Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh công nghiệp hóa và tự động hóa hiện đại, robot công nghiệp—đặc biệt là các dòng cánh tay máy nhiều bậc tự do—đóng vai trò quan trọng trong việc nâng cao năng suất, duy trì dây chuyền sản xuất liên tục 24/7 và đảm bảo an toàn lao động tại các môi trường khắc nghiệt, độc hại hoặc nguy hiểm như hầm mỏ, khu vực bức xạ, hàn cắt và gia công kim loại. Tại Việt Nam, công nghệ robot đã được ứng dụng trong các nhà máy sản xuất ô tô (Toyota, Ford, VinFast) và tổ hợp sản xuất điện tử tiêu dùng (với kim ngạch xuất khẩu ngành hàng điện tử năm 2020 đạt gần 142 tỷ USD). Tuy nhiên, việc phát triển các giải pháp điều khiển từ xa trực quan, cho phép robot mô phỏng trực tiếp chuyển động không gian của người điều khiển qua mạng truyền thông vẫn là một bài toán kỹ thuật cần được nghiên cứu và tối ưu hóa.

Đề tài "Thiết kế và chế tạo bộ điều khiển cánh tay máy từ xa sử dụng mô đun đo lường quán tính" do sinh viên Lê Viết Đạt thực hiện dưới sự hướng dẫn của TS. Huỳnh Bá Phúc tại Trường Đại học Phenikaa (2024), tập trung giải quyết bài toán điều khiển chuyển động bám theo cử động tay người trong không gian 3 chiều.

Mục tiêu nghiên cứu được xác định cụ thể gồm:

  1. Mua và lắp ráp mô hình cánh tay robot 6 bậc tự do dựa trên cấu trúc mở.
  2. Thiết lập bài toán động học thuận và động học ngược cho mô hình cánh tay máy.
  3. Nghiên cứu nguyên lý hoạt động của mô đun đo lường quán tính (IMU), truy xuất, phân tích và trích xuất dữ liệu vị trí và góc nghiêng.
  4. Thiết kế và chế tạo thiết bị nhận dạng chuyển động bàn tay người sử dụng IMU (cụm A).
  5. Thiết kế và chế tạo bộ điều khiển chuyển động cho cánh tay máy (cụm B) dựa trên dữ liệu truyền về từ cụm A.
  6. Xây dựng giải thuật điều khiển cánh tay máy từ xa qua Internet với độ ổn định cao.

Đối tượng nghiên cứu là hệ thống điều khiển cánh tay máy 6 bậc tự do (mô hình robot SNAM 1400, mô phỏng cấu hình cánh tay robot công nghiệp IRB 1600) kết hợp mô đun cảm biến quán tính BNO055. Phạm vi nghiên cứu giới hạn ở việc xử lý dữ liệu quán tính trên hệ thống nhúng phân tán (ESP32, Raspberry Pi 3 Model B+), giải thuật động học số và truyền dữ liệu điều khiển qua giao thức MQTT trong mạng thời gian thực.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết của đề tài dựa trên nền tảng cơ học robot và lý thuyết xử lý tín hiệu cảm biến:

  • Lý thuyết cấu trúc robot và bậc tự do: Xác định bậc tự do của chuỗi động học hở dựa trên định lý Grübler: $f = \lambda(n - 1 - g) + \sum_{i=1}^{g} f_i - f_0$, với $\lambda = 6$ cho không gian 3 chiều.
  • Biểu diễn động học thuận: Sử dụng phương pháp tham số Denavit-Hartenberg (D-H) để gắn hệ trục tọa độ lên các khâu từ $0$ đến $6$, xây dựng ma trận biến đổi thuần nhất $H_6^0 = H_1^0 H_2^1 H_3^2 H_4^3 H_5^4 H_6^5$.
  • Giải bài toán động học ngược: Áp dụng phương pháp số Newton–Raphson kết hợp nghịch đảo ma trận Jacobian giả nghịch đảo (Pseudo-inverse Jacobian). Tác giả đề xuất cấu trúc ma trận Jacobian $6 \times 6$ cải tiến, sử dụng trực tiếp vector sai lệch gồm 3 tọa độ vị trí $(x, y, z)$ và 3 góc quay Euler $(\alpha, \beta, \gamma)$ theo thứ tự quay ZYX (đơn vị độ) thay vì sử dụng các phần tử của ma trận quay 9 phần tử cổ điển.
  • Lý thuyết cảm biến quán tính (IMU): Nguyên lý vi cơ điện tử MEMS của gia tốc kế (sự thay đổi điện dung vi cấu trúc theo lực quán tính) và con quay hồi chuyển MEMS (hiệu ứng Coriolis tác động lên khối dao động chống rung).
  • Lọc và xử lý tín hiệu: Sử dụng bộ lọc Alpha-Beta ($\alpha$-$\beta$ filter) để lọc nhiễu gia tốc và bộ lọc thông cao (High-Pass Filter - HPF) nhằm triệt tiêu độ trôi vận tốc và trích xuất vị trí chuyển động.
  • Quy hoạch quỹ đạo: Giải thuật điều khiển vận tốc động cơ theo đa thức bậc 3 để làm mịn đáp ứng chuyển động của các khớp servo.

Phương pháp nghiên cứu kết hợp giữa mô hình hóa toán học, mô phỏng trên phần mềm MATLAB và thực nghiệm chế tạo phần cứng hệ thống nhúng. Nguồn dữ liệu gồm thông số hình học thực tế của mẫu robot SNAM 1400, dữ liệu thô từ cảm biến BNO055 trích xuất qua bus I2C và dữ liệu vị trí/hướng được truyền qua các gói tin MQTT.

Thiết kế và triển khai

Hệ thống điều khiển cánh tay máy từ xa được thiết kế theo kiến trúc module phân tán, phân chia thành hai cụm phần cứng chính kết hợp kênh truyền thông không dây và hệ thống giám sát thị giác:

[ Bàn tay người ] ---> [ Cụm A: IMU BNO055 + ESP32 ]
                                |
                           (Giao thức MQTT qua Internet)
                                v
[ Màn hình quan sát ] <--- [ Cụm B: Raspberry Pi 3B+ (Giải IK) ]
        ^                       |
        |                  (Giao tiếp Serial UART)
   (Camera truyền hình)         v
        |                  [ ESP32 Điều khiển + PCA9685 Driver ]
        |                       |
        +------------------ [ 6x Servo MG996R - Robot SNAM 1400 ]

Kiến trúc phần cứng và thiết bị sử dụng

Thiết bị / Linh kiện Vai trò trong hệ thống Thông số kỹ thuật chính trích xuất từ tài liệu
Robot SNAM 1400 Cơ cấu chấp hành cánh tay máy 6 DoF Tải nâng tối đa: 20g; Kích thước khâu: $l_1=75\text{ mm}, a_1=42\text{ mm}, a_2=95\text{ mm}, a_3=18\text{ mm}, l_4=166\text{ mm}, l_6=27\text{ mm}$.
Servo MG996R (6 chiếc) Động cơ dẫn động các khớp $q_1 \dots q_6$ Bánh răng kim loại; Điện áp: $4.8 \sim 6\text{VDC}$; Lực kéo: $11\text{kg.cm}$ ($6\text{V}$); Tốc độ: $0.14\text{s}/60^\circ$ ($6\text{V}$); Trọng lượng: $55\text{g}$.
Cảm biến IMU BNO055 Đo lường tư thế chuyển động bàn tay (Cụm A) Tích hợp 9 DoF (Gia tốc $\pm 2g \sim \pm 16g$, Con quay hồi chuyển $\pm 125^\circ/\text{s} \sim \pm 2000^\circ/\text{s}$, Từ kế $\pm 1300,\mu\text{T}$); MCU ARM Cortex-M0 32-bit; Giao tiếp I2C/UART; Điện áp: $3 \sim 5\text{VDC}$.
Vi điều khiển ESP32-WROOM-32 01 bo mạch tại Cụm A (đọc IMU/MQTT) và 01 bo mạch tại Cụm B (điều khiển xung) CPU Xtensa Dual-Core 32-bit LX6 ($80 \sim 240\text{MHz}$); Bộ chuyển đổi ADC 12-bit 16 kênh, DAC 8-bit 2 kênh; Tích hợp Wi-Fi/Bluetooth; Thạch anh $40\text{MHz}$; Dòng ổn định: $80\text{mA}$.
Máy tính nhúng Raspberry Pi 3B+ Tính toán động học ngược tại Cụm B CPU Quad-Core Cortex-A53 64-bit SoC $1.4\text{GHz}$; RAM 1GB; Hệ điều hành Raspberry Pi OS; Cổng GPIO 40 chân.
Mạch lái PCA9685 Tạo xung điều khiển đồng thời 6 servo 16 kênh PWM; Độ phân giải 12-bit; Giao tiếp điều khiển I2C; Điện áp hoạt động: $2.3\text{V} \sim 5.5\text{V}$.
Kênh giám sát thị giác Thu nhận và hiển thị hình ảnh hiện trường Camera điện thoại truyền hình ảnh thời gian thực qua Internet về màn hình giám sát của người điều khiển.

Kiến trúc phần mềm và giải thuật

  1. Chương trình đọc và xử lý tín hiệu quán tính (Cụm A - ESP32): Được lập trình trên Arduino IDE. ESP32 thu thập dữ liệu gia tốc tuyến tính và góc Euler tuyệt đối từ BNO055 qua bus I2C, thực thi bộ lọc Alpha-Beta và HPF để làm mịn dữ liệu gia tốc trục $Z$ và triệt tiêu sai số vận tốc, sau đó đóng gói dữ liệu tọa độ mong muốn $(x, y, z)$ và hướng $(\alpha, \beta, \gamma)$ gửi lên MQTT Broker theo Topic định trước.
  2. Chương trình giải động học ngược (Cụm B - Raspberry Pi): Được lập trình bằng ngôn ngữ Python trên môi trường Thonny Python/PyCharm. Raspberry Pi đăng ký nhận dữ liệu từ MQTT Broker, trích xuất tọa độ mục tiêu $x_f$, sử dụng hàm np.pinv() trong thư viện NumPy để tính nghịch đảo Jacobian theo vòng lặp hiệu chỉnh Newton-Raphson: $$\Delta q = J^\dagger(q_i) \cdot (x_f - f(q_i))$$ Vòng lặp dừng khi chuẩn sai số $|\Delta f| < \varepsilon$, xuất ra mảng 6 biến khớp $q = [q_1, q_2, q_3, q_4, q_5, q_6]^T$ và truyền sang ESP32 qua giao tiếp nối tiếp Serial UART.
  3. Chương trình điều khiển cơ cấu chấp hành (Cụm B - ESP32): Tiếp nhận giá trị góc khớp từ Raspberry Pi, nội suy quy hoạch quỹ đạo vận tốc theo đa thức bậc 3 nhằm tránh giật cơ khí, tính toán độ rộng xung tương ứng và gửi lệnh điều khiển tới driver PCA9685 qua giao tiếp I2C.

Nội dung chính theo từng chương

CHƯƠNG 1: GIỚI THIỆU

Chương 1 trình bày bối cảnh phát triển của ngành Robotics trên thế giới và tại Việt Nam, nêu rõ nhu cầu điều khiển cánh tay máy từ xa trong các môi trường độc hại, khắc nghiệt nhằm thay thế con người. Tác giả tổng quan các công trình liên quan như nghiên cứu găng tay xúc giác của Evan Capelle (2020) và hệ thống nhận diện cử chỉ tay dựa trên mạng nơ-ron tích chập (CNN) của Hongyong Song (2016). Từ việc phân tích hạn chế của các phương pháp cử chỉ cố định, tác giả xác định mục tiêu thiết kế bộ điều khiển không gian liên tục dựa trên cảm biến quán tính IMU, đồng thời nêu rõ phạm vi nghiên cứu và cấu trúc 7 chương của đồ án.

CHƯƠNG 2: THIẾT KẾ HỆ THỐNG

Chương 2 mô tả chi tiết ý tưởng thiết kế hệ thống điều khiển từ xa phân tán gồm hai khối thiết bị độc lập: khối thu thập cử động tay người (cụm A) và khối cánh tay robot (cụm B). Chương cung cấp bảng thông số kỹ thuật chi tiết của các phần cứng chính: động cơ RC Servo MG996R (lực kéo 11kg tại 6V), vi điều khiển ESP32-WROOM-32 (2 lõi 32-bit LX6), máy tính nhúng Raspberry Pi 3 Model B+ (CPU 1.4GHz, 1GB RAM), IC điều khiển PWM 16 kênh 12-bit PCA9685 và cảm biến quán tính 9DoF BNO055. Đồng thời, chương phân tích nguyên lý hoạt động của mô hình Publish/Subscribe trong giao thức truyền thông MQTT qua các thành phần Broker, Client và Topic.

CHƯƠNG 3: CÁNH TAY ROBOT

Chương 3 tập trung vào cơ sở lý thuyết động học của cánh tay máy 6 bậc tự do mô phỏng theo mẫu công nghiệp ABB IRB 1600 (phiên bản phần cứng SNAM 1400). Tác giả thiết lập bảng thông số Denavit-Hartenberg (D-H) và tính toán ma trận chuyển đổi thuần nhất $H_6^0$:

Khâu ($i$) $d_i$ $\theta_i$ $a_i$ $\alpha_i$ Giới hạn góc quay thực tế
1 $d_1 = 75\text{ mm}$ $q_1$ $a_1 = 42\text{ mm}$ $\pi/2$ $-90^\circ \sim 90^\circ$
2 $0$ $q_2$ $a_2 = 95\text{ mm}$ $0$ $32^\circ \sim 167^\circ$
3 $0$ $q_3$ $a_3 = 18\text{ mm}$ $\pi/2$ $-69^\circ \sim 14^\circ$
4 $d_4 = 166\text{ mm}$ $q_4$ $0$ $-\pi/2$ $-90^\circ \sim 90^\circ$
5 $0$ $q_5$ $0$ $\pi/2$ $-90^\circ \sim 90^\circ$
6 $d_6 = 27\text{ mm}$ $q_6$ $0$ $\pi$ $-90^\circ \sim 90^\circ$

Trong bài toán động học ngược, tác giả xây dựng thuật toán Newton-Raphson với ma trận Jacobian $6 \times 6$ cải tiến, trong đó hướng khâu chấp hành cuối được biểu diễn qua 3 góc ZYX: $\alpha = \text{atan2}(b_z, c_z)$, $\beta = -\text{atan}(a_z / \sqrt{1 - a_z^2})$, $\gamma = \text{atan2}(a_y, a_x)$. Cuối chương là không gian làm việc (workspace) của robot được biểu diễn dưới dạng đồ thị 2D và 3D.

CHƯƠNG 4: IMU

Chương 4 trình bày cấu tạo và nguyên lý hoạt động của đơn vị đo lường quán tính (IMU). Tác giả giải thích chi tiết cấu tạo vi cơ điện tử MEMS của cảm biến gia tốc (dựa trên biến thiên điện dung giữa các tấm cực khi khối lượng vi mô dịch chuyển dưới tác dụng của quán tính) và con quay hồi chuyển MEMS (sử dụng hiện tượng dao động vuông góc do lực Coriolis tạo ra khi hệ thống quay). Chương cũng nêu rõ vai trò của cảm biến từ trường 3 trục trong việc bù trôi góc Yaw và kỹ thuật trích xuất dữ liệu tư thế không gian 3 chiều.

CHƯƠNG 5: GIẢI PHÁP ĐIỀU KHIỂN

Chương 5 xây dựng lưu đồ thuật toán chi tiết cho từng nút xử lý trong hệ thống:

  • Thuật toán trên ESP32 (cụm A): Khởi tạo cảm biến BNO055, đọc dữ liệu gia tốc/góc nghiêng qua I2C, thực hiện thuật toán lọc và gửi bản tin qua giao thức MQTT.
  • Thuật toán trên Raspberry Pi 3B+ (cụm B): Tiếp nhận chuỗi dữ liệu từ MQTT, giải bài toán động học ngược theo phương pháp Jacobian $6 \times 6$ số, kiểm tra điều kiện hội tụ $|\Delta f| < \varepsilon$, tính toán 6 góc khớp và truyền sang ESP32 qua UART.
  • Thuật toán trên ESP32 (cụm B): Tiếp nhận 6 biến khớp, quy hoạch quỹ đạo vận tốc đa thức bậc 3 để làm mịn chuyển động và xuất tín hiệu điều khiển PWM tới IC PCA9685.

CHƯƠNG 6: MÔ PHỎNG VÀ THỰC NGHIỆM

Chương 6 trình bày các kết quả kiểm tra thuật toán:

  • Mô phỏng động học và điều khiển động cơ trên không gian 3 chiều bằng phần mềm MATLAB.
  • Đánh giá đáp ứng bộ lọc: Bộ lọc Alpha-Beta làm mịn tín hiệu gia tốc trục $Z$; bộ lọc HPF hỗ trợ triệt tiêu thành phần trôi của vận tốc.
  • Thực nghiệm trên mô hình robot thực: Đánh giá quá trình nhận lệnh điều khiển từ xa qua giao thức MQTT, theo dõi cánh tay máy chuyển động bám theo cử động tay người mang bộ điều khiển IMU, kết hợp quan sát không gian qua camera truyền hình.

CHƯƠNG 7: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

Chương 7 tổng kết toàn bộ các kết quả đạt được của đề tài về mặt phần cứng, giải thuật động học và truyền thông IoT; đồng thời chỉ ra các tồn đọng về độ chính xác của bộ lọc, giới hạn tải trọng của mô hình cơ khí và vạch ra các hướng phát triển hoàn thiện tiếp theo.

Kết quả và đóng góp

Kết quả kỹ thuật đạt được

  • Chế tạo hoàn chỉnh phần cứng: Lắp ráp thành công mô hình cánh tay robot 6 bậc tự do SNAM 1400 (tải trọng tối đa 20g) điều khiển bằng 6 động cơ RC Servo MG996R qua IC driver PCA9685.
  • Xây dựng hệ thống nhúng phân tán: Thiết kế bộ phát cử chỉ tay đeo trên người sử dụng cảm biến BNO055 kết hợp ESP32, truyền dữ liệu điều khiển không dây thời gian thực qua giao thức MQTT tới Raspberry Pi 3 Model B+.
  • Giải thuật động học ngược hội tụ nhanh: Áp dụng thành công thuật toán số Newton-Raphson kết hợp ma trận Jacobian $6 \times 6$ cải tiến (chuyển đổi hướng sang góc Euler độ), giúp giảm số vòng lặp lặp số và rút ngắn thời gian giải động học ngược trên máy tính nhúng Raspberry Pi.
  • Quy hoạch chuyển động mượt mà: Xây dựng giải thuật điều khiển vận tốc khớp theo hàm đa thức bậc 3, giảm thiểu hiện tượng rung giật khi chuyển trạng thái của servo.

Đóng góp mới của tác giả

  1. Thiết lập thuật toán kết hợp bộ lọc nhẹ (Alpha-Beta kết hợp bộ lọc thông cao HPF) có thể chạy trực tiếp trên vi điều khiển tài nguyên thấp nhằm xử lý dữ liệu gia tốc và vị trí từ cảm biến IMU trong không gian 3 chiều.
  2. Đề xuất phương pháp tính toán ma trận Jacobian $6 \times 6$ tinh gọn dựa trên 3 tọa độ vị trí và 3 góc quay Euler ZYX thay thế cho ma trận Jacobian $12 \times 6$ cổ điển, tối ưu hóa tốc độ tính toán cho các hệ thống nhúng điều khiển thời gian thực.
  3. Triển khai hoàn chỉnh giải pháp điều khiển cánh tay máy từ xa qua mạng Internet sử dụng giao thức MQTT, có giá trị ứng dụng thực tiễn trong nghiên cứu và giảng dạy chuyên ngành Điều khiển - Tự động hóa.

Hạn chế và hướng nghiên cứu tiếp

Dựa trên các phân tích trong đồ án và nhận xét từ giảng viên phản biện, các hạn chế và hướng mở rộng gồm:

  • Hạn chế kỹ thuật:

    • Bộ lọc thông cao (HPF) dùng để xử lý vận tốc và vị trí từ gia tốc kế IMU cho kết quả lọc trôi chưa đạt độ chính xác cao và ổn định bằng bộ lọc Kalman (Kalman Filter).
    • Kết cấu cơ khí sử dụng động cơ RC Servo MG996R và khung nhôm mô hình có độ rơ cơ khí nhất định, tải trọng nâng còn thấp (tối đa 20g), chưa đáp ứng được các yêu cầu thao tác tải trọng lớn trong công nghiệp.
    • Tốc độ hội tụ của thuật toán động học ngược phụ thuộc vào bước lặp và có thể gặp khó khăn tại các điểm kỳ dị của chuỗi động học.

  • Hướng nghiên cứu tiếp theo:

    • Nâng cấp thuật toán xử lý tín hiệu cảm biến sang bộ lọc Kalman mở rộng (EKF) hoặc bộ lọc Madgwick/Mahony để triệt tiêu trôi dữ liệu vị trí không gian 3D.
    • Thay thế cơ cấu chấp hành bằng động cơ bước (Stepper Motor) hoặc động cơ Servo công nghiệp có phản hồi encoder vòng kín để nâng cao tải trọng và độ chính xác lặp lại.
    • Tích hợp thêm phản hồi lực/xúc giác (Haptic feedback) về thiết bị đeo tay của người điều khiển để tăng tính chân thực khi tương tác từ xa.

Giá trị tham khảo

Đồ án là tài liệu tham khảo chuyên khảo hữu ích cho sinh viên, học viên cao học và kỹ sư thuộc các ngành:

  • Kỹ thuật Điều khiển và Tự động hóa, Cơ điện tử, Robotics: Tham khảo phương pháp thiết lập bảng thông số Denavit-Hartenberg (D-H), xây dựng phương trình động học thuận/nghịch và lập trình giải thuật Jacobian trên Python (các phụ lục mã nguồn B, C, D, E, F, G).
  • Kỹ thuật Máy tính và Hệ thống nhúng / IoT: Tham khảo mô hình phân tán xử lý tín hiệu cảm biến IMU qua ESP32 và định tuyến điều khiển qua giao thức MQTT kết nối Raspberry Pi.

Câu hỏi thường gặp

1. Mô hình robot được sử dụng trong đồ án có cấu hình và thông số như thế nào?
Mô hình robot được sử dụng là cánh tay máy 6 bậc tự do (6 DoF) SNAM 1400, mô phỏng theo cấu hình robot công nghiệp ABB IRB 1600. Kích thước các khâu gồm $l_1=75\text{ mm}, a_1=42\text{ mm}, a_2=95\text{ mm}, a_3=18\text{ mm}, l_4=166\text{ mm}, l_6=27\text{ mm}$, tải nâng tối đa 20g và được dẫn động bởi 6 động cơ servo MG996R.

2. Đồ án giải bài toán động học ngược cho robot 6 DoF bằng phương pháp nào?
Tác giả sử dụng phương pháp số Newton-Raphson kết hợp nghịch đảo ma trận Jacobian giả nghịch đảo (np.pinv() trong thư viện NumPy). Điểm cải tiến là xây dựng ma trận Jacobian kích thước $6 \times 6$ dựa trên 3 tọa độ vị trí $(x, y, z)$ và 3 góc Euler $(\alpha, \beta, \gamma)$ theo đơn vị độ, giúp thuật toán hội tụ nhanh hơn so với ma trận $12 \times 6$ cổ điển.

3. Cảm biến quán tính IMU được sử dụng là loại nào và đọc những dữ liệu gì?
Đồ án sử dụng mô đun cảm biến quán tính 9 DoF Bosch BNO055 (tích hợp vi điều khiển ARM Cortex-M0 xử lý dữ liệu cảm biến bên trong). Cảm biến cung cấp gia tốc kế ($\pm 2g \dots \pm 16g$), con quay hồi chuyển ($\pm 125^\circ/\text{s} \dots \pm 2000^\circ/\text{s}$), từ kế ($\pm 1300,\mu\text{T}$) và xuất trực tiếp góc nghiêng Euler, Quaternion, gia tốc tuyến tính qua giao tiếp I2C.

4. Dữ liệu điều khiển từ tay người được truyền tới cánh tay robot như thế nào?
Dữ liệu tư thế từ cảm biến BNO055 được ESP32 ở cụm điều khiển (cụm A) thu thập, lọc và đóng gói gửi qua giao thức mạng MQTT tới MQTT Broker. Máy tính nhúng Raspberry Pi 3B+ (ở cụm B) nhận gói tin qua Internet, giải động học ngược và gửi 6 góc khớp qua UART tới bo mạch ESP32 thứ hai để phát xung PWM qua mạch driver PCA9685 điều khiển 6 động cơ servo.

5. Vì sao bộ lọc HPF trong đồ án nhận được góp ý cần cải thiện?
Bộ lọc thông cao (High-Pass Filter - HPF) được tác giả sử dụng nhằm loại bỏ thành phần DC để tính vận tốc và vị trí trục $Z$. Tuy nhiên, trong thực tế đo quán tính, HPF không xử lý triệt để được hiện tượng trôi tích phân (drift) và nhiễu ngẫu nhiên tốt như thuật toán lọc Kalman, dẫn đến sai số vị trí theo thời gian lớn hơn.

Kết luận

Đồ án tốt nghiệp của sinh viên Lê Viết Đạt đã hoàn thành trọn vẹn mục tiêu thiết kế và chế tạo hệ thống điều khiển cánh tay máy 6 bậc tự do từ xa mô phỏng chuyển động bàn tay người thông qua cảm biến quán tính IMU BNO055. Công trình kết hợp thành công cơ sở lý thuyết động học robot, giải thuật ma trận Jacobian cải tiến trên máy tính nhúng Raspberry Pi và kiến trúc truyền thông IoT thời gian thực qua giao thức MQTT. Mặc dù còn hạn chế về tải trọng cơ khí và thuật toán lọc vị trí, kết quả thực nghiệm đã chứng minh tính khả thi, ổn định và giá trị ứng dụng cao của hệ thống trong nghiên cứu, đào tạo và phát triển các thiết bị điều khiển từ xa trong môi trường nguy hiểm.