## Tổng quan nghiên cứu

Bóng bàn là môn thể thao phổ biến với hàng chục triệu người chơi trên toàn thế giới, trong đó Việt Nam cũng có số lượng lớn người tập luyện. Mỗi phiên tập luyện thường sử dụng khoảng 50 trái bóng bàn, sau đó bóng rơi rải rác trên sân, gây khó khăn và mất thời gian cho việc thu gom. Công việc này không chỉ tốn sức mà còn làm giảm hiệu quả tập luyện do người chơi phải dành thời gian nhặt bóng thay vì nghỉ ngơi. Mục tiêu của nghiên cứu là thiết kế và phát triển mô hình thị giác và điều khiển cho robot tự động thu gom bóng bàn, giúp nâng cao hiệu quả tập luyện và giảm thiểu công sức con người. Nghiên cứu được thực hiện trong phạm vi phòng tập bóng bàn kín tại TP. Hồ Chí Minh, trong khoảng thời gian từ tháng 3 đến tháng 8 năm 2021. Luận văn tập trung giải quyết các bài toán phát hiện bóng, ước tính vị trí, lập đường đi và tránh vật cản cho robot. Kết quả nghiên cứu có ý nghĩa thực tiễn lớn, góp phần nâng cao chất lượng buổi tập và tiết kiệm thời gian, đồng thời làm nền tảng cho các ứng dụng robot tự động trong thể thao và công nghiệp.

## Cơ sở lý thuyết và phương pháp nghiên cứu

### Khung lý thuyết áp dụng

- **Mạng thần kinh tích chập (CNN):** Là mô hình học sâu dùng để trích xuất đặc trưng từ ảnh, gồm các lớp convolution, pooling và fully connected. CNN giúp nhận dạng và phân loại đối tượng trong ảnh hiệu quả.
- **Mạng You Only Look Once (YOLO):** Thuật toán phát hiện đối tượng nhanh và chính xác, sử dụng toàn bộ ảnh để dự đoán vị trí và lớp đối tượng trong một lần xử lý. Phiên bản YOLOv3 với kiến trúc darknet-53 được áp dụng trong nghiên cứu.
- **Thấu kính hội tụ:** Giúp mô hình hóa quá trình tạo ảnh của camera, từ đó tính toán vị trí vật thể trong không gian thực dựa trên ảnh thu được.
- **Chuyển động differential-drive:** Cơ chế di chuyển của robot với hai bánh xe điều khiển độc lập, cho phép robot rẽ trái, phải, tiến và lùi linh hoạt.
- **Thuật toán tránh vật cản ODG-PF:** Phương pháp dựa trên trường lực Gaussian để phát hiện và né tránh vật cản hiệu quả, được so sánh và chứng minh vượt trội so với các thuật toán truyền thống như APF, VFH, FG.

### Phương pháp nghiên cứu

- **Nguồn dữ liệu:** Dữ liệu hình ảnh thu thập từ camera gắn trên robot trong phòng tập bóng bàn thực tế, cùng với dữ liệu cảm biến LiDAR để phát hiện vật cản.
- **Phương pháp phân tích:** 
  - Xử lý ảnh với kỹ thuật lọc ngưỡng HSV, Circle Hough Transform và mạng YOLOv3 để phát hiện bóng.
  - Ước tính vị trí bóng dựa trên tính chất đồng dạng hình học và hồi quy đa thức.
  - Lập kế hoạch đường đi và tránh vật cản sử dụng thuật toán ODG-PF kết hợp với bản đồ polar histogram.
- **Timeline nghiên cứu:** 
  - Tháng 3-4/2021: Thu thập dữ liệu và phát triển mô hình phát hiện bóng.
  - Tháng 5-6/2021: Phát triển mô hình ước tính vị trí và lập đường đi.
  - Tháng 7/2021: Thử nghiệm và đánh giá mô hình trên robot thực tế.
  - Tháng 8/2021: Hoàn thiện luận văn và bảo vệ.

## Kết quả nghiên cứu và thảo luận

### Những phát hiện chính

- **Phát hiện bóng:** Mô hình YOLOv3 đạt độ chính xác trên tập kiểm thử khoảng 96%, vượt trội so với các phương pháp lọc ngưỡng HSV (khoảng 85%) và Circle Hough Transform (khoảng 80%).
- **Ước tính vị trí bóng:** Độ lỗi trung bình ước tính vị trí bóng trong không gian thực là khoảng 2.5 cm theo trục X và Y, và khoảng 4.0 cm theo trục Z, phù hợp với yêu cầu điều khiển robot.
- **Lập đường đi và tránh vật cản:** Thuật toán ODG-PF giúp robot tránh vật cản thành công trong 95% các tình huống thử nghiệm, cao hơn so với các thuật toán truyền thống như APF (80%) và VFH (85%).
- **Hiệu suất thu gom bóng:** Robot thu gom thành công khoảng 90% số bóng trên sân trong thời gian thử nghiệm thực địa, cải thiện đáng kể so với các robot thu gom bóng hiện có (khoảng 60-70%).

### Thảo luận kết quả

Kết quả cho thấy việc ứng dụng mạng YOLOv3 trong phát hiện bóng bàn mang lại hiệu quả cao nhờ khả năng xử lý nhanh và chính xác trong điều kiện ánh sáng và nền phức tạp. Độ lỗi ước tính vị trí bóng nằm trong giới hạn cho phép, đảm bảo robot có thể di chuyển chính xác đến vị trí bóng. Thuật toán ODG-PF được lựa chọn nhờ khả năng xử lý nhiễu cảm biến và tính toán đường đi tối ưu, giúp robot tránh vật cản hiệu quả hơn các phương pháp truyền thống. So sánh với các nghiên cứu trước đây, mô hình đề xuất có sự cải tiến rõ rệt về hiệu suất thu gom và khả năng vận hành trong môi trường thực tế. Dữ liệu có thể được trình bày qua biểu đồ so sánh độ chính xác phát hiện bóng và tỷ lệ tránh vật cản thành công giữa các phương pháp.

## Đề xuất và khuyến nghị

- **Triển khai hệ thống robot thu gom bóng tự động tại các trung tâm bóng bàn:** Tăng hiệu quả thu gom bóng lên ít nhất 85% trong vòng 6 tháng, do các đơn vị quản lý trung tâm thể thao thực hiện.
- **Nâng cấp phần mềm nhận dạng và điều khiển:** Cải thiện độ chính xác phát hiện bóng và tránh vật cản lên trên 98% trong 12 tháng, do nhóm phát triển phần mềm chịu trách nhiệm.
- **Tối ưu hóa cơ cấu thu gom và di chuyển robot:** Giảm thời gian thu gom bóng trung bình xuống dưới 10 phút cho mỗi phiên tập, thực hiện trong 9 tháng, do đội ngũ kỹ thuật phần cứng đảm nhiệm.
- **Đào tạo và hướng dẫn sử dụng robot:** Tổ chức các khóa đào tạo cho huấn luyện viên và nhân viên kỹ thuật tại các trung tâm, đảm bảo vận hành hiệu quả trong vòng 3 tháng sau khi triển khai.
- **Mở rộng nghiên cứu ứng dụng:** Khảo sát và phát triển các mô hình robot tự động cho các môn thể thao khác hoặc ứng dụng công nghiệp trong 2 năm tiếp theo.

## Đối tượng nên tham khảo luận văn

- **Các nhà nghiên cứu và sinh viên ngành Khoa học Máy tính, Robotics:** Nắm bắt kiến thức về ứng dụng mạng CNN, YOLO và thuật toán điều khiển robot trong thực tế.
- **Các trung tâm đào tạo và huấn luyện bóng bàn:** Áp dụng robot thu gom bóng để nâng cao hiệu quả tập luyện và giảm thiểu công sức nhân viên.
- **Doanh nghiệp phát triển thiết bị thể thao và robot:** Tham khảo mô hình và giải pháp kỹ thuật để phát triển sản phẩm robot tự động thu gom bóng bàn thương mại.
- **Các nhà quản lý thể thao và tổ chức sự kiện:** Tối ưu hóa công tác tổ chức, bảo trì sân bãi bằng việc ứng dụng robot tự động trong công tác dọn dẹp và chuẩn bị sân.

## Câu hỏi thường gặp

1. **Robot có thể thu gom bao nhiêu bóng trong một lần hoạt động?**  
Robot có thể thu gom khoảng 90% số bóng trên sân trong một phiên làm việc, tương đương với khoảng 45 trái bóng trong 50 trái được sử dụng.

2. **Phương pháp phát hiện bóng nào được sử dụng hiệu quả nhất?**  
Mạng YOLOv3 được sử dụng vì khả năng phát hiện nhanh và chính xác, đạt độ chính xác trên 96% trong thử nghiệm.

3. **Robot có thể tránh vật cản như thế nào?**  
Robot sử dụng thuật toán ODG-PF dựa trên dữ liệu cảm biến LiDAR để phát hiện và né tránh vật cản với tỷ lệ thành công 95%.

4. **Thời gian thu gom bóng trung bình là bao lâu?**  
Thời gian thu gom trung bình khoảng 10 phút cho một sân tập tiêu chuẩn, giúp tiết kiệm đáng kể thời gian so với phương pháp thủ công.

5. **Robot có thể hoạt động trong điều kiện ánh sáng yếu không?**  
Mô hình đã được tối ưu để hoạt động trong điều kiện ánh sáng phòng tập tiêu chuẩn; tuy nhiên, ánh sáng quá yếu có thể ảnh hưởng đến độ chính xác phát hiện bóng.

## Kết luận

- Đã thiết kế và phát triển thành công mô hình thị giác và điều khiển cho robot tự động thu gom bóng bàn với hiệu suất cao.  
- Ứng dụng mạng YOLOv3 và thuật toán ODG-PF giúp robot phát hiện bóng và tránh vật cản hiệu quả trong môi trường thực tế.  
- Robot thu gom được khoảng 90% số bóng trên sân, giảm đáng kể công sức và thời gian cho người tập.  
- Nghiên cứu góp phần nâng cao chất lượng buổi tập và mở rộng ứng dụng robot trong thể thao.  
- Đề xuất các bước tiếp theo bao gồm triển khai thực tế, nâng cấp phần mềm và mở rộng nghiên cứu ứng dụng.

Hãy bắt đầu ứng dụng giải pháp robot thu gom bóng bàn tự động để nâng cao hiệu quả tập luyện và tiết kiệm thời gian ngay hôm nay!