Bối cảnh và vấn đề nghiên cứu
Trong bối cảnh công nghiệp 4.0 và sự phát triển của lĩnh vực logistics, việc tự động hóa hoạt động kho bãi đóng vai trò quan trọng nhằm tối ưu hóa chuỗi cung ứng. Hệ thống xe tự hành AGV (Automated Guided Vehicle) và robot di động tự hành AMR (Autonomous Mobile Robot) đã được triển khai rộng rãi để vận chuyển hàng hóa. Tuy nhiên, việc kết hợp robot di động với cánh tay robot (Mobile Manipulator) nhằm thực hiện đồng thời hai nhiệm vụ: tự hành di chuyển và bốc dỡ/gắp hàng theo đơn (order picking) vẫn là một bài toán kỹ thuật phức tạp.
Tại Việt Nam, các nghiên cứu chuyên sâu về hệ mobile manipulator hoàn chỉnh từ khâu thiết kế cơ khí, tính toán truyền động, thuật toán quy hoạch đường đi tối ưu đến tích hợp hệ thống điều khiển đa tầng phục vụ kho bãi còn tương đối hạn chế. Xuất phát từ thực tiễn đó, đồ án tốt nghiệp ngành Công nghệ Kỹ thuật Điều khiển và Tự động hóa tại Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh đã thực hiện đề tài "Thiết kế và điều khiển cánh tay robot kết hợp xe tự hành lấy hàng theo đơn trong môi trường nhà kho" (khóa 2020, hoàn thành tháng 06/2024).
Đồ án đặt ra các mục tiêu và nhiệm vụ nghiên cứu cụ thể bao gồm:
- Thiết kế cơ khí và thi công mô hình phần cứng xe tự hành hai bánh vi sai (hệ phi holonomic) kết hợp cánh tay robot 3 bậc tự do (3-DOF) bằng phần mềm SolidWorks.
- Thiết kế và chế tạo bộ giảm tốc Cycloidal (Driver Cycloidal) in 3D tích hợp tại các khớp cánh tay nhằm tăng mô-men xoắn và độ chính xác chuyển động.
- Nghiên cứu và áp dụng thuật toán tối ưu đàn kiến (Ant Colony Optimization - ACO) để giải bài toán người bán hàng trong môi trường trong nhà (ITSP - Indoor Traveling Salesman Problem), tối ưu hóa thứ tự ghé thăm các trạm lấy hàng.
- Tích hợp thuật toán Dijkstra để tìm đường đi toàn cục ngắn nhất và thuật toán Dynamic Window Approach (DWA) để điều hướng cục bộ, né tránh vật cản tĩnh và động.
- Thiết kế bộ điều khiển PID vận tốc cho hai bánh xe vi sai và điều khiển PID vị trí cho ba khớp cánh tay robot.
- Xây dựng hệ thống thị giác máy tính qua webcam để nhận diện màu sắc và định vị vật thể cần gắp.
- Xây dựng hệ thống phần mềm quản lý toàn diện gồm: Web Server (ReactJS, Firebase, EmailJS) phục vụ khách hàng đặt đơn và giao diện đồ họa GUI (Python, Qt Designer) cho người vận hành giám sát, điều khiển robot.
- Mô phỏng kiểm chứng trên Matlab/Simulink, Gazebo/Rviz trong môi trường ROS và thử nghiệm thực tế trong phòng thí nghiệm.
Đối tượng và phạm vi nghiên cứu:
- Đối tượng nghiên cứu: Hệ thống robot di động lấy hàng gồm xe tự hành 2 bánh vi sai, cánh tay robot 3 bậc tự do, các thuật toán định vị, lập bản đồ (SLAM Gmapping), quy hoạch quỹ đạo (ACO, Dijkstra, DWA) và điều khiển vòng kín PID.
- Không gian và thời gian: Thử nghiệm thực tế tại phòng thí nghiệm ACIS LAB (C304), Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh; thời gian thực hiện từ ngày 22/02/2024 đến 25/06/2024.
- Giới hạn đề tài: Nguồn pin và kết nối mạng được giả định luôn ở trạng thái ổn định; cảm biến Lidar chỉ quét vật cản thẳng đứng trong góc quét 180 độ phía trước (không xét trường hợp xe lùi); số lượng trạm lấy hàng thực nghiệm giới hạn ở 5 trạm; đối tượng hàng hóa thử nghiệm là hộp carton rỗng kích thước 6cm x 6cm.
Cơ sở lý thuyết và phương pháp
Đồ án kết hợp phương pháp nghiên cứu lý thuyết (phân tích mô hình toán, xây dựng thuật toán) và phương pháp thực nghiệm kỹ thuật (chế tạo phần cứng, lập trình nhúng, tích hợp hệ thống, đo đạc dữ liệu thực nghiệm).
1. Khung lý thuyết và mô hình toán học
- Mô hình động học xe hai bánh vi sai (Differential Drive): Robot thuộc hệ non-holonomic với hai bánh dẫn động độc lập chung trục và ba bánh xe đa hướng phụ hỗ trợ quay 360 độ. Vị trí và hướng của robot trong mặt phẳng được xác định qua vector trạng thái $q = [x, y, \theta]^T$. Động học thuận và động học nghịch được xây dựng thông qua tâm quay tức thời ICC (Instantaneous Center of Curvature), bán kính quay $R$, khoảng cách giữa hai bánh $L$, cùng vận tốc dài $v = (V_d + V_e)/2$ và vận tốc góc $\omega = (V_d - V_e)/L$.
- Mô hình động học và mô-men cánh tay robot: Tính toán động học thuận, động học nghịch và tính toán mô-men xoắn cần thiết cho từng khớp theo công thức $\tau = m \cdot g \cdot l$ để xác định thông số tải trọng và chọn động cơ phù hợp.
- Lý thuyết bộ giảm tốc Cycloidal: Ứng dụng phương trình biên dạng cycloid với các tham số: bán kính vòng chia $R$, bán kính răng kim $R_r$, số răng $N$, và độ lệch tâm $E$ để thiết kế bộ truyền giảm tốc nhỏ gọn, tỉ số truyền cao cho khớp cánh tay.
- Bài toán người bán hàng trong nhà (ITSP): Mô hình hóa danh sách các kệ hàng cần lấy thành các nút (trạm) trên đồ thị có trọng số, tối ưu hóa tổng chiều dài lộ trình xuất phát từ trạm gốc (Home), đi qua tất cả các trạm yêu cầu đúng một lần và quay về Home.
2. Thuật toán quy hoạch đường đi và điều khiển
- Thuật toán tối ưu đàn kiến (ACO): Sử dụng cơ chế mô phỏng nồng độ pheromone $T_{ij}$ và thông tin heuristic $\eta_{ij} = 1/d_{ij}$ để tính xác suất chọn đường $P_{ij}^k$, kết hợp quy tắc bay hơi pheromone $\rho$ để tìm chu trình di chuyển tối ưu giữa các trạm lấy hàng.
- Thuật toán Dijkstra: Tìm đường đi toàn cục có chi phí thấp nhất trên bản đồ lưới chiếm chỗ 2D (Binary Occupancy Grid Map).
- Thuật toán Dynamic Window Approach (DWA): Quy hoạch quỹ đạo cục bộ thời gian thực trong không gian vận tốc $(v, \omega)$ khả thi của robot, tối ưu hóa hàm mục tiêu $G(v, \omega) = \sigma (\alpha \cdot \text{heading}(v, \omega) + \beta \cdot \text{dist}(v, \omega) + \gamma \cdot \text{vel}(v, \omega))$ nhằm duy trì hướng tới đích, giữ khoảng cách an toàn với vật cản và tối đa hóa vận tốc di chuyển.
- Thuật toán điều khiển PID: Áp dụng điều khiển vòng kín phản hồi tín hiệu encoder để ổn định vận tốc hai bánh xe và điều khiển góc quay vị trí các khớp cánh tay robot.
- Thuật toán thị giác máy tính: Phân đoạn không gian màu (Color Thresholding) qua webcam nhằm tách vật thể màu sắc chỉ định, tính toán trọng tâm và góc lệch của vật thể so với trục trung tâm của khung ảnh phục vụ điều hướng gắp hàng.
Thiết kế và triển khai
Hệ thống được thiết kế đồng bộ theo cấu trúc phân tầng từ cơ khí, phần cứng điện tử đến kiến trúc phần mềm và mạng truyền thông.
[ WEB CLIENT (ReactJS / EmailJS) ]
[ FIREBASE DATABASE ]
[ OPERATOR GUI (Qt Designer) ]
[ JETSON NANO (ROS Core / Master) ]
[ ARDUINO MEGA (1) ] [ ARDUINO MEGA (2) ]
(Điều khiển 2 bánh xe vi sai) (Điều khiển 3 khớp cánh tay)
[ Động cơ DC Servo GA25-370 ] [ Động cơ DC Servo GA25-370 ]
[ Cảm biến Encoder ] [ Cảm biến Encoder ]
1. Thiết kế cơ khí và phần cứng
- Khung vỏ xe: Kết cấu khung bằng nhôm định hình kết hợp các tấm mica cắt laser làm thân vỏ; bố trí 2 tầng chứa linh kiện điện tử, mạch điều khiển và bộ nguồn. Hệ thống bánh gồm 2 bánh dẫn động chính đường kính 85mm gắn động cơ DC Servo và 3 bánh đa hướng phụ hỗ trợ cân bằng.
- Cánh tay robot 3 bậc tự do: Chế tạo bằng công nghệ in 3D; tích hợp bộ giảm tốc Cycloidal tại các khớp nhằm chịu tải mô-men lớn và hạn chế hiện tượng rơ trục. Khâu chấp hành cuối sử dụng cơ cấu kẹp chuyên dụng cho hộp carton 6cm x 6cm.
- Hệ thống điều khiển và cảm biến:
- Bộ xử lý trung tâm: Máy tính nhúng Jetson Nano Developer Kit (16GB eMMC) chạy hệ điều hành Linux/Ubuntu và môi trường ROS, đảm nhiệm xử lý thuật toán SLAM, ACO, Dijkstra, DWA, xử lý ảnh từ webcam và truyền thông với GUI.
- Vi điều khiển cấp dưới: 02 bo mạch Arduino Mega 2560 giao tiếp với Jetson Nano qua giao thức Serial; một bo mạch thực thi thuật toán PID điều khiển 2 động cơ vi sai, một bo mạch thực thi PID điều khiển vị trí 3 khớp cánh tay.
- Cảm biến: Cảm biến khoảng cách laser RPLIDAR A1M8 (tầm quét 2D phục vụ dựng bản đồ và phát hiện vật cản), cảm biến quán tính IMU MPU-6050 (xác định góc hướng và tư thế robot), Encoder quang học gắn trên động cơ DC Servo GA25-370 có hộp số.
- Bộ nguồn: Khối pin Lithium 12V 10Ah cấp nguồn động lực kết hợp module Waveshare UPS duy trì nguồn ổn định cho máy tính nhúng.
2. Triển khai phần mềm và hệ thống thông tin
- Hệ điều hành Robot (ROS): Sử dụng các gói
gmapping để quét tạo bản đồ lưới 2D Occupancy Grid Map, amcl (Adaptive Monte Carlo Localization) để định vị robot, navigation stack kết hợp bộ điều hướng cục bộ DWA và toàn cục Dijkstra.
- Web Server đặt hàng: Xây dựng bằng ReactJS, tích hợp EmailJS để gửi email xác nhận đơn hàng tự động cho khách và lưu trữ trạng thái đơn hàng trực tiếp trên cơ sở dữ liệu thời gian thực Google Firebase.
- Giao diện điều khiển GUI: Lập trình bằng Python và Qt Designer, cho phép người vận hành quan sát sơ đồ kho, trạng thái đơn hàng từ Firebase, chuyển đổi linh hoạt giữa chế độ tự động (Auto Mode) theo lịch trình ACO và chế độ thủ công (Manual Mode) theo mã đơn cụ thể.
Nội dung chính theo từng chương
Chương 1: Tổng quan
Trình bày tổng quan về xu hướng ứng dụng robot tự hành trong kho bãi và logistics. Tác giả phân tích các công trình nghiên cứu tiêu biểu trên thế giới (như nghiên cứu robot lấy hàng trên giá hẹp của Kazuma Komoda 2019, hệ thống depalletizing di động của Jacopo Aleotti 2021, tối ưu vị trí lưu kho AGVS của Ly Gia Bao 2019, và quy hoạch quỹ đạo mobile manipulator của Quang-Nam Nguyen 2023). Từ đó, chương xác định mục tiêu thiết kế mô hình robot lấy hàng tự hành, phạm vi nghiên cứu, phương pháp thực hiện và cấu trúc 6 chương của báo cáo.
Chương 2: Cơ sở lý thuyết
Xây dựng nền tảng toán học và kỹ thuật cho toàn bộ đề tài:
- Thiết lập hệ phương trình động học thuận và nghịch của robot hai bánh vi sai hệ non-holonomic.
- Trình bày công thức biên dạng hình học bánh răng cycloid và phương pháp tính toán mô-men xoắn cho cánh tay robot.
- Phân tích bài toán người bán hàng (TSP/ITSP), xây dựng thuật toán tối ưu đàn kiến (ACO) với các công thức xác suất di chuyển $P_{ij}^k$ và cập nhật vết mùi $\tau_{ij}(t+1)$.
- Trình bày nguyên lý thuật toán Dijkstra trên đồ thị và thuật toán cửa sổ động (DWA) với cấu trúc không gian tìm kiếm và hàm mục tiêu $G(v, \omega)$.
- Giới thiệu tổng quan hệ điều hành ROS (3 cấp độ: File System, Computation Graph, Community), các phần mềm mô phỏng (Gazebo, Rviz, Turtlebot3, Navigation Stack), công cụ thiết kế giao diện (Qt Designer), nền tảng web (ReactJS, Firebase, EmailJS), cùng nguyên lý cảm biến IMU, Encoder và thị giác máy tính nhận diện màu sắc.
Chương 3: Tính toán và thiết kế
Chi tiết hóa quá trình thiết kế cơ khí và lựa chọn thiết bị phần cứng:
- Xây dựng sơ đồ khối chức năng của hệ thống xe tự hành và cánh tay robot.
- Thiết kế bản vẽ 2D/3D chi tiết của khung xe, vỏ xe, khớp 1, khớp 2, khớp 3 và bộ truyền Cycloidal trên phần mềm SolidWorks.
- Tính toán mô-men xoắn yêu cầu tại từng khớp động học, từ đó lựa chọn động cơ DC Servo GA25-370 có hộp số phù hợp với từng trục và bánh dẫn động xe.
- Lựa chọn các linh kiện điều khiển, cảm biến và bộ nguồn: Arduino Mega 2560, Jetson Nano Dev Kit, Lidar RPLIDAR A1M8, IMU MPU-6050, Waveshare UPS, pin Lithium 12V 10Ah.
- Thiết kế cấu trúc vòng điều khiển phản hồi PID cho hệ thống truyền động.
Chương 4: Thi công hệ thống
Hiện thực hóa hệ thống từ mô hình thiết kế sang hệ thống vận hành thực tế:
- Triển khai thuật toán Gmapping để xây dựng bản đồ số 2D (Occupancy Grid Map) và thiết lập hệ thống định vị AMCL cho robot.
- Lập trình thuật toán ACO trên ROS để giải bài toán ITSP sắp xếp thứ tự 5 trạm lấy hàng tối ưu; tích hợp thuật toán Dijkstra và DWA vào Navigation Stack để điều khiển di chuyển và né vật cản.
- Xây dựng Web Server phục vụ khách hàng đặt hàng, cấu hình kết nối Firebase Realtime Database và EmailJS.
- Lập trình giao diện điều khiển GUI trên Qt Designer, thiết lập quy trình đồng bộ dữ liệu giữa Web Server, Firebase và GUI.
- Lập trình thuật toán xử lý ảnh từ webcam để nhận dạng tọa độ, màu sắc hộp hàng và truyền lệnh điều khiển cánh tay thực hiện chu trình gắp - thả hàng vào thùng chứa.
Chương 5: Kết quả thực hiện
Trình bày chi tiết toàn bộ kết quả mô phỏng và thực nghiệm:
- Kết quả mô phỏng: Mô phỏng thuật toán ACO trên Matlab giải bài toán TSP cho 5 trạm và 10 trạm; mô phỏng thuật toán Dijkstra có và không có vật cản; mô phỏng thuật toán DWA; mô phỏng chuyển động hệ vi sai trên Matlab và mô phỏng điều hướng robot trong môi trường ảo Gazebo/Turtlebot3.
- Kết quả thực tế: Thử nghiệm điều khiển PID vận tốc bánh xe và PID góc quay các khớp 1, 2, 3 của cánh tay robot; quét tạo bản đồ thực tế phòng C304 bằng Gmapping; thực nghiệm chạy quy trình ITSP lấy hàng qua 5 trạm; thử nghiệm các kịch bản gắp hàng bằng xử lý ảnh; kiểm tra khả năng né tránh vật cản tĩnh và động; vận hành hệ thống ở hai chế độ Auto Mode và Manual Mode trên GUI.
Chương 6: Kết luận và hướng phát triển
Đánh giá mức độ hoàn thành nhiệm vụ theo các mục tiêu đề ra ban đầu, tổng hợp các ưu điểm, chỉ ra những hạn chế kỹ thuật còn tồn tại và đề xuất các hướng nâng cấp, mở rộng nghiên cứu trong tương lai.
Kết quả và đóng góp
1. Kết quả thực nghiệm và số liệu đo đạc
Đồ án đã chế tạo thành công mô hình phần cứng hoàn chỉnh và vận hành ổn định hệ thống trong môi trường phòng thí nghiệm C304.
| Hạng mục kiểm nghiệm |
Phương pháp / Công cụ |
Kết quả đạt được ghi nhận trong văn bản |
| Giải bài toán ITSP |
Thuật toán tối ưu đàn kiến (ACO) |
Tối ưu hóa thành công thứ tự di chuyển qua 5 trạm trên bản đồ thực tế và 10 trạm trên mô phỏng Matlab. |
| Điều khiển vận tốc bánh xe |
Bộ điều khiển PID (Arduino Mega) |
Đáp ứng tốt các mức vận tốc đặt $0.1,\text{m/s}$, $0.2,\text{m/s}$, $0.3,\text{m/s}$ cho cả bánh trái và bánh phải. |
| Điều khiển góc vị trí khớp |
Bộ điều khiển PID (Arduino Mega) |
Điều khiển chính xác các góc đặt $30^\circ$, $60^\circ$, $90^\circ$ cho khớp 1, khớp 2 và khớp 3 của cánh tay. |
| Dựng bản đồ kho (SLAM) |
Gmapping + RPLIDAR A1M8 |
Quét và dựng thành công 6 bản đồ lưới 2D kiểm chứng, kích thước bản đồ đo được tương thích với phòng C304. |
| Xử lý ảnh & Gắp hàng |
Web camera + Color Thresholding |
Nhận diện chính xác màu sắc vật thể (cam, tím...), căn chỉnh góc lệch và thực hiện chu trình gắp đặt vào thùng. |
| Né tránh vật cản |
Thuật toán DWA |
Tái tạo đường đi và tránh va chạm thành công với cả vật cản tĩnh và vật cản di động trên hành trình. |
| Độ trùng lặp kiểm tra đạo văn |
DoIT / Hệ thống kiểm tra đạo văn |
Tổng mức trùng lặp toàn văn: 30%, nguồn trùng lặp cao nhất: 8% (Đạt chuẩn bảo vệ). |
| Đánh giá của hội đồng |
Điểm phản biện & Hướng dẫn |
Điểm đánh giá: 8.5 / 10 (Tám rưỡi) - Xếp loại Giỏi. |
Chi tiết tiến trình thời gian thực nghiệm chạy ITSP qua 5 trạm thực tế:
- $t = 0,\text{s}$: Robot xuất phát từ điểm gốc (Home) và di chuyển hướng tới Trạm 1.
- $t = 20,\text{s}$: Robot cập trạm 1 thành công, hoàn thành lấy hàng và xuất phát đi Trạm 3.
- $t = 40,\text{s}$: Robot đến trạm 3 và chuyển hướng di chuyển đến Trạm 5.
- $t = 56,\text{s}$: Robot đến trạm 5 và chuyển hướng di chuyển đến Trạm 4.
- $t = 78,\text{s}$: Robot đến trạm 4 và chuyển hướng di chuyển đến Trạm 2.
- $t = 124,\text{s}$: Robot hoàn tất lấy hàng tại trạm 2 và di chuyển quay về điểm gốc.
- $t = 142,\text{s}$: Robot cập trạm Home an toàn, hoàn tất toàn bộ chu trình đơn hàng trong tổng thời gian 142 giây.
2. Đóng góp khoa học và kỹ thuật
- Tích hợp thành công cấu trúc điều khiển phân tầng: Điều phối cấp cao trên máy tính nhúng Jetson Nano chạy ROS kết hợp chấp hành cấp thấp trên 2 vi điều khiển Arduino Mega 2560.
- Ứng dụng thành công giải thuật lai ghép: Sử dụng ACO giải quyết bài toán tối ưu lộ trình toàn cục (ITSP), kết hợp thuật toán Dijkstra dẫn đường lưới và thuật toán DWA xử lý tránh vật cản thời gian thực.
- Thiết kế hoàn chỉnh bộ truyền động Cycloidal driver in 3D nhỏ gọn, giải quyết bài toán tăng mô-men chịu tải cho cánh tay robot cỡ nhỏ.
- Xây dựng một luồng vận hành khép kín (End-to-End) từ khâu khách hàng đặt đơn trên giao diện Web, đồng bộ dữ liệu đám mây qua Firebase, điều phối trên GUI vận hành đến thực thi tự động của robot vật lý.
Hạn chế và hướng nghiên cứu tiếp
1. Hạn chế của đề tài
- Hệ thống chưa xét đến kịch bản năng lượng pin yếu/hết pin hoặc sự cố mất kết nối mạng đột ngột trong quá trình đang thực thi nhiệm vụ lấy hàng.
- Cảm biến Lidar chỉ quét trong phạm vi góc 180 độ phía trước, dẫn đến việc robot chưa thể phát hiện vật cản phía sau và không thể thực hiện chế độ tự hành lùi xe an toàn.
- Tải trọng cánh tay robot còn thấp, mới chỉ thử nghiệm gắp tải nhẹ là hộp carton rỗng quy cách 6cm x 6cm.
- Số lượng trạm thử nghiệm thực tế còn khiêm tốn (5 trạm) do giới hạn không gian phòng thí nghiệm và thời lượng ghi hình thực nghiệm.
2. Hướng phát triển tiếp theo
- Nâng cấp cơ cấu cơ khí và động cơ cánh tay robot để nâng cao tải trọng gắp các loại hàng hóa đa dạng hơn.
- Mở rộng góc quét Lidar lên 360 độ hoặc tích hợp thêm cảm biến siêu âm/cảm biến độ sâu phía sau để hỗ trợ đầy đủ các thao tác tiến, lùi và xoay chuyển linh hoạt.
- Tích hợp module giám sát dung lượng pin thông minh, tự động điều hướng robot về trạm sạc khi pin xuống dưới ngưỡng cho phép.
- Mở rộng thuật toán cho hệ thống đa robot (Multi-AGV/AMR) phối hợp lấy hàng cùng lúc trong môi trường kho bãi quy mô lớn.
Giá trị tham khảo
Đồ án là tài liệu tham khảo hữu ích cho sinh viên, học viên cao học và kỹ sư thuộc các chuyên ngành: Công nghệ Kỹ thuật Điều khiển và Tự động hóa, Kỹ thuật Cơ điện tử, Kỹ thuật Robot và Hệ thống Nhúng.
Các nội dung có giá trị tham khảo ứng dụng cao bao gồm:
- Thiết kế hộp giảm tốc Cycloidal: Toàn bộ công thức toán học và quy trình dựng hình bánh răng cycloid trên SolidWorks phục vụ chế tạo robot in 3D.
- Kiến trúc hệ thống ROS trên Jetson Nano: Hướng dẫn kết nối đa vi điều khiển qua cổng Serial, tích hợp Navigation Stack, Gmapping và cấu hình Costmap.
- Mã nguồn và giải thuật điều hướng: Phương pháp kết hợp bộ ba giải thuật ACO - Dijkstra - DWA trong bài toán logistics kho hàng.
- Mô hình Web-to-Robot: Kiến trúc liên kết dữ liệu thời gian thực giữa giao diện người dùng ReactJS, cơ sở dữ liệu Firebase và phần mềm điều khiển công nghiệp Python/Qt.
Câu hỏi thường gặp
1. Đồ án sử dụng những thuật toán nào để giải quyết bài toán điều hướng và lấy hàng tự động?
Hệ thống sử dụng kết hợp 4 thuật toán chính:
- Thuật toán tối ưu đàn kiến (ACO) để giải bài toán ITSP, sắp xếp thứ tự ghé thăm các trạm lấy hàng ngắn nhất.
- Thuật toán Dijkstra để tìm đường đi toàn cục tối ưu trên bản đồ lưới Occupancy Grid Map.
- Thuật toán cửa sổ động (DWA) để điều khiển vận tốc $(v, \omega)$ né tránh vật cản tĩnh và động trong thời gian thực.
- Bộ điều khiển PID vòng kín để ổn định vận tốc hai bánh dẫn động và góc quay các khớp cánh tay.
2. Cấu trúc phần cứng điều khiển của robot được phân chia nhiệm vụ như thế nào?
Phần cứng được tổ chức thành 2 cấp:
- Cấp xử lý trung tâm: Máy tính nhúng Jetson Nano Dev Kit chạy ROS Master, xử lý thuật toán SLAM, ACO, Dijkstra, DWA, xử lý ảnh từ webcam và giao tiếp dữ liệu với GUI/Firebase.
- Cấp điều khiển chấp hành: 02 bo mạch Arduino Mega 2560 kết nối Serial với Jetson Nano (1 bo mạch nhận lệnh vận tốc để điều khiển PID 2 động cơ bánh xe vi sai GA25-370, 1 bo mạch nhận lệnh góc để điều khiển PID 3 động cơ khớp cánh tay).
3. Tiến trình thời gian robot thực hiện lấy hàng qua 5 trạm thực tế diễn ra như thế nào?
Trong thử nghiệm thực tế tại phòng C304, robot xuất phát từ Home ($t = 0,\text{s}$) $\rightarrow$ đến Trạm 1 ($t = 20,\text{s}$) $\rightarrow$ đến Trạm 3 ($t = 40,\text{s}$) $\rightarrow$ đến Trạm 5 ($t = 56,\text{s}$) $\rightarrow$ đến Trạm 4 ($t = 78,\text{s}$) $\rightarrow$ đến Trạm 2 ($t = 124,\text{s}$) $\rightarrow$ quay về điểm Home hoàn tất chu trình tại thời điểm $t = 142,\text{s}$.
4. Khách hàng và người vận hành tương tác với hệ thống robot qua những giao diện nào?
Khách hàng đặt hàng thông qua giao diện Web Server xây dựng bằng ReactJS, hệ thống gửi email xác nhận qua EmailJS và cập nhật đơn hàng lên Google Firebase Realtime Database. Người vận hành sử dụng giao diện GUI thiết kế bằng Qt Designer/Python để đồng bộ đơn hàng từ Firebase, giám sát trạng thái và lựa chọn chạy chế độ Auto Mode hoặc Manual Mode.
5. Những giới hạn kỹ thuật chính mà nhóm nghiên cứu đặt ra cho mô hình là gì?
Các giới hạn bao gồm: chỉ xét robot hoạt động khi pin và mạng ổn định; Lidar chỉ quét góc 180 độ phía trước với vật cản thẳng đứng (không hỗ trợ tự hành lùi); đối tượng gắp là hộp carton nhẹ kích thước 6cm x 6cm; và số lượng trạm thử nghiệm thực tế giới hạn ở 5 trạm.
Kết luận
Đồ án tốt nghiệp "Thiết kế và điều khiển cánh tay robot kết hợp xe tự hành lấy hàng theo đơn trong môi trường nhà kho" đã hoàn thành trọn vẹn các mục tiêu thiết kế và chế tạo một hệ thống Mobile Manipulator hoàn chỉnh. Nhóm tác giả đã tích hợp thành công chuỗi giải thuật tiên tiến gồm SLAM Gmapping, tối ưu đàn kiến (ACO), Dijkstra, DWA và điều khiển vòng kín PID trên nền tảng hệ điều hành robot ROS kết hợp máy tính nhúng Jetson Nano. Kết quả thử nghiệm thực tế tại phòng thí nghiệm chứng minh tính khả thi, độ chính xác và khả năng ứng dụng thực tiễn của mô hình trong việc tự động hóa quy trình phân loại, lấy hàng theo đơn trong nhà kho hiện đại.
