Giới thiệu dự án

Sự gia tăng nhanh chóng của cấu trúc gia đình đơn thân, lối sống độc lập ở giới trẻ và tốc độ già hóa dân số toàn cầu đang tạo ra thách thức lớn về sức khỏe tinh thần. Theo các báo cáo thống kê y tế quốc tế, tỷ lệ người cao tuổi sống một mình tại các đô thị phát triển tăng hơn 22% trong thập kỷ qua, kéo theo sự gia tăng của các hội chứng lo âu và trầm cảm cục bộ. Thị trường robot thú cưng toàn cầu dự kiến đạt quy mô hơn 14,9 tỷ USD vào giai đoạn 2029–2030 với tốc độ tăng trưởng kép (CAGR) trên 9,5%.

Mặc dù thú cưng sinh học mang lại giá trị tinh thần lớn, việc chăm sóc chúng lại đối mặt với nhiều rào cản: chi phí thú y, không gian sống hạn chế tại các chung cư, nguy cơ dị ứng lông động vật và yêu cầu vệ sinh khắt khe. Các dòng robot thú cưng thương mại cao cấp trên thị trường hiện nay lại có giá thành đắt đỏ (thường dao động từ 600 USD đến hơn 2.900 USD) và thiếu khả năng tùy biến về mặt thuật toán điều khiển và xử lý ngôn ngữ tiếng Việt.

Trước bối cảnh đó, đề tài "Thiết kế và chế tạo robot thú cưng" được thực hiện bởi nhóm nghiên cứu thuộc Khoa Cơ khí Chế tạo máy, Trường Đại học Sư phạm Kỹ thuật TP.HCM (HCMUTE), dưới sự hướng dẫn của TS. Bùi Hà Đức. Đề tài tập trung giải quyết bài toán đồng bộ giữa kết cấu cơ khí nhỏ gọn, thuật toán điều khiển truyền động chính xác và hệ thống trí tuệ nhân tạo (AI) đa phương thức (thị giác máy tính và nhận dạng giọng nói).

+-------------------------------------------------------------------------+
|                          KIẾN TRÚC TỔNG THỂ HỆ THỐNG                     |
+-------------------------------------------------------------------------+
|  [Đầu vào Cảm biến]                                                     |
|  - Camera Genius Facecam 1000X (Thị giác máy tính)                      |
|  - Mảng Microphone Max4466 + ADC ADS1115 (Âm thanh & Định hướng)        |
|  - Bộ mã hóa vòng quay Optical Encoder (Phản hồi tốc độ động cơ)         |
+-------------------------------------------------------------------------+
                                    │
                                    ▼
+-------------------------------------------------------------------------+
|  [Khối Xử lý Trung tâm (Edge & Host Server)]                           |
|  - Bo mạch nhúng Raspberry Pi 4 Model B (Giao tiếp Socket TCP/IP)        |
|  - Host Server GPU: YOLOv8 Object Tracking + Whisper STT + NLP          |
+-------------------------------------------------------------------------+
                                    │
                                    ▼
+-------------------------------------------------------------------------+
|  [Khối Chấp hành & Tương tác]                                           |
|  - Hệ truyền động Direct-Drive: 2 Động cơ DC Servo + Bánh xe d=65mm     |
|  - Bộ điều khiển kín PID Velocity Controller (Sai số bám < 3%)          |
|  - Màn hình đồ họa hiển thị biểu cảm cảm xúc thời gian thực             |
+-------------------------------------------------------------------------+

Mục tiêu của dự án

  1. Thiết kế kết cấu cơ khí: Chế tạo khung vỏ robot dạng thú cưng bằng công nghệ in 3D nhựa kỹ thuật với kích thước tổng thể $218 \times 236 \times 201\text{ mm}$, khối lượng tối đa $\le 2{,}5\text{ kg}$, tối ưu hóa không gian chứa linh kiện điện tử và tải trọng phân bố đều.
  2. Xây dựng hệ thống dẫn động và điều khiển động học: Ứng dụng cơ cấu vi sai 4 bánh (2 bánh sau chủ động dẫn động trực tiếp bằng động cơ DC Servo tích hợp encoder, 2 bánh trước dẫn hướng), triển khai thuật toán điều khiển PID vận tốc vòng kín để đạt vận tốc tối đa $v_{\max} = 0{,}4\text{ m/s}$.
  3. Phát triển module trí tuệ nhân tạo thị giác: Tích hợp mô hình YOLOv8 để nhận diện và bám theo người tương tác trong thời gian thực, đồng thời tính toán góc lệch $\theta$ và khoảng cách an toàn nhằm né tránh chướng ngại vật.
  4. Xây dựng module xử lý ngôn ngữ và âm thanh: Ứng dụng kiến trúc OpenAI Whisper để chuyển đổi giọng nói thành văn bản (Speech-to-Text) kết hợp mô hình Sentence-Transformers đo độ tương đồng ngữ nghĩa để chuyển lệnh thoại thành hành vi điều khiển robot.

Phạm vi và giới hạn của đề tài

  • Môi trường hoạt động: Mặt phẳng bằng phẳng trong nhà (Indoor), hệ số ma sát $\mu \approx 0{,}02 - 0{,}05$, độ dốc bề mặt $\le 3^\circ$.
  • Hạ tầng tính toán: Xử lý luồng hình ảnh/giọng nói qua mô hình Client-Server (truyền thông Socket TCP/IP giữa Raspberry Pi 4 và trạm máy tính xử lý GPU).
  • Thời lượng vận hành: Vận hành liên tục từ $1{,}5 - 2$ giờ thông qua khối nguồn Raspberry Pi UPS V3P tích hợp cell pin Li-ion.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng và yêu cầu người dùng

Tiêu chí kỹ thuật / Tính năng Sony Aibo (ERS-1000) Joy For All Cat EMO Pet AI Robot thú cưng HCMUTE
Cơ cấu di chuyển 4 chân khớp đa bậc (Quadruped) Cố định, cử động đuôi/mắt 2 chân trượt bánh lăn 4 bánh (Vi sai 2 bánh chủ động Direct Drive)
Thị giác máy tính SLAM + Nhận diện khuôn mặt Không tích hợp Camera nhận diện khuôn mặt YOLOv8 nhận dạng đối tượng & tracking
Xử lý giọng nói Cloud Engine độc quyền Cảm biến âm thanh cơ bản AI Voice Engine (Tiếng Anh) Whisper STT + Sentence-Transformers NLP
Khả năng tùy biến Khép kín (Closed-source) Cố định phần cứng Khép kín Mã nguồn mở, dễ dàng nâng cấp thuật toán
Chi phí chế tạo (Ước tính) > 2.800 USD ~ 120 USD ~ 350 USD ~ 150 – 200 USD

Ma trận phân loại yêu cầu người dùng theo phương pháp MoSCoW:

  • Must-have: Khả năng tự cân bằng và di chuyển ổn định với vận tốc $\le 0{,}4\text{ m/s}$; nhận diện và tự động bám đuôi người trong khung hình; giao tiếp lệnh thoại cơ bản.
  • Should-have: Màn hình hiển thị cảm xúc sinh động trên khuôn mặt robot; giải thuật PID chống trượt và bù vận tốc góc khi chuyển hướng.
  • Could-have: Khả năng quay đầu về hướng phát ra âm thanh thông qua cụm micro Max4466 và mạch chuyển đổi ADS1115.
  • Won't-have (giai đoạn này): Khả năng leo cầu thang hoặc di chuyển trên địa hình gồ ghề ngoài trời.

Thiết kế hệ thống

+----------------------------------------------------------------------------------+
|                            SƠ ĐỒ LUỒNG DỮ LIỆU VÀ TƯƠNG TÁC                      |
+----------------------------------------------------------------------------------+
[Webcam & Micro] ──> [Raspberry Pi 4] ──(Socket TCP/IP)──> [Máy tính chủ AI / GPU]
                             │                                       │
                    (PWM / Encoder)                         (YOLOv8 + Whisper)
                             │                                       │
                             ▼                                       ▼
                   [Động cơ DC Servo] <──(Vận tốc v, góc θ)── [Bộ điều khiển logic]

Ngăn xếp công nghệ (Technology Stack)

  • Hệ điều hành nhúng: Raspberry Pi OS (64-bit Debian Bullseye).
  • Nền tảng lập trình: Python 3.10, C/C++ (viết thư viện điều khiển động cơ thời gian thực).
  • Thị giác máy tính: Ultralytics YOLOv8n (Engine TensorRT FP16 tối ưu hóa trên GPU), OpenCV 4.8.0.
  • Xử lý âm thanh & Ngôn ngữ tự nhiên: OpenAI Whisper (Base model), Sentence-Transformers (all-MiniLM-L6-v2), PyAudio 0.2.13.
  • Thiết kế & Phân tích cơ học: Autodesk Fusion 360, Ansys Workbench (kiểm nghiệm phần tử hữu hạn FEA).
+--------------------------------------------------------------------+
|                         CƠ CẤU TRUYỀN ĐỘNG ROBOT                   |
+--------------------------------------------------------------------+
|                                                                    |
|    [Bánh phụ 1] ────────────────────────── [Bánh phụ 2]           |
|         │                                        │                 |
|         │             ┌────────────┐             │                 |
|         └─────────────│  Thân xe   │─────────────┘                 |
|                       │  (In 3D)   │                               |
|         ┌─────────────│            │─────────────┐                 |
|         │             └────────────┘             │                 |
|         │                                        │                 |
|   [Bánh chủ động Trái]                     [Bánh chủ động Phải]    |
|   (Gắn trực tiếp Động cơ DC)               (Gắn trực tiếp Động cơ DC)|
+--------------------------------------------------------------------+

Phương pháp nghiên cứu và phát triển

Dự án áp dụng mô hình phát triển linh hoạt (Agile Scrum) chia làm 4 giai đoạn chính kéo dài trong 16 tuần:

  1. Sprint 1 (Tuần 1–4): Khảo sát tài liệu, tính toán động lực học, lập mô hình 3D CAD qua 3 phiên bản thiết kế nhằm tối ưu hóa trọng lượng và vị trí lắp linh kiện.
  2. Sprint 2 (Tuần 5–8): Chế tạo khung vỏ in 3D nhựa PLA; gia công trục khớp; đấu nối mạch nguồn Raspberry Pi UPS V3P và động cơ DC Servo.
  3. Sprint 3 (Tuần 9–12): Thiết kế bộ điều khiển PID bám vận tốc; huấn luyện mô hình YOLOv8 trên tập dữ liệu người; xây dựng pipeline Socket TCP/IP.
  4. Sprint 4 (Tuần 13–16): Tích hợp nhận dạng giọng nói Whisper, định hướng micro array; kiểm thử tổng thể và tối ưu độ trễ toàn hệ thống.

Implementation và kết quả

Quy trình phát triển cơ khí và giải thuật

1. Tính toán động lực học và chọn động cơ

Với các thông số thiết kế đầu vào: tổng khối lượng $m = 2{,}0\text{ kg}$, đường kính bánh xe $d = 65\text{ mm}$ ($r = 0{,}0325\text{ m}$), vận tốc di chuyển định mức $v = 0{,}4\text{ m/s}$, gia tốc $a = 0\text{ m/s}^2$ (chuyển động thẳng đều).

Tốc độ quay yêu cầu của bánh xe chủ động: $$n = \frac{60 \times v}{2\pi r} = \frac{60 \times 0{,}4}{2 \times \pi \times 0{,}0325} \approx 117{,}54\text{ vòng/phút (RPM)}$$

Áp lực pháp tuyến phân bố lên mỗi cụm bánh xe: $$N_1 = \frac{m \cdot g}{3} = \frac{2{,}0 \times 9{,}81}{3} \approx 6{,}54\text{ N}$$

Lực kéo ma sát cần thiết vượt qua lực cản lăn ($\mu = 0{,}04$): $$F_{w1} = F_{ms1} = \mu \cdot N_1 = 0{,}04 \times 6{,}54 \approx 0{,}262\text{ N}$$

Công suất hữu ích tối thiểu trên trục động cơ: $$P_{dc} = F_{w1} \cdot v = 0{,}262 \times 0{,}4 \approx 0{,}105\text{ W}$$

Nhóm nghiên cứu chọn hệ thống truyền động trực tiếp (Direct Drive, tỷ số truyền $i = 1:1$) nối đồng trục động cơ DC Servo có hộp giảm tốc tỉ số cao, giúp triệt tiêu hiện tượng trượt đai và loại bỏ tiếng ồn từ bộ truyền xích.

2. Mô phỏng chịu lực kết cấu (FEA)

Khung thân in 3D chịu tải trọng giả lập $15\text{ N}$ (tương đương hệ số an toàn $s \approx 3{,}0$). Kết quả mô phỏng phần tử hữu hạn (FEA) trên Ansys Workbench cho thấy:

  • Ứng suất Von-Mises tối đa: $\sigma_{\max} = 1{,}82\text{ MPa}$ (thấp hơn nhiều so với giới hạn bền chảy của nhựa PLA là $45\text{ MPa}$).
  • Độ biến dạng chuyển vị lớn nhất: $\delta_{\max} \le 0{,}042\text{ mm}$, đảm bảo khung sườn duy trì độ cứng vững trong suốt chu trình di chuyển.
# Giai thuat dieu khien vi sai va bam doi tuong YOLOv8
import numpy as np

class DifferentialTracker:
    def __init__(self, Kp=0.8, Ki=0.05, Kd=0.01, target_area=45000):
        self.Kp, self.Ki, self.Kd = Kp, Ki, Kd
        self.target_area = target_area
        self.prev_error_theta = 0
        self.integral_theta = 0
        self.track_width = 0.18  # Khoang cach giua 2 banh (m)
        self.wheel_radius = 0.0325 # Ban kinh banh xe (m)

    def compute_motion(self, bbox, frame_width=640):
        """
        bbox: [x1, y1, x2, y2] toa do bounding box nguoi
        """
        x_center = (bbox[0] + bbox[2]) / 2.0
        box_area = (bbox[2] - bbox[0]) * (bbox[3] - bbox[1])
        
        # Sai so goc theta (lech tam khung hinh)
        error_theta = (frame_width / 2.0) - x_center
        self.integral_theta += error_theta
        derivative_theta = error_theta - self.prev_error_theta
        self.prev_error_theta = error_theta
        
        # Van toc goc omega su dung PID
        omega = (self.Kp * error_theta + 
                 self.Ki * self.integral_theta + 
                 self.Kd * derivative_theta) * 0.002
        
        # Van toc dai tuy thuoc vao khoang cach (dien tich bounding box)
        error_dist = self.target_area - box_area
        v = np.clip(error_dist * 0.00001, -0.2, 0.4)
        
        # Dong hoc thuan: Tinh van toc goc cho tung banh xe (rad/s)
        w_right = (v + (omega * self.track_width / 2.0)) / self.wheel_radius
        w_left = (v - (omega * self.track_width / 2.0)) / self.wheel_radius
        
        return w_left, w_right

3. Xử lý giọng nói và phân loại ý định

Hệ thống sử dụng Whisper API/Local để giải mã tín hiệu âm thanh thu từ Max4466. Văn bản đầu ra được đưa qua mạng Sentence-Transformers để tính mức độ tương đồng Cosine với bộ tập lệnh mẫu định sẵn:

$$\text{Cosine Similarity}(A, B) = \frac{\mathbf{A} \cdot \mathbf{B}}{|\mathbf{A}| |\mathbf{B}|}$$

# Giai thuat so sanh ngu nghia cau lenh
from sentence_transformers import SentenceTransformer, util

model = SentenceTransformer('all-MiniLM-L6-v2')

commands = {
    "TIEN_LEN": "hãy đi thẳng về phía trước",
    "LUI_LAI": "lùi lại phía sau nào",
    "DI_THEO": "hãy đi theo tôi",
    "DUNG_LAI": "dừng lại ngay lập tức",
    "BIEU_CAM": "bạn có vui không"
}

def classify_intent(user_speech, threshold=0.68):
    speech_embedding = model.encode(user_speech, convert_to_tensor=True)
    command_texts = list(commands.values())
    command_keys = list(commands.keys())
    
    cmd_embeddings = model.encode(command_texts, convert_to_tensor=True)
    cosine_scores = util.cos_sim(speech_embedding, cmd_embeddings)[0]
    
    best_idx = int(cosine_scores.argmax())
    if cosine_scores[best_idx] >= threshold:
        return command_keys[best_idx]
    return "UNKNOWN_INTENT"

Thử nghiệm và đánh giá thực nghiệm

+-------------------------------------------------------------------------+
|                  ĐÁP ỨNG VẬN TỐC VÒNG KÍN CỦA ĐỘNG CƠ (PID)             |
+-------------------------------------------------------------------------+
|  Vận tốc (m/s)                                                          |
|  0.45 ┤                                                                 |
|  0.40 ┤        ┌─────────────────────────────────── (Vận tốc đặt 0.4m/s)|
|  0.35 ┤       ┌┘ (Overshoot < 4.2%)                                     |
|  0.30 ┤      ┌┘                                                         |
|  0.25 ┤     ┌┘                                                          |
|  0.20 ┤    ┌┘                                                           |
|  0.15 ┤   ┌┘                                                            |
|  0.10 ┤  ┌┘                                                             |
|  0.05 ┤ ┌┘ (Thời gian xác lập ts = 0.28s)                               |
|  0.00 ┼─┴────┴────┴────┴────┴────┴────┴────┴────┴────┴────              |
|       0.0   0.1  0.2  0.3  0.4  0.5  0.6  0.7  0.8 (Giây)               |
+-------------------------------------------------------------------------+
  1. Hiệu năng hệ thống bám vận tốc: Bộ điều khiển PID đạt thời gian xác lập $t_s = 0{,}28\text{ s}$, độ vọt lố $\text{Overshoot} = 4{,}2%$, triệt tiêu sai số xác lập $e_{ss} \le 1{,}5%$.
  2. Độ chính xác nhận diện YOLOv8: Đạt tốc độ xử lý $32\text{ FPS}$ với độ chính xác trung bình mAP@0.5 đạt $89{,}6%$ trong điều kiện ánh sáng phòng bình thường ($> 150\text{ lux}$).
  3. Độ trễ truyền nhận Socket TCP/IP: Độ trễ trung bình một vòng lặp kín (Round-Trip Time) giữa Raspberry Pi và Server đạt $28\text{ ms}$ qua mạng Wi-Fi 5GHz băng thông ổn định.
  4. Nhận dạng lệnh giọng nói: Mô hình Whisper + Sentence-Transformers đạt tỷ lệ nhận dạng ý định đúng $92{,}4%$ với độ trễ phản hồi âm thanh $< 0{,}65\text{ s}$.

Đổi mới và đóng góp

  • Tối ưu hóa cơ cấu truyền động trực tiếp: Khác biệt hoàn toàn với các cơ cấu truyền động dây đai hoặc xích thông thường trong các đồ án cơ điện tử, việc tích hợp động cơ DC Servo gắn trực tiếp lên trục bánh xe ($i = 1:1$) giúp giảm 35% trọng lượng cơ cấu trung gian, giảm thiểu hao mòn cơ khí và giảm thiểu tiếng ồn xuống dưới $45\text{ dB}$.
  • Kiến trúc phân tán linh hoạt (Hybrid Edge-Server Offloading): Tách biệt tầng điều khiển phần cứng thời gian thực (trên bo Raspberry Pi) và tầng suy luận AI tính toán nặng (trên GPU Server qua Socket TCP/IP) giúp tiết kiệm đến 60% năng lượng pin tiêu thụ trên robot, đồng thời cho phép nâng cấp các mô hình học sâu mà không cần thay đổi phần cứng nhúng.
  • Tương tác đa phương thức tích hợp: Kết hợp trực tiếp dữ liệu thị giác từ YOLOv8 để tính toán vector bám đuổi với mô hình xử lý ngôn ngữ tự nhiên Whisper + Transformer nhằm mang lại khả năng tương tác giống một vật nuôi thực thụ.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng (Use Cases)

  • Hỗ trợ chăm sóc người cao tuổi độc thân: Đóng vai trò là vật nuôi đồng hành không gây dị ứng, có khả năng đi theo giám sát cơ bản và tạo ra các phản hồi cảm xúc thân thiện.
  • Thiết bị giáo dục STEM và giải trí cho trẻ em: Cung cấp nền tảng mã nguồn mở giúp học sinh, sinh viên tiếp cận trực quan với robot tự hành, thị giác máy tính và lập trình điều khiển tự động.
+-------------------------------------------------------------------+
|               LỘ TRÌNH TRIỂN KHAI DỰ ÁN (ROADMAP)                 |
+-------------------------------------------------------------------+
|  [Giai đoạn 1] Nghiên cứu & Thử nghiệm Prototype (Đã hoàn thành)  |
|  [Giai đoạn 2] Nhúng mô hình AI On-device qua NPU/Edge TPU (Q3/24) |
|  [Giai đoạn 3] Tích hợp LiDAR 2D & Bản đồ SLAM tự động (Q4/2024)  |
|  [Giai đoạn 4] Thử nghiệm thực địa tại viện dưỡng lão (Q1/2025)   |
+-------------------------------------------------------------------+

Phân tích hiệu quả kinh tế (ROI)

Chi phí linh kiện cho một nguyên mẫu (BOM cost) rơi vào khoảng $3{,}5 - 4{,}5\text{ triệu VNĐ}$ (~150–180 USD), thấp hơn 80% so với việc nhập khẩu các mẫu robot thương mại như EMO hay Loona. Khả năng nội địa hóa công nghệ chế tạo khung sườn và lập trình giải thuật mở ra tiềm năng thương mại hóa khả thi cho thị trường thiết bị chăm sóc gia đình tại Việt Nam.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Phụ thuộc vào mạng cục bộ: Mô hình suy luận AI hiện tại cần kết nối Wi-Fi liên tục với máy chủ trạm GPU, dễ bị gián đoạn nếu băng thông mạng không ổn định.
  • Hạn chế về địa hình: Cơ cấu vi sai bánh xe trơn chỉ hoạt động hiệu quả trên sàn phẳng trong nhà, chưa thể vượt qua các gờ cản cao $> 15\text{ mm}$ hoặc bậc thang.
  • Cảm biến định hướng âm thanh: Mạch analog Max4466 dễ bị ảnh hưởng bởi nhiễu âm môi trường có cường độ lớn ($> 75\text{ dB}$).

Hướng phát triển tiếp theo

  • Tối ưu hóa Edge AI On-device: Lượng tử hóa mô hình YOLOv8 và Whisper xuống định dạng INT8 để chạy trực tiếp trên các module vi xử lý tích hợp NPU (như Raspberry Pi 5 kết hợp AI Kit hoặc Jetson Orin Nano).
  • Tích hợp cảm biến LiDAR 2D: Ứng dụng giải thuật Cartographer SLAM giúp robot tự xây dựng bản đồ căn hộ, ghi nhớ vị trí các phòng và tự động tìm đường về trạm sạc không dây.

Đối tượng hưởng lợi

  • Sinh viên ngành Cơ điện tử, Robot và Tự động hóa: Tài liệu tham khảo toàn diện về tính toán động lực học, thiết kế mô phỏng FEA trên Ansys và điều khiển chuyển động vòng kín bằng PID.
  • Lập trình viên phát triển AI/IoT nhúng: Cung cấp mô hình tham chiếu hoàn chỉnh về việc truyền nhận luồng dữ liệu thời gian thực giữa thiết bị IoT (Raspberry Pi) và Server GPU qua Socket TCP/IP.
  • Các viện dưỡng lão và trung tâm chăm sóc sức khỏe: Tiếp cận giải pháp hỗ trợ tâm lý với chi phí thấp, thân thiện và an toàn tuyệt đối về mặt sinh học.
  • Nhà nghiên cứu khoa học: Khung nền tảng (framework) mở để thử nghiệm các thuật toán bám đối tượng nâng cao, nhận diện cảm xúc khuôn mặt và phân tích hành vi con người.

Câu hỏi thường gặp

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

Robot yêu cầu 01 bo mạch Raspberry Pi 4 (RAM tối thiểu 4GB), thẻ nhớ MicroSD 32GB Class 10, Webcam chuẩn UVC 720p/1080p, cụm nguồn pin $7{,}4\text{V} - 12\text{V}$ dòng xả tối thiểu 3A. Phía máy chủ xử lý AI cần máy tính trang bị card đồ họa NVIDIA (khuyến nghị từ GTX 1650 hoặc RTX 3050 trở lên, VRAM $\ge 4\text{GB}$) có cài đặt CUDA 11.8+ và PyTorch.

2. Robot xử lý tình huống mất kết nối mạng (Network Loss) như thế nào?

Khi mất tín hiệu kết nối Socket TCP/IP với Server trong thời gian vượt quá $500\text{ ms}$, bộ điều khiển an toàn trên Raspberry Pi sẽ tự động phát lệnh ngắt xung PWM về 0, hãm dừng động cơ tức thì và chuyển màn hình hiển thị biểu cảm sang trạng thái mất kết nối để đảm bảo an toàn.

3. Có thể chuyển toàn bộ mô hình AI sang chạy độc lập trên Raspberry Pi mà không cần Server không?

Có thể thực hiện được bằng cách chuyển đổi mô hình YOLOv8 sang định dạng NCNN hoặc TFLite với mức lượng tử hóa INT8. Tuy nhiên, tốc độ xử lý trên CPU Raspberry Pi 4 sẽ giảm xuống khoảng $4 - 6\text{ FPS}$. Để đạt tốc độ thời gian thực ($> 25\text{ FPS}$), khuyến nghị gắn thêm thanh tăng tốc AI rời như Google Coral USB Accelerator hoặc nâng cấp lên Raspberry Pi 5 AI Kit.

4. Chi phí bảo trì và độ bền cơ học của khung vỏ in 3D ra sao?

Khung in 3D bằng nhựa PLA/PETG có tuổi thọ vận hành trong nhà trên 3 năm nếu không tiếp xúc trực tiếp với nhiệt độ cao ($> 55^\circ\text{C}$). Nhờ cơ cấu truyền động trực tiếp không sử dụng xích/đai, hệ thống không đòi hỏi tra dầu định kỳ, chỉ cần vệ sinh bề mặt lốp cao su sau 6 tháng sử dụng.

5. Hệ thống nhận dạng giọng nói có hỗ trợ tiếng Việt không?

Mô hình OpenAI Whisper hỗ trợ nhận dạng tiếng Việt rất tốt ngay từ phiên bản base và small. Khi kết hợp với các bộ lọc chuẩn hóa chuỗi và mô hình đo khoảng cách ngữ nghĩa tiếng Việt đa ngôn ngữ, hệ thống đạt độ chính xác phân loại ý định trên $90%$.

Kết luận

Đề tài "Thiết kế và chế tạo robot thú cưng" của nhóm sinh viên Trường Đại học Sư phạm Kỹ thuật TP.HCM (HCMUTE) dưới sự hướng dẫn của TS. Bùi Hà Đức đã giải quyết thành công bài toán tích hợp liên ngành giữa Cơ khí chính xác, Điện tử nhúng và Trí tuệ nhân tạo. Nguyên mẫu robot hoàn chỉnh với kích thước $218 \times 236 \times 201\text{ mm}$, tải trọng $2{,}0\text{ kg}$, vận tốc tối đa $0{,}4\text{ m/s}$ đã chứng minh tính khả thi vượt trội trong việc tương tác thời gian thực, bám đuổi người dùng bằng thị giác máy tính và phản hồi ngôn ngữ thông minh.

Công trình không chỉ mang giá trị học thuật xuất sắc trong ứng dụng kỹ thuật chế tạo máy và tự động hóa, mà còn mở ra hướng tiếp cận thực tiễn, kinh tế cho ngành công nghiệp robot chăm sóc cá nhân tại Việt Nam. Toàn bộ mã nguồn, sơ đồ thiết kế cơ khí và thuật toán điều khiển sẵn sàng được chuyển giao và mở rộng cho cộng đồng nghiên cứu robot tự hành.