Bối cảnh và vấn đề nghiên cứu

Khóa luận tốt nghiệp "Thiết kế bàn tay robot tích hợp camera mô phỏng bàn tay người" của tác giả Ngô Thanh Nhân và Trương Tài Thuận (ngành Kỹ thuật Máy tính, Trường Đại học Công nghệ Thông tin – ĐHQG TP.HCM, hướng dẫn bởi TS. Đoàn Duy) tập trung giải quyết bài toán hỗ trợ vận động cho người khuyết tật chi trên thông qua giải pháp tự động hóa bằng thị giác máy tính và cơ điện tử.

Trong bối cảnh thực tiễn, các sản phẩm bàn tay giả trên thế giới và tại Việt Nam chủ yếu ứng dụng công nghệ đo tín hiệu điện cơ (Myoelectric Signal - ME) từ phần cơ còn lại của chi cụt. Mặc dù các sản phẩm thương mại như bàn tay robot của hãng Ottobock (Đức) sở hữu độ linh hoạt cao với 14 kiểu cầm nắm nhưng giá thành lên tới khoảng 60.000 USD; sản phẩm tay điện của Vulcan Augmetics tại Việt Nam có giá thấp hơn (khoảng 23–25 triệu VNĐ) điều khiển thông qua cảm biến chân hoặc vòng đo Myoelectric. Tuy nhiên, rào cản chung của các dòng thiết bị này là yêu cầu người dùng phải còn khả năng co giãn cơ bắp tại vị trí cụt và chưa đạt được trạng thái hoạt động độc lập hoàn toàn. Khi cơ bắp của người bệnh bị tổn thương nặng hoặc mất hoàn toàn xung vận động, việc điều khiển sẽ gặp trở ngại lớn. Xuất phát từ thực tế đó, nhóm tác giả định hướng phát triển một cấu trúc bàn tay robot tích hợp camera có thể tự động nhận biết vật thể và tự chọn cử chỉ cầm nắm thích hợp mà không cần phụ thuộc vào cơ bắp người dùng.

Mục tiêu nghiên cứu của đề tài được xác định cụ thể trong văn bản như sau:

  1. Mục tiêu tổng quát: Thiết kế thành công bàn tay robot mô phỏng hoạt động của bàn tay người; tích hợp camera giúp nhận diện vật thể để đưa ra động tác cầm nắm hợp lý. Bàn tay robot được in 3D bằng nhựa cứng, có cấu tạo 5 ngón và cổ tay tương đồng cấu trúc tay người, phục vụ sinh hoạt cho người khuyết tật hoặc ứng dụng cho robot thông minh.
  2. Mục tiêu cụ thể:
    • Thiết kế bàn tay robot và cơ cấu điều khiển mô phỏng các hành vi của bàn tay người.
    • Tích hợp camera, chương trình xử lý ảnh và cảm biến hỗ trợ nhận dạng đồ vật, khoảng cách để phát triển bàn tay robot thông minh.
    • Hiện thực thiết kế bàn tay robot mẫu sử dụng công nghệ cắt in 3D.

Về đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Cánh tay robot tích hợp camera và cảm biến có khả năng tự nhận diện hình ảnh vật thể và thực thi các động tác cầm nắm cơ học.
  • Phạm vi hình thái và động tác: Hệ thống đáp ứng 3 dạng cầm/nắm chính tương ứng với 3 nhóm vật thể có hình dáng hình học cố định:
    • Hình trụ (ví dụ: chai nước);
    • Hình tròn (ví dụ: quả banh);
    • Hình chữ nhật nằm ngang (ví dụ: hộp thiếc, cuốn sổ nhỏ).
  • Phạm vi vật lý: Các vật thể thử nghiệm có hình dáng không thay đổi; chất liệu gồm nhựa cứng, bìa cứng, thiếc nhẹ; khối lượng giới hạn không vượt quá 50 g.

Cơ sở lý thuyết và phương pháp tiếp cận

Đề tài kết hợp giữa lý thuyết xử lý ảnh kỹ thuật số, kỹ thuật cảm biến, lý thuyết mạch phân áp và kỹ thuật điều khiển nhúng:

Khung lý thuyết và công nghệ xử lý ảnh

Chương trình trích xuất đặc trưng hình thái vật thể sử dụng chuỗi giải thuật xử lý ảnh sau:

  • Chuyển đổi không gian màu (Grayscale Converting): Biến đổi ảnh màu RGB sang ảnh xám 2 chiều đơn kênh nhằm giảm khối lượng tính toán dựa trên ma trận mức xám.
  • Bộ lọc Gaussian (Gaussian Blur): Sử dụng hàm Gauss 2 chiều làm mờ ảnh nhằm giảm nhiễu và loại bỏ các chi tiết không cần thiết. Cấu hình thực tế sử dụng ma trận lọc (kernel) kích thước $5 \times 5$, hệ số phương sai $\sigma = 1.25$, các tham số $\text{Sigma X, Y} = 1$.
  • Kỹ thuật tìm biên Canny (Canny Edge Detector): Xác định đường biên dựa trên gradient độ sáng qua 4 giai đoạn: tính gradient ảnh, khử cực đại không cục bộ (Non-maximum Suppression) để làm mỏng cạnh, lọc ngưỡng kép với hai giá trị ngưỡng [30, 60], và nhận diện cạnh liên tục.
  • Toán tử hình thái học (Morphology): Ứng dụng phép giãn nở (Dilation) và xói mòn (Erosion) với ma trận kernel $5 \times 5$ (số lần lặp iteration = 1) nhằm nối liền các nét đứt trên cạnh vật thể và khử bỏ pixel nhiễu cô lập.
  • Trích xuất viền (findContours): Chỉ lọc lấy viền ngoài cùng bao quanh vật thể (external contours), tự động loại trừ các đường viền nội tại bên trong (con của viền chính) và các viền nhiễu không khép kín.
  • Xác định bao kích thước: Từ các điểm biên có tọa độ cực trị nhỏ nhất $p_1(x_1, y_1)$ và lớn nhất $p_2(x_2, y_2)$, hệ thống tính toán chiều dài và chiều rộng tổng quát của vật thể theo đơn vị pixel để làm đầu vào cho thuật toán quyết định động tác.

Cơ sở mạch điện tử và nguyên lý đo lường

Hệ thống sử dụng nguyên lý mạch cầu phân áp (Voltage divider) để đọc tín hiệu từ hai nhóm cảm biến:

  • Công thức tính điện áp ra: $$V_{out} = V_{cc} \times \left(\frac{R_2}{R_1 + R_2}\right)$$
  • Đo lực căng: Sử dụng cảm biến lực biến thiên điện trở FSR (Force Sensing Resistor) mã hiệu DF9-40 (giới hạn đo 20 kg). Điện trở trạng thái tĩnh của cảm biến xấp xỉ $10,\text{M}\Omega$, khi chịu tải điện trở giảm dần. Cảm biến được mắc nối tiếp với điện trở $1,\text{k}\Omega$ cấp nguồn 5V, đưa tín hiệu analog về bộ biến đổi ADC.
  • Định vị góc 0°: Sử dụng mạch phân áp kết hợp giữa quang trở và điện trở $1,\text{k}\Omega$ (nguồn 5V), tương tác với đèn LED chiếu qua khe rãnh đặc biệt trên puly làm nhiệm vụ như đĩa encoder quang học để nhận diện trạng thái duỗi thẳng hoàn toàn.

Phương pháp nghiên cứu và nguồn dữ liệu

  • Phương pháp thiết kế cơ khí: Dựng mô hình 3D trên phần mềm AutoCAD, ứng dụng kỹ thuật in 3D vật liệu nhựa cứng và gia công cắt laser tấm mica (meka).
  • Phương pháp tích hợp phần cứng - phần mềm: Kiến trúc hệ thống phân tán gồm máy tính nhúng Raspberry Pi 3 B+ (xử lý ảnh, chạy mô hình máy học chọn động tác, đọc cảm biến siêu âm) kết nối truyền thông nối tiếp UART với vi điều khiển Arduino Uno R3 (điều khiển trực tiếp các động cơ servo và đọc tín hiệu ADC từ các cảm biến).
  • Nguồn dữ liệu: Dữ liệu hình ảnh thu nhận trực tiếp từ camera tích hợp (Camera rev 1.3), dữ liệu đo khoảng cách từ cảm biến siêu âm HC-SFROS (HC-SR04) và dữ liệu điện áp tương ứng với lực ép/cường độ sáng từ hệ thống cảm biến trên cánh tay.

Thiết kế và triển khai hệ thống kỹ thuật

Hệ thống được thiết kế hoàn chỉnh từ cơ khí, mạch điện tử, kết nối nhúng đến pipeline thuật toán:

Thiết kế cơ khí và thông số kích thước

Cấu trúc cơ khí bàn tay robot bao gồm phần lòng bàn tay, 5 ngón tay, cánh tay và khớp xoay cuối cánh tay với các thông số cụ thể:

Bộ phận Kích thước / Thông số kỹ thuật Vật liệu / Phương pháp gia công
Toàn bộ lòng bàn tay và cánh tay Chiều dài tổng thể xấp xỉ 506 mm Nhựa in 3D kết hợp khung cơ khí
Lòng bàn tay Chiều ngang vị trí rộng nhất: 97 mm Tấm meka (mica), cắt khắc laser 2D
4 ngón tay (trỏ, giữa, áp út, út) Dài xấp xỉ 115 mm (chưa tính gốc), ngang 16 mm, cao 17.5 mm Nhựa cứng, in 3D
Cấu trúc đốt của 4 ngón 3 đốt: đốt 1 (50 mm), đốt 2 (30 mm), đốt 3 (35 mm) Trục xoay ngang liên kết giữa các đốt
Khả năng quay của khớp ngón Phạm vi xoay 0° đến 90°; khớp thứ 2 có thể gập đến 105° Chuyển động cơ học qua khớp
Ngón cái Dài xấp xỉ 80 mm; gồm 2 đốt (không tính gốc) Nối trực tiếp vào 1 động cơ servo điều khiển góc quay
Khớp xoay cánh tay Khớp quay nối động cơ servo ở đuôi cánh tay Đổi góc chủ động hoặc thụ động từ bên ngoài

Cơ cấu truyền động ngón tay

  • Mỗi ngón tay vận hành theo nguyên lý kéo - nhả bằng hai sợi dây không dãn: một dây đi ở mặt trước (bên trong lòng bàn tay) dùng để kéo co ngón, một dây đi ở mặt sau dùng để kéo duỗi ngón.
  • Trục động cơ servo SG996 360° được gắn bánh puly 1 rãnh. Hai đầu dây trước và sau cố định ngược chiều nhau vào puly; khi động cơ quay, một dây thu vào đồng thời một dây nhả ra.
  • Các đốt ngón tay được bổ sung dây thun ở mặt sau để tăng độ mượt mà khi co duỗi.
  • Nhằm giảm số lượng động cơ và cảm biến trong triển khai thực tế, nhóm thiết kế đã gộp chung ngón trỏ và ngón giữa vào 1 bộ cảm biến lực và 1 servo; ngón áp út và ngón út gộp chung vào 1 bộ cảm biến lực và 1 servo. Ngón cái điều khiển độc lập bằng 1 servo riêng.

Cụm cảm biến lực và cơ chế giới hạn hành trình

  • Bộ phận cảm biến lực gồm 3 khối cơ khí: 2 khối lồng vào nhau tạo 2 mặt phẳng song song kẹp cảm biến DF9-40 ở giữa, khối thứ 3 cố định bằng vít; toàn bộ cụm được đặt trượt trên ray.
  • Dây co ngón nối từ đốt ngoài cùng qua bộ cảm biến lực rồi mới đi về puly động cơ. Khi ngón tay gặp vật cản, lực căng tạo áp lực lên cảm biến DF9-40 làm thay đổi điện áp đầu ra. Hệ số ngưỡng điện áp giới hạn trên giúp vi điều khiển nhận biết vật đã được kẹp chặt để dừng động cơ servo.
  • Khe rãnh trên puly kết hợp cảm biến quang trở và đèn LED xác định mốc góc 0° khi ngón tay duỗi thẳng trở lại vị trí nghỉ.

Kiến trúc điều khiển và giao tiếp hệ thống

  • Raspberry Pi 3 B+: Nhận tín hiệu từ cảm biến khoảng cách siêu âm đặt ở mặt trước lòng bàn tay; khi phát hiện vật thể nằm trong phạm vi đo, board kích hoạt Camera rev 1.3 chụp ảnh. Chương trình xử lý ảnh thực hiện trích xuất chiều dài, chiều rộng pixel, sau đó chương trình máy học phân loại thành 1 trong 3 trạng thái cầm nắm và truyền mã lệnh sang Arduino qua giao tiếp UART.
  • Arduino Uno R3: Đóng vai trò bộ chấp hành cấp thấp, nhận lệnh thao tác từ Raspberry Pi, kích hoạt các servo quay tương ứng, đồng thời giám sát liên tục tín hiệu ADC từ cảm biến lực và quang trở để ngắt động cơ đúng ngưỡng. Arduino quản lý 4 trạng thái hành vi: 3 kiểu cầm nắm và 1 kiểu duỗi thẳng ngón tay về trạng thái nghỉ.

Nội dung chính theo từng chương

Chương 1. Lí do chọn đề tài, Mục tiêu của đề tài, Đối tượng và phạm vi nghiên cứu của đề tài

Chương này phân tích sự cần thiết của cánh tay robot hỗ trợ sinh hoạt cho người khuyết tật chi trên và tiềm năng ứng dụng trong các hệ thống thông minh (y tế, quốc phòng, công nghiệp). Văn bản thiết lập mục tiêu tổng quát là chế tạo thành công bàn tay robot in 3D 5 ngón có khớp xoay cổ tay, tích hợp camera xử lý ảnh độc lập. Các mục tiêu cụ thể gồm thiết kế cơ khí mô phỏng cử động tay người, tích hợp cảm biến siêu âm, camera xử lý ảnh và thi công mô hình mẫu bằng công nghệ cắt in 3D. Phạm vi thử nghiệm được giới hạn ở 3 kiểu cầm nắm cho 3 hình thái đồ vật (trụ, tròn, chữ nhật nằm ngang) có khối lượng dưới 50 g.

Chương 2. Tình hình nghiên cứu trong nước, Tình hình nghiên cứu quốc tế, Phân tích các công nghệ

Chương 2 tổng hợp bức tranh công nghệ cánh tay giả cơ điện:

  • Trong nước: Khảo sát mô hình cánh tay robot giá rẻ của Ngô Văn Dét (ĐH Phạm Văn Đồng) sử dụng cảm biến áp suất đặt tại cơ cẳng tay để kéo dây co ngón; mô hình tay điện tử Vulcan Augmetics điều khiển qua Bluetooth bằng cảm biến cổ chân hoặc tín hiệu Myoelectric qua vòng đeo Mioband với giá 23–25 triệu VNĐ, cổ tay xoay 360°.
  • Quốc tế: Phân tích sản phẩm cao cấp của Ottobock SE & Co. KGaA (Đức) có khả năng nâng vật nặng trên 40 kg, cung cấp 14 kiểu cầm nắm nhưng giá thành rất cao (~60.000 USD); nghiên cứu của Ji Hun Bae et al. ứng dụng động cơ RC servo chi phí thấp.
  • Phần phân tích công nghệ chỉ ra điểm nghẽn của công nghệ Myoelectric là không áp dụng được cho bệnh nhân mất hoàn toàn xung cơ, từ đó luận chứng tính mới của đề tài: xây dựng bàn tay robot tích hợp camera nhận diện thị giác độc lập để vận hành tự động không cần sự can thiệp từ cơ bắp.

Chương 3. Cơ sở lý thuyết và Chi tiết thiết kế

Chương 3 trình bày toàn bộ thuật toán xử lý ảnh số và bản vẽ thiết kế kỹ thuật:

  • Thuật toán thị giác: Chi tiết hóa công thức ảnh xám, hàm lọc Gaussian kernel $5 \times 5$ ($\sigma = 1.25$), quy trình tìm biên Canny với ngưỡng [30, 60], toán tử Dilation/Erosion kernel $5 \times 5$ xử lý nét đứt và tìm đường bao ngoài khép kín (external contour) để tính chiều dài, chiều rộng bounding box qua 2 điểm cực trị $p_1(x_1, y_1)$ và $p_2(x_2, y_2)$.
  • Bản vẽ cơ khí: Trình bày chi tiết kích thước lòng bàn tay (97 mm, mica laser), tổng chiều dài cụm tay (506 mm), kích thước 4 ngón tay (dài 115 mm, ngang 16 mm, cao 17.5 mm; đốt 1 dài 50 mm, đốt 2 dài 30 mm, đốt 3 dài 35 mm; khớp thứ hai gập 105°), ngón cái 2 đốt (80 mm).
  • Cơ cấu cơ - điện: Bản vẽ 3D bánh puly 1 rãnh gắn trên động cơ SG996 360°, cụm cảm biến lực DF9-40 đặt trên ray trượt, mạch cầu phân áp điện trở $1,\text{k}\Omega$ cấp nguồn 5V cho cảm biến lực và quang trở, lưu đồ nguyên lý điều khiển 2 board Arduino Uno R3 và Raspberry Pi 3 B+ giao tiếp UART.

Chương 4. Thực nghiệm và đánh giá

Chương 4 ghi nhận kết quả vận hành thực tế của hệ thống:

  • Thực nghiệm phần cứng xử lý ảnh: Raspberry Pi 3 B+ kết hợp Camera rev 1.3 xử lý ảnh mẫu chụp các vật thể thực tế, lọc bỏ nền và trả về đúng viền ngoài bao quanh vật thể.
  • Cơ cấu chấp hành cơ - điện: Động cơ servo kéo dây thu nhả ổn định, cảm biến DF9-40 phản hồi chính xác điện áp khi đạt lực siết, cảm biến quang trở đưa ngón tay về chuẩn góc 0° khi nhả vật thể.
  • Phối hợp nhúng và máy học: Thực nghiệm quy trình tự động từ cảm biến khoảng cách kích hoạt chụp ảnh, trích xuất dữ liệu hình thái đưa vào chương trình máy học để chọn động tác theo Bảng 4.1, truyền tín hiệu UART điều khiển các servo co gập theo đúng kiểu cầm nắm tương ứng. Kết quả phân loại được định lượng thông qua ma trận lỗi (Confusion matrix).

Kết quả và đóng góp

Kết quả kỹ thuật đạt được

  • Chế tạo thành công mẫu bàn tay robot 5 ngón vật liệu in 3D với chiều dài xấp xỉ 506 mm, lòng bàn tay mica cắt laser 97 mm, có khớp xoay đuôi cánh tay.
  • Hoàn thiện cơ cấu dẫn động kéo - nhả bằng dây qua puly 1 rãnh sử dụng động cơ servo SG996 360°, kết hợp cụm trượt đo lực căng bằng cảm biến DF9-40 và cơ chế định vị góc 0° bằng quang trở/LED.
  • Xây dựng thành công chuỗi xử lý ảnh số trên máy tính nhúng Raspberry Pi 3 B+ (lọc Gaussian, Canny, Dilation/Erosion, External Contours) trích xuất chính xác bounding box của vật thể.
  • Triển khai thuật toán máy học phân loại động tác cầm nắm theo ma trận lỗi (Confusion matrix) và điều khiển phối hợp qua UART tới Arduino Uno R3 thực thi chính xác 3 dạng cầm nắm (cho chai nước hình trụ, quả bóng hình tròn và hộp thiếc/sổ nhỏ hình chữ nhật nằm ngang) đối với các vật thể có khối lượng dưới 50 g.

Đóng góp học thuật và công bố khoa học

  • Đề tài đề xuất một giải pháp kỹ thuật mới trong thiết kế chi giả: thay thế cơ chế kích hoạt Myoelectric truyền thống bằng hệ thống thị giác máy tính tích hợp trực tiếp trên bàn tay, giảm thiểu sự phụ thuộc vào thể trạng cơ bắp của người mang chi giả.
  • Kết quả nghiên cứu của khóa luận đã được chấp nhận công bố dưới dạng bài báo khoa học tại Hội nghị quốc tế RIVF2022 (diễn ra tại TP. Hồ Chí Minh) và có kế hoạch xuất bản trên cơ sở dữ liệu học thuật IEEE Xplore.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế được ghi nhận trong văn bản

  • Khả năng chịu tải và vật liệu: Khối lượng vật thể cầm nắm mới chỉ đáp ứng dưới mức 50 g; vật liệu in 3D nhựa cứng có độ đàn hồi và độ bám dính chưa tối ưu cho các thao tác phức tạp.
  • Tính độc lập của các ngón: Do khó khăn gia công cơ học, thiết kế phải rút gọn bằng cách nối chung ngón trỏ với ngón giữa vào 1 servo/cảm biến lực, ngón áp út với ngón út vào 1 servo/cảm biến lực. Điều này làm giảm tính linh hoạt và mất khả năng cử động độc lập từng ngón riêng lẻ.
  • Không gian nhận diện: Thuật toán thị giác và máy học hiện mới nhận diện và phân loại được 3 dạng hình học cơ bản có hình thái không đổi.

Hướng phát triển tiếp theo

  • Nâng cấp mô hình máy học để tăng độ chính xác trong phân loại và mở rộng tập dữ liệu nhận diện nhiều hình dạng vật thể phức tạp hơn.
  • Cải tiến cơ khí, sử dụng loại vật liệu chế tạo có chất lượng và độ bền cao hơn để tăng tải trọng nâng và độ linh hoạt khi kẹp giữ.
  • Ứng dụng chương trình xử lý ảnh cho các bài toán đo lường kích thước đối tượng qua ảnh 2D và mở rộng tích hợp bàn tay vào các hệ thống robot thông minh di động.

Giá trị tham khảo

Báo cáo khóa luận là tài liệu tham khảo phù hợp cho sinh viên, kỹ sư và nhóm nghiên cứu thuộc các chuyên ngành Kỹ thuật Máy tính, Cơ điện tử, Kỹ thuật Điều khiển và Tự động hóa, Robotics:

  • Thiết kế cơ điện tử chi giả: Cung cấp thông số kích thước thực tế chi tiết từng đốt ngón tay, cơ chế puly kéo 2 dây đối kháng và giải pháp tích hợp cụm cảm biến áp lực FSR DF9-40 trên ray trượt kẹp dây.
  • Hệ thống nhúng và IoT: Cung cấp mô hình giao tiếp phân tầng giữa Raspberry Pi (tầng xử lý tính toán cao cấp, thị giác máy tính) và Arduino Uno R3 (tầng điều khiển chấp hành thời gian thực, đọc ADC) qua UART.
  • Thị giác máy tính ứng dụng: Cung cấp thông số thực nghiệm cụ thể của pipeline xử lý ảnh OpenCV từ bước lọc nhiễu đến trích xuất viền ngoài (external contour) trên máy tính nhúng.

Câu hỏi thường gặp

1. Điểm khác biệt căn bản giữa bàn tay robot trong khóa luận này với các sản phẩm như Ottobock hay Vulcan Augmetics là gì?

Các sản phẩm của Ottobock hay Vulcan Augmetics vận hành dựa trên cảm biến tín hiệu điện cơ (Myoelectric Signal - ME) đo xung co giãn từ phần cơ bắp còn lại của chi cụt, đòi hỏi người khuyết tật phải có cơ bắp tương thích. Bàn tay robot trong đề tài sử dụng camera và cảm biến khoảng cách tích hợp để tự nhận diện hình dạng vật thể, tự phân loại và tự thực hiện động tác cầm nắm, giúp người dùng không cần sử dụng đến cơ bắp chi bị cụt.

2. Kích thước chi tiết các đốt ngón tay của bàn tay robot được thiết kế như thế nào?

Theo số liệu từ bản vẽ CAD trong Chương 3, bốn ngón tay (trỏ, giữa, áp út, út) có chiều dài xấp xỉ 115 mm (không tính đốt gốc), chiều ngang 16 mm, chiều cao trung bình 17.5 mm. Chiều dài 3 đốt ngón tính từ gốc ra lần lượt là 50 mm, 30 mm và 35 mm. Riêng ngón cái chỉ gồm 2 đốt (không tính gốc) với tổng chiều dài xấp xỉ 80 mm. Chiều dài tổng thể toàn bộ lòng bàn tay và cánh tay là khoảng 506 mm.

3. Cơ chế nào giúp hệ thống xác định thời điểm dừng của động cơ servo khi kẹp đồ vật và mốc đưa tay về vị trí duỗi thẳng ban đầu?

Hệ thống sử dụng hai điều kiện cảm biến:

  • Để xác định điểm dừng co ngón: Dây kéo co ngón được truyền qua cụm cảm biến lực FSR DF9-40 gắn trên ray trượt. Khi ngón tay chạm vật cản tạo lực ép lên cảm biến, điện áp mạch cầu phân áp thay đổi; khi đạt ngưỡng giới hạn lực đo được trên thực tế, vi điều khiển phát lệnh dừng servo để tránh quá tải.
  • Để xác định mốc duỗi thẳng (vị trí 0°): Trên bánh puly có xẻ một khe rãnh đặc biệt hoạt động như đĩa encoder. Một bóng LED và một quang trở được bố trí thẳng hàng qua khe này tại đúng vị trí ngón tay duỗi thẳng hoàn toàn (góc 0°), giúp vi điều khiển nhận diện điểm dừng khi động cơ đảo chiều nhả dây.

4. Tại sao nhóm tác giả lại ghép chung điều khiển ngón trỏ với ngón giữa, ngón áp út với ngón út?

Trong quá trình thi công thực tế, nhóm tác giả gặp khó khăn về không gian cơ khí và bố trí linh kiện, do đó đã ghép ngón trỏ và giữa vào chung 1 bộ cảm biến lực và 1 động cơ servo, ngón áp út và út vào 1 bộ cảm biến lực và 1 động cơ servo. Giải pháp này giúp giảm số lượng động cơ servo và cảm biến, đơn giản hóa mạch điều khiển nhưng vẫn đảm bảo khả năng ôm sát vật thể, chấp nhận đánh đổi việc giảm tính năng điều khiển độc lập từng ngón.

5. Chuỗi giải thuật xử lý ảnh trích xuất kích thước vật thể sử dụng những thông số cụ thể nào?

Chương trình chuyển ảnh RGB sang ảnh xám 2 chiều, sau đó áp dụng bộ lọc Gaussian Blur với ma trận kernel $5 \times 5$, phương sai $\sigma = 1.25$ ($\text{Sigma X, Y} = 1$). Kỹ thuật Canny Edge Detector sử dụng hai ngưỡng lọc [30, 60]. Phép biến đổi hình thái học Dilation và Erosion dùng ma trận kernel $5 \times 5$ với số lần lặp iteration = 1. Thuật toán findContours chỉ trích xuất đường bao ngoài cùng (external contour) để lấy tọa độ hai điểm cực trị $p_1(x_1, y_1)$ và $p_2(x_2, y_2)$, từ đó tính toán chiều dài và chiều rộng vật thể theo pixel.

Kết luận

Khóa luận tốt nghiệp của Ngô Thanh Nhân và Trương Tài Thuận đã thiết kế và chế tạo thành công mẫu bàn tay robot 5 ngón in 3D tích hợp camera và hệ thống cảm biến lực, hoạt động theo cơ chế nhận diện vật thể tự động không phụ thuộc vào xung điện cơ Myoelectric. Hệ thống kết hợp kiến trúc nhúng giữa Raspberry Pi 3 B+ đảm nhiệm thị giác máy tính, phân loại máy học và Arduino Uno R3 điều khiển động cơ servo cùng mạch đo lực kéo DF9-40. Kết quả nghiên cứu chứng minh tính khả thi qua việc thực thi chính xác 3 dạng cầm nắm trên các vật mẫu dưới 50 g và đã được công nhận qua bài báo khoa học tại Hội nghị quốc tế RIVF2022.