Giới thiệu dự án

Trong kỷ nguyên chuyển đổi số và tự động hóa công nghiệp, ngành quản lý sự kiện và hội chợ triển lãm (MICE) đang chứng kiến sự bùng nổ về quy mô người tham dự. Theo các báo cáo thống kê ngành dịch vụ tổ chức sự kiện, quy trình tiếp đón và kiểm soát khách mời (check-in) thủ công tại các sự kiện lớn (như Hawa Expo, Vietnam Motor Show, triển lãm SECC) thường chiếm từ 20% đến 35% tổng chi phí nhân sự vận hành tại chỗ. Tình trạng ùn tắc cục bộ tại sảnh vào trong các khung giờ cao điểm (giờ G) gây ra thời gian chờ đợi trung bình từ 15 đến 30 phút mỗi khách, làm suy giảm nghiêm trọng chỉ số hài lòng của khách tham quan (CSAT) và tạo lỗ hổng an ninh dữ liệu.

Đề tài "Thiết kế và chế tạo robot check-in tự động cho các sự kiện" được nghiên cứu và phát triển bởi nhóm kỹ sư Cơ điện tử nhằm giải quyết triệt để các hạn chế của phương pháp check-in truyền thống và trạm check-in tĩnh. Bằng cách kết hợp giữa khung gầm cơ khí tự hành 2 bánh chủ động vi sai, hệ thống dẫn đường và định vị tự động thông qua LiDAR, thị giác máy tính phát hiện người thời gian thực với mô hình YOLOv8, cùng giao diện check-in QR Code đồng bộ cơ sở dữ liệu đám mây (Cloud Database), giải pháp mang lại một mô hình robot di động dịch vụ (Service Mobile Robot) hoàn chỉnh, linh hoạt và tối ưu chi phí.

Mục tiêu dự án

  1. Thiết kế và gia công cơ khí hoàn chỉnh: Chế tạo khung gầm và vỏ thân robot chịu tải trọng tĩnh/động tối đa 20 kg, chiều cao giao tiếp chuẩn nhân trắc học 850–900 mm, kích thước footprint $430 \times 480$ mm phù hợp di chuyển tại lối đi hẹp.
  2. Xây dựng hệ thống điều khiển chuyển động chính xác: Thiết lập giải thuật điều khiển kín (Closed-loop PID) điều khiển động cơ DC giảm tốc hành tinh Planetary 24V 60W kết hợp Encoder quang học, đạt vận tốc di chuyển ổn định từ $0.3\text{ m/s}$ đến $1.0\text{ m/s}$.
  3. Phát triển hệ thống định vị và dẫn đường tự hành: Tích hợp hệ điều hành robot (ROS Noetic) kết hợp cảm biến 2D LiDAR, thuật toán AMCL (Adaptive Monte Carlo Localization), giải thuật tìm đường toàn cục Dijkstra và tránh vật cản cục bộ DWA (Dynamic Window Approach).
  4. Tích hợp thị giác máy tính và phần mềm check-in: Nhận dạng người tham gia sự kiện từ khoảng cách 3 mét sử dụng YOLOv8n, giải mã mã QR Code định danh sự kiện trong thời gian $< 1.2\text{ giây}$, đồng bộ tức thời với Firebase Realtime Database và tự động kích hoạt máy in nhãn đeo tại chỗ.
+-------------------------------------------------------------------------------+
|                      KIẾN TRÚC TỔNG QUAN ROBOT CHECK-IN                       |
+-------------------------------------------------------------------------------+
|  [Cảm biến & Thị giác]     [Xử lý trung tâm]         [Cơ cấu chấp hành]       |
|  - 2D 360° LiDAR --------> | Raspberry Pi 4 Model B | --> Động cơ DC Planetary|
|  - Camera OV5647 5MP ----> | (Ubuntu 20.04/ROS)     |     (BTS7960 Driver)    |
|  - QR Code Scanner ------> |    |                   | --> Màn hình cảm ứng    |
|                            |    v                   | --> Máy in nhãn nhiệt   |
|                            | Arduino Uno R3 (PID)   |                         |
|                            +-----------+------------+                         |
|                                        |                                      |
|                                        v                                      |
|                         [Firebase Cloud Realtime DB]                          |
+-------------------------------------------------------------------------------+

Phạm vi và giới hạn của đề tài

  • Phạm vi hoạt động: Vận hành trong môi trường trong nhà (indoor), bề mặt sàn gạch men hoặc bê tông phẳng (độ nghiêng mặt sàn $< 3^\circ$), môi trường ánh sáng tán xạ ổn định.
  • Giới hạn kỹ thuật: Robot hoạt động theo bản đồ không gian 2D đã được quét trước (pre-mapped); chưa tích hợp trạm sạc tự động (Auto-docking charging); nguồn năng lượng sử dụng cụm ắc quy chì 24V (2 x 12V 5Ah mắc nối tiếp) cho thời gian vận hành liên tục khoảng 60–90 phút mỗi chu kỳ sạc.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng và đánh giá đối thủ cạnh tranh

Tiêu chí đánh giá Bàn Check-in Thủ công (Manual Desk) Kiosk/iPad Cố định (Onsite Kiosk) Robot Check-in Sara (Emirates Airline) Giải pháp Robot Đề tài (Prototyped AMR)
Tính linh động di chuyển Hoàn toàn tĩnh Hoàn toàn tĩnh Tự hành thông minh Tự hành vi sai thông minh
Chi phí đầu tư (BOM/Node) Rất thấp (chỉ bàn ghế) Trung bình ($500 - $1,500) Rất cao (> $15,000) Tối ưu (~ $350 - $450)
Thời gian xử lý/khách $30 - 60\text{ giây}$ $5 - 10\text{ giây}$ $3 - 5\text{ giây}$ $2 - 4\text{ giây}$
Khả năng giải phóng ùn tắc Thấp (phải xếp hàng) Trung bình (cố định vị trí) Rất cao (chủ động tìm khách) Rất cao (chủ động tiếp cận khách)
Tự động in thẻ/nhãn Thao tác thủ công Tự động hoặc qua nhân viên Cung cấp tài liệu check-in Tự động in nhiệt tích hợp
Khả năng tránh va chạm Không áp dụng Không áp dụng Cảm biến 3D đa điểm cao cấp 2D LiDAR + DWA + YOLOv8 Vision

Yêu cầu hệ thống theo mô hình MoSCoW

  • Must have (Bắt buộc phải có): Khung gầm di chuyển vững chắc; cơ chế quét mã QR; định vị và dẫn đường cơ bản không va chạm tĩnh; giao diện xác nhận thông tin khách; đồng bộ Firebase.
  • Should have (Nên có): Nhận diện người đứng trước robot bằng AI (YOLOv8) để chủ động dừng lại và chuyển trạng thái chào mừng; thuật toán tránh vật cản động (DWA); bộ điều khiển PID bám vận tốc chính xác.
  • Could have (Có thể có): In nhãn tự động dán lên thẻ đeo ngay sau khi check-in thành công; cảnh báo bằng giọng nói tiếng Việt.
  • Won't have (Chưa thực hiện ở phiên bản này): Khả năng leo dốc gồ ghề; tích hợp thanh toán thẻ POS trực tiếp; camera 3D LiDAR đo chiều sâu đa tầng.

Thiết kế hệ thống cơ khí và phần cứng điện tử

Hệ thống sử dụng cơ cấu truyền động vi sai 2 bánh chủ động độc lập (Differential Drive) kết hợp cùng 4 bánh xe đa hướng (Caster wheels) ở 4 góc của khung đế để triệt tiêu hiện tượng lật moment trọng tâm:

  1. Khung đế chịu lực: Vật liệu Hợp kim nhôm A6061 dày $5\text{ mm}$, gia công CNC chính xác, liên kết với hệ thống thanh nhôm định hình 3030 tạo thành tháp đỡ thiết bị. Ứng suất uốn cho phép $[\sigma] = 55\text{ MPa}$, hệ số an toàn cơ học đạt $s \ge 2.5$.
  2. Động cơ truyền động: 02 Động cơ DC Planetary Geared Motor 24V, công suất định mức $60\text{ W}$, momen xoắn cực đại $15\text{ kg.cm}$, tốc độ qua hộp giảm tốc $320\text{ RPM}$, tích hợp Hall Encoder 2 kênh A/B độ phân giải 13 xung/vòng (tương đương 384 xung/vòng trục ra).
  3. Mạch công suất điều khiển: Module Driver Dual H-Bridge BTS7960 công suất lớn, dòng tải liên tục $43\text{ A}$, điều chế độ rộng xung (PWM) với tần số đóng cắt $20\text{ kHz}$ cách ly quang an toàn.
  4. Khối xử lý trung tâm đa tầng:
    • Tầng cao (High-Level Computing): Single Board Computer (SBC) Raspberry Pi 4 Model B (4GB RAM) chạy hệ điều hành Ubuntu 20.04 LTS và ROS Noetic Ninjemys. Đảm nhận xử lý thuật toán SLAM, Navigation, nhận diện YOLOv8 và giao diện Python Tkinter.
    • Tầng thấp (Low-Level Realtime Controller): Vi điều khiển Arduino Uno R3 (ATmega328P) xử lý giải mã xung Encoder, thực thi vòng lặp PID vận tốc tần số $50\text{ Hz}$ và giao tiếp nối tiếp UART với Raspberry Pi thông qua giao thức ROS Serial.
       +-------------------------------------------------------------+
       |                  SƠ ĐỒ CƠ CHẾ ĐIỀU KHIỂN ROBOT              |
       +-------------------------------------------------------------+
                                     |
                          [Mục tiêu tọa độ / Goal]
                                     |
                                     v
                       +---------------------------+
                       |   Global Planner (Dijkstra)|
                       +-------------+-------------+
                                     |  Path (x,y)
                                     v
                       +---------------------------+
                       |   Local Planner (DWA)     | <--- [2D LiDAR LaserScan]
                       +-------------+-------------+
                                     |  cmd_vel (v, w)
                                     v
                       +---------------------------+
                       | Differential Kinematics   |
                       +-------------+-------------+
                                     |  Setpoint (v_L, v_R)
                                     v
                       +---------------------------+
                       | Arduino PID Motor Control | <--- [Quadrature Encoders]
                       +-------------+-------------+
                                     |  PWM (BTS7960)
                                     v
                       +---------------------------+
                       | DC Planetary Motors 24V   |
                       +---------------------------+

Cơ sở dữ liệu và bảo mật thông tin

Cơ sở dữ liệu đám mây được thiết lập trên nền tảng Firebase Realtime Database với cấu trúc JSON phi quan hệ (NoSQL), tối ưu hóa việc truy vấn bằng khóa chính (Primary Key) là mã định danh duy nhất (UUID/Event-ID) chứa trong QR Code:

{
  "events": {
    "HAWA_EXPO_2024": {
      "attendees": {
        "EVT2024_09823": {
          "full_name": "Nguyen Van A",
          "organization": "Dai hoc SPKT TP.HCM",
          "email": "nva@ute.edu.vn",
          "phone": "0901234567",
          "ticket_type": "VIP",
          "checkin_status": true,
          "checkin_timestamp": "2024-07-15T08:32:15Z",
          "printed": true
        }
      }
    }
  }
}
  • Bảo mật và an toàn dữ liệu:
    • Toàn bộ luồng truyền dữ liệu từ robot lên Firebase sử dụng mã hóa đường truyền TLS/SSL 256-bit.
    • Mã QR Code được mã hóa dạng hash chuỗi JSON kèm khóa bí mật SHA-256 để chống hành vi tạo mã giả mạo.

Implementation và kết quả

Quy trình phát triển và thuật toán cốt lõi

1. Động học robot vi sai (Differential Drive Kinematics)

Mối quan hệ giữa vận tốc tuyến tính $v$, vận tốc góc $\omega$ của robot và vận tốc góc của từng bánh xe $(\omega_R, \omega_L)$ được mô hình hóa theo công thức:

$$v = \frac{v_R + v_L}{2} = \frac{r (\omega_R + \omega_L)}{2}$$

$$\omega = \frac{v_R - v_L}{L} = \frac{r (\omega_R - \omega_L)}{L}$$

Trong đó $r = 0.045\text{ m}$ là bán kính bánh xe dẫn động, $L = 0.38\text{ m}$ là khoảng cách giữa hai bánh xe.

#!/usr/bin/env python3
"""
Node ROS: chuyen doi van toc cmd_vel thanh van toc banh xe va gui UART xuong Arduino
"""
import rospy
from geometry_msgs.msg import Twist
import serial

class MotorBridgeNode:
    def __init__(self):
        rospy.init_node('motor_bridge_node', anonymous=True)
        self.wheel_radius = 0.045  # meters
        self.wheel_base = 0.380    # meters
        self.ser = serial.Serial('/dev/ttyACM0', 115200, timeout=0.1)
        rospy.Subscriber('/cmd_vel', Twist, self.cmd_vel_callback)
        rospy.loginfo("Motor Bridge Node khoi tao thanh cong.")

    def cmd_vel_callback(self, msg):
        v = msg.linear.x        # Van toc dai (m/s)
        w = msg.angular.z       # Van toc goc (rad/s)

        # Tinh toan van toc dai cho banh trai va banh phai
        v_right = v + (w * self.wheel_base / 2.0)
        v_left  = v - (w * self.wheel_base / 2.0)

        # Chuyen doi sang van toc vong/phut (RPM)
        rpm_right = (v_right / (2 * 3.14159265 * self.wheel_radius)) * 60.0
        rpm_left  = (v_left / (2 * 3.14159265 * self.wheel_radius)) * 60.0

        # Dong goi va gui du lieu qua UART: "$L,R\n"
        payload = f"${rpm_left:.1f},{rpm_right:.1f}\n"
        self.ser.write(payload.encode('utf-8'))

if __name__ == '__main__':
    try:
        node = MotorBridgeNode()
        rospy.spin()
    except rospy.ROSInterruptException:
        pass

2. Nhận dạng người và xử lý Check-in

Robot sử dụng camera OV5647 kết hợp thư viện ultralytics chạy mô hình yolov8n.pt thu gọn. Khi phát hiện người tham dự cách robot $\le 3\text{ m}$ nằm trong vùng quan sát trung tâm, robot sẽ tự động kích hoạt tiến trình giảm tốc dừng lại và mở giao diện camera phụ quét mã QR Code.

import cv2
from pyzbar.pyzbar import decode
import firebase_admin
from firebase_admin import credentials, db

# Khoi tao Firebase SDK
cred = credentials.Certificate('config/serviceAccountKey.json')
firebase_admin.initialize_app(cred, {
    'databaseURL': 'https://robot-checkin-event-default-rtdb.firebaseio.com/'
})

def process_qr_checkin(frame):
    decoded_objs = decode(frame)
    for obj in decoded_objs:
        qr_data = obj.data.decode('utf-8')
        rospy.loginfo(f"Tim thay QR Payload: {qr_data}")
        
        # Truy van co so du lieu Firebase
        ref = db.reference(f'events/HAWA_EXPO_2024/attendees/{qr_data}')
        user_info = ref.get()
        
        if user_info and not user_info.get('checkin_status', False):
            # Cap nhat trang thai Check-in
            ref.update({
                'checkin_status': True,
                'checkin_timestamp': '2024-07-15T09:00:00Z'
            })
            return True, user_info
        elif user_info and user_info.get('checkin_status', True):
            return False, "Da check-in truoc do!"
    return False, None

3. Bộ điều khiển vận tốc PID động cơ

Hàm truyền rời rạc của hệ thống động cơ được xác định qua công cụ System Identification của MATLAB dựa trên dữ liệu phản hồi thực nghiệm:

$$G(s) = \frac{K}{\tau s + 1} = \frac{13.33}{0.12s + 1}$$

Thông số bộ điều khiển PID được tinh chỉnh đạt trạng thái đáp ứng tối ưu: $K_p = 1.85$, $K_i = 0.42$, $K_d = 0.05$, thời gian xác lập $t_s < 0.25\text{ giây}$, độ vọt lố $\sigma% < 4.8%$.

Thử nghiệm và kết quả thực nghiệm

Hệ thống đã trải qua hơn 50 lượt kiểm thử độc lập trong môi trường mô phỏng sảnh triển lãm thực tế với diện tích $15 \times 20\text{ m}$.

+-------------------------------------------------------------------------------+
|                       KẾT QUẢ ĐO KIỂM THỰC NGHIỆM ĐỘ LỆCH                      |
+-------------------------------------------------------------------------------+
|  Kịch bản thử nghiệm        | Giá trị thiết kế | Giá trị thực tế | Sai số / Lệch  |
|  -------------------------- | ---------------- | --------------- | -------------  |
|  Tọa độ điểm đích (X-Y)     | (10.0m, 5.0m)    | (9.96m, 5.03m)  | Δd = 5.0 cm    |
|  Góc quay định hướng (Yaw)  | 90.0°            | 88.2°           | Δθ = 1.8°      |
|  Thời gian đọc mã QR Code   | < 2.0s           | 0.85s           | Đạt yêu cầu    |
|  Độ trễ phản hồi Firebase   | < 500ms          | 210ms           | Cực tốt        |
|  Nhận diện người (YOLOv8n)  | Khoảng cách 3.0m | 2.85m - 3.15m   | Precision 92.4%|
+-------------------------------------------------------------------------------+
  • Hiệu suất thuật toán tránh vật cản: Thuật toán DWA phối hợp cùng bản đồ chi phí đa lớp (Costmap2D) cho phép robot nhận diện chướng ngại vật chuyển động bất ngờ (người đi bộ cắt ngang) ở cự ly $1.5\text{ m}$ và tính toán lại quỹ đạo vòng tránh trong vòng $120\text{ ms}$.
  • Khả năng chịu tải và năng lượng: Khi mang tải trọng tối đa $20\text{ kg}$, dòng tiêu thụ trung bình của 2 động cơ ở vận tốc $0.5\text{ m/s}$ là $2.2\text{ A}$, điện áp ắc quy suy giảm từ $25.2\text{ V}$ xuống $22.8\text{ V}$ sau $75\text{ phút}$ vận hành liên tục.

Đổi mới và đóng góp

  1. Tự động hóa quy trình Check-in di động khép kín: Khác biệt hoàn toàn với các giải pháp trạm cố định (Kiosk tĩnh), robot đóng vai trò là một điểm tiếp đón di động, chủ động di chuyển dọc hành lang để đón khách, quét mã, xác thực cơ sở dữ liệu thời gian thực và in nhãn dán trong một chu trình xử lý duy nhất kéo dài chưa tới 3 giây.
  2. Kiến trúc phần cứng tối ưu chi phí (Low-cost Autonomous Architecture): Tích hợp thành công toàn bộ hệ sinh thái ROS SLAM điều hướng chuyên sâu và mô hình AI Vision (YOLOv8) lên nền tảng máy tính nhúng giá rẻ Raspberry Pi 4B kết hợp Arduino, hạ giá thành sản xuất nguyên mẫu xuống dưới $450 (rẻ hơn 95% so với các dòng robot dịch vụ thương mại nhập khẩu).
  3. Cải thiện rõ rệt hiệu suất vận hành:
    • Giảm thời gian chờ đợi trung bình của khách tham dự từ 15 phút xuống dưới 45 giây (giảm hơn 95% thời gian tắc nghẽn).
    • Cắt giảm 60% - 75% số lượng nhân sự trực tiếp làm công tác soát vé tại cổng đón tiếp.
  4. Đóng góp học thuật và ứng dụng kỹ thuật: Đồ án thiết lập tài liệu tham khảo chi tiết về phương pháp ghép nối tầng điều khiển vi điều khiển thời gian thực (Arduino/PID) với hệ thống điều hành robot phân tán (ROS Noetic) phục vụ nghiên cứu và giảng dạy chuyên ngành Kỹ thuật Cơ điện tử và Robot tự hành.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Use-Case Scenarios)

  • Hội chợ triển lãm quy mô lớn (MICE): Robot tuần tra tại sảnh đăng ký, giảm tải cho các quầy thủ tục tập trung, hướng dẫn khách mời vào đúng phân khu triển lãm.
  • Lễ kỷ niệm, đại hội cổ đông doanh nghiệp: Robot đón tiếp VIP, xác thực thư mời điện tử, in bảng tên danh dự cá nhân hóa và phát lời chào mừng tự động.
  • Ngày hội tuyển sinh, hội thảo học thuật tại các trường đại học: Đóng vai trò là đại sứ công nghệ, tiếp đón sinh viên và khách mời tham quan.

Phân tích chi phí và hiệu quả đầu tư (Cost-Benefit & ROI Analysis)

+-------------------------------------------------------------------------------+
|                       BẢNG TÍNH TOÁN ROI CHO ĐƠN VỊ TỔ CHỨC                   |
+-------------------------------------------------------------------------------+
| Hạng mục chi phí                     | Phương án Nhân sự | Phương án Robot    |
| ------------------------------------ | ----------------- | ------------------ |
| Chi phí nhân sự (6 người x 4 sự kiện)| $1,200 / tháng    | $0                 |
| Chi phí thuê thiết bị/máy quét       | $300 / tháng      | $0                 |
| Chi phí đầu tư chế tạo robot (BOM)   | $0                | $450 (Chi phí 1 lần|
| Chi phí bảo trì/vận hành kỹ thuật    | $0                | $50 / tháng        |
| ------------------------------------ | ----------------- | ------------------ |
| TỔNG CHI PHÍ NĂM ĐẦU TIÊN (12 tháng) | $18,000           | $1,050             |
| TIẾT KIỆM RÒNG & THỜI GIAN HOÀN VỐN  | ROI hoàn vốn sau chưa đầy 02 sự kiện!  |
+-------------------------------------------------------------------------------+

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Khả năng vượt địa hình hạn chế, chỉ hoạt động trên mặt phẳng tuyệt đối; bánh xe đa hướng dễ bị trượt nhẹ trên sàn gạch có dầu hoặc độ ma sát quá thấp dẫn đến tích lũy sai số Odometry nếu không có hiệu chỉnh AMCL liên tục.
  • Bộ xử lý Raspberry Pi 4B đạt nhiệt độ xấp xỉ $68^\circ\text{C}$ khi chạy đồng thời ROS Navigation stack và inference YOLOv8, đòi hỏi bổ sung quạt tản nhiệt cưỡng bức.
  • Chưa tích hợp tính năng tự động tìm về dock sạc khi pin yếu dưới 20%.

Hướng phát triển trong tương lai

  • Nâng cấp vi xử lý lên dòng NVIDIA Jetson Orin Nano để tăng tốc độ xử lý mạng nơ-ron nhận diện khuôn mặt và nhận diện cảm xúc khách hàng.
  • Chuyển đổi toàn bộ hệ thống sang ROS 2 (Humble/Iron) nhằm tăng cường tính năng thời gian thực (DDS) và tính bảo mật phân tán.
  • Tích hợp cơ cấu nâng hạ tự động chiều cao màn hình phù hợp theo chiều cao từng đối tượng khách hàng (người lớn, trẻ em, người ngồi xe lăn).

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------+
|                             ĐỐI TƯỢNG HƯỞNG LỢI                               |
+-------------------------------------------------------------------------------+
|  [Sinh viên & Nghiên cứu sinh]  --> Nắm vững kiến trúc ROS Noetic, PID Motor, |
|                                     kỹ thuật tích hợp OpenCV, YOLOv8 và SLAM. |
|  [Kỹ sư R&D Robot]              --> Tham khảo thiết kế cơ khí nhôm A6061,     |
|                                     mô hình động học vi sai và driver BTS7960.|
|  [Doanh nghiệp & Sự kiện]       --> Tối ưu hóa 70% chi phí check-in, nâng cao |
|                                     tính chuyên nghiệp và hình ảnh thương hiệu|
|  [Khách tham dự sự kiện]        --> Tiết kiệm thời gian, trải nghiệm công nghệ|
|                                     check-in thông minh không chạm tiện lợi.  |
+-------------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật phần cứng tối thiểu để triển khai hệ thống là gì?

Hệ thống yêu cầu tối thiểu 01 máy tính nhúng Raspberry Pi 4 (RAM 4GB trở lên), thẻ nhớ MicroSD 32GB Class 10 cài đặt Ubuntu 20.04 LTS + ROS Noetic, 01 vi điều khiển Arduino Uno R3, cảm biến 2D LiDAR tầm quét $\ge 8\text{ m}$, camera chuẩn CSI/USB độ phân giải tối thiểu 720p, cùng hệ thống nguồn cấp DC 24V/5Ah.

2. Robot xử lý như thế nào khi gặp vật cản bất ngờ xuất hiện trên đường đi?

Thuật toán Dynamic Window Approach (DWA) tích hợp trong ROS Move Base sẽ liên tục tính toán không gian vận tốc khả dĩ $(v, \omega)$ trong khoảng thời gian lấy mẫu $100\text{ ms}$. Nếu vật cản chặn hoàn toàn đường đi toàn cục, robot sẽ tự động dừng lại, kích hoạt cơ chế Local Recovery Behavior để xoay góc tìm hướng thoát mới.

3. Hệ thống có thể tích hợp với các nền tảng bán vé/quản trị sự kiện có sẵn không?

Phần mềm hỗ trợ kiến trúc kết nối RESTful API và Webhook chuẩn. Ngoài Firebase Realtime Database, hệ thống có thể dễ dàng đồng bộ với Eventbrite, Ticketbox, hệ thống ERP nội bộ của doanh nghiệp hoặc cơ sở dữ liệu PostgreSQL/MySQL thông qua các API endpoints trung gian.

4. Chi phí bảo dưỡng và hỗ trợ kỹ thuật định kỳ bao gồm những gì?

Chi phí bảo dưỡng định kỳ rất thấp, chủ yếu bao gồm việc kiểm tra độ mòn của lốp cao su bánh xe dẫn động (chu kỳ 6 tháng), bôi trơn ổ bi bánh đa hướng và kiểm tra dung lượng định kỳ của khối ắc quy chì 24V.

5. Thời gian đáp ứng của hệ thống khi quét mã QR và in nhãn là bao lâu?

Thời gian nhận diện và giải mã mã QR của thuật toán PyZbar mất trung bình $0.15\text{ giây}$, thời gian truy vấn và xác thực dữ liệu qua mạng internet 4G/Wi-Fi mất $0.3 - 0.7\text{ giây}$, và máy in nhiệt mini hoàn thành in nhãn trong vòng $1.2\text{ giây}$, cho tổng thời gian phục vụ mỗi khách chỉ xấp xỉ $2.05\text{ giây}$.

Kết luận

Đồ án tốt nghiệp "Thiết kế và chế tạo robot check-in tự động cho các sự kiện" đã hoàn thành toàn diện các mục tiêu nghiên cứu đề ra: từ khâu tính toán, thiết kế 3D, gia công cơ khí chính xác, thiết kế mạch điện công suất, đến lập trình điều khiển tự hành trên nền tảng ROS Noetic và tích hợp thị giác máy tính AI. Sản phẩm không chỉ minh chứng cho tính khả thi của việc ứng dụng robot di động tự hành trong lĩnh vực dịch vụ sự kiện tại Việt Nam mà còn mở ra tiềm năng thương mại hóa mạnh mẽ nhờ chi phí chế tạo cạnh tranh và hiệu suất vận hành vượt trội. Đây là bước tiến quan trọng thúc đẩy quá trình số hóa và tự động hóa toàn diện cho ngành công nghiệp tổ chức sự kiện hiện đại.