạc tự động (Auto-charging Dock): Tích hợp cảm biến hồng ngoại và thuật toán docking chính xác cao giúp robot tự động lùi về trạm sạc khi dung lượng ắc quy dưới $20%$.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Kỹ thuật: Tài liệu tham khảo hoàn chỉnh từ tính toán động học Mecanum, mô phỏng FEM cơ khí, lập trình nhúng Arduino cho đến cấu hình ROS Navigation Stack thực chiến.
  • Kỹ sư R&D & Lập trình viên Robotics: Nắm bắt kiến trúc tích hợp hệ thống phần cứng - phần mềm chuẩn mực, mẫu mã nguồn điều khiển PID vòng kín và kỹ thuật mapping SLAM 2D.
  • Doanh nghiệp sản xuất & Vận hành kho (SMEs): Cung cấp giải pháp mẫu khả thi để tự động hóa vận chuyển nội bộ với chi phí siêu thấp, loại bỏ hoàn toàn chi phí bảo trì mặt sàn của AGV truyền thống.
  • Nhà nghiên cứu: Cung cấp bộ số liệu thực nghiệm về động học bánh Mecanum, mức độ ồn và sai số định vị trong môi trường thực tế để tiếp tục phát triển các thuật toán EKF/SLAM nâng cao.

Câu hỏi thường gặp

1. Yêu cầu phần cứng tối thiểu để triển khai và chạy hệ thống ROS Navigation trên robot là gì?

Máy tính chủ (Host PC) hoặc máy tính nhúng (như SBC Intel NUC, Raspberry Pi 4 Model B RAM 4GB/8GB, hoặc Jetson Nano) chạy hệ điều hành Ubuntu 20.04 LTS cài đặt ROS Noetic. Tần số cập nhật dữ liệu LiDAR tối thiểu $5.5\text{ Hz}$, vi điều khiển cấp thấp có ít nhất 2 bộ ngắt ngoài phần cứng để đếm xung encoder thời gian thực.

2. Làm thế nào để khắc phục hiện tượng trượt của bánh xe Mecanum làm sai lệch vị trí Odometry?

Sử dụng gói robot_localization trong ROS để thiết lập bộ lọc Kalman mở rộng (EKF - Extended Kalman Filter). Bộ lọc sẽ hợp nhất dữ liệu từ Encoder (đo khoảng cách trượt ngắn hạn) và cảm biến quán tính IMU 9-DOF (đo gia tốc và vận tốc góc chuẩn xác), kết hợp với thuật toán AMCL quét LiDAR liên tục đối chiếu với bản đồ tĩnh để bù trừ sai số trôi dạt tọa độ.

3. Robot có thể tích hợp vào các hệ thống quản lý kho ERP/WMS hiện có không?

Hoàn toàn khả thi. Hệ thống ROS hỗ trợ giao tiếp qua chuẩn Websocket (rosbridge_suite), RESTful API hoặc giao thức MQTT/Industrial IoT. Máy chủ quản lý kho WMS có thể gửi trực tiếp tọa độ điểm lấy hàng/trả hàng dưới dạng tọa độ $(x, y, \theta)$ vào ROS Action Server /move_base qua mạng Wi-Fi cục bộ.

4. Chi phí và quy trình bảo trì hệ thống định kỳ như thế nào?

Nhờ loại bỏ hoàn toàn đường băng từ dán sàn, chi phí bảo trì cơ sở hạ tầng bằng 0. Robot chỉ cần bảo dưỡng cơ khí định kỳ mỗi 6 tháng: vệ sinh các trục con lăn nhỏ của bánh xe Mecanum, kiểm tra độ mòn ổ đỡ KP08, siết ốc nhôm định hình và kiểm tra dung lượng ắc quy 12V.

5. Khả năng chịu tải của khung gầm nhôm định hình $20\times20\text{ mm}$ được kiểm chứng ra sao?

Cấu trúc khung gầm đã được mô phỏng phần tử hữu hạn (FEA/FEM) trên phần mềm Autodesk Inventor với tải trọng thử nghiệm $400\text{ N}$ ($\approx 40\text{ kg}$). Ứng suất von Mises lớn nhất ghi nhận chỉ đạt $18.4\text{ MPa}$, thấp hơn rất nhiều so với giới hạn bền chảy của hợp kim nhôm 6063-T5 ($145\text{ MPa}$), hệ số an toàn đạt $S_f \approx 7.8$, đảm bảo tuyệt đối không bị biến dạng khi chở tải $10\text{ kg}$.

Kết luận

Đề tài 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" đã hoàn thành xuất sắc toàn bộ các mục tiêu đặt ra: từ thiết kế cơ khí tối ưu, tính toán động học chính xác, xây dựng mạch điều khiển vòng kín ổn định đến triển khai thành công hệ thống điều hướng tự chủ thông minh với SLAM và ROS Navigation.

Sản phẩm là minh chứng rõ nét cho năng lực nghiên cứu ứng dụng thực tiễn, làm chủ công nghệ cao của sinh viên ngành Cơ Điện tử, mở ra giải pháp tự động hóa vận chuyển nội bộ chi phí thấp, linh hoạt cao và sẵn sàng chuyển giao công nghệ cho các nhà máy thông minh tại Việt Nam.