Bối cảnh và vấn đề nghiên cứu

Lý do chọn đề tài

Sự phát triển của trí tuệ nhân tạo và công nghệ thông tin đã thúc đẩy các dòng robot di động (Mobile Robot) ngày càng được ứng dụng rộng rãi trong đời sống và sản xuất. Trong lĩnh vực dịch vụ, robot có khả năng hỗ trợ đắc lực cho các hoạt động vận chuyển, phân phối hàng hóa và chăm sóc con người tại các không gian công cộng như nhà hàng, khách sạn, bệnh viện và siêu thị. Tại các siêu thị và trung tâm thương mại lớn, nhu cầu hỗ trợ mang vác hàng hóa là rất cần thiết đối với người cao tuổi, người bị suy giảm khả năng vận động, hoặc những khách hàng không muốn đẩy xe hàng truyền thống bằng tay.

Xuất phát từ nhu cầu thực tiễn đó, nhóm tác giả thuộc Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh đã thực hiện đề tài "Thiết kế và thi công robot di động bám người vận chuyển hàng". Đề tài tập trung giải quyết bài toán phân biệt mục tiêu với các đối tượng gây nhiễu, ước lượng khoảng cách và góc lệch để điều khiển xe tự hành bám theo người dùng ở một cự ly an toàn, đồng thời tích hợp cảm biến phát hiện chướng ngại vật trên đường di chuyển.

Mục tiêu và nhiệm vụ nghiên cứu

Đề tài xác định 4 nhiệm vụ kỹ thuật cụ thể:

  1. Xây dựng hệ thống cơ khí của robot có khả năng chịu tải hàng hóa tối đa $10\text{ kg}$.
  2. Xây dựng bộ điều khiển vi tích phân tỉ lệ (PID) đáp ứng chính xác tốc độ mong muốn cho các động cơ dẫn động.
  3. Xây dựng thuật toán xử lý ảnh và thị giác máy tính nhằm nhận dạng, theo dõi và bám theo mục tiêu khi có nhiều đối tượng gây nhiễu di chuyển trong khung hình.
  4. Xây dựng thuật toán phát hiện và dừng/tránh vật cản trong phạm vi hoạt động của robot.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Robot di động trên bánh xe (Mobile Robot) sử dụng cơ cấu truyền động 2 bánh vi sai ở giữa kết hợp 2 bánh tự lựa xoay $360^\circ$ (1 bánh trước, 1 bánh sau), tích hợp máy tính nhúng, vi điều khiển, camera RGB và cảm biến khoảng cách.
  • Phạm vi không gian và địa hình: Robot hoạt động trên bề mặt sàn bằng phẳng trong nhà (siêu thị, tòa nhà) và khu vực ngoài trời có điều kiện ánh sáng ổn định.
  • Giới hạn kỹ thuật:
    • Không xét trường hợp đối tượng mục tiêu và đối tượng gây nhiễu có ngoại hình quá tương đồng (sinh đôi, mặc trang phục hoàn toàn giống nhau).
    • Không hoạt động trong môi trường ánh sáng quá kém (quá tối hoặc bị chói lóa mạnh).
    • Vị trí và khoảng cách tới mục tiêu được xác định thông qua phương pháp ước lượng hình học từ ảnh 2D (không dùng cảm biến LiDAR hay camera chiều sâu 3D).
    • Tầm nhìn camera giới hạn trong góc từ $-45^\circ$ đến $+45^\circ$.
    • Trong quá trình thiết lập mục tiêu ban đầu, chỉ cho phép duy nhất một người giơ tay phải trong khung hình để robot ghi nhận và khóa mục tiêu.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình tính toán

  • Mô hình động học robot hai bánh vi sai: Thiết lập hệ phương trình động học thuận và nghịch chuyển đổi giữa hệ tọa độ toàn cục $(x, y, \theta)$ và hệ tọa độ cục bộ của robot $(x_B, y_B)$, xác định tâm quay tức thời (ICC), vận tốc dài $v_u$ và vận tốc góc $\omega$ thông qua vận tốc tiếp xúc mặt đất của bánh trái $v_L$ và bánh phải $v_R$.
  • Bộ điều khiển PID và bộ lọc thông thấp (Low-pass Filter): Xây dựng thuật toán điều khiển PID vận tốc vòng kín kết hợp phương trình sai phân bộ lọc thông thấp bậc nhất nhằm loại bỏ các thành phần dao động nhiễu tần số cao từ encoder động cơ.
  • Hiệu chỉnh camera (Camera Calibration): Khử biến dạng thấu kính (méo xuyên tâm với các hệ số $k_1, k_2, k_3$ và méo tiếp tuyến), xây dựng ma trận camera $3 \times 3$ dựa trên tiêu cự $(f_x, f_y)$ và tâm quang học $(c_x, c_y)$ để chuẩn hóa tọa độ không gian ảnh.
  • Mô hình OpenPose: Ứng dụng mạng nơ-ron tích chập (CNN) phát hiện 18 điểm khớp xương (keypoints) cơ thể người theo định dạng COCO từ luồng ảnh RGB.
  • Thuật toán theo dõi đa đối tượng (MOT): Kết hợp mạng trích xuất đặc trưng ngoại quan (Re-identification), bộ phân loại Naïve Bayes và thuật toán gán liên kết Global Nearest Neighbor (GNN) để duy trì bám đúng người dùng khi có đối tượng khác cắt ngang.
  • Hệ điều hành robot (ROS): Sử dụng kiến trúc giao tiếp phân tán dạng Master - Node - Topic - Message của ROS để quản lý đồng bộ dữ liệu xử lý ảnh, điều hướng và giao tiếp nối tiếp với vi điều khiển.

Phương pháp nghiên cứu

  • Phương pháp mô hình hóa và thiết kế cơ khí 3D: Sử dụng phần mềm SolidWorks để tính toán phân bố tải trọng, bố trí không gian chứa linh kiện điện tử và thiết kế khay chứa hàng.
  • Phương pháp module hóa hệ thống: Tách biệt và kiểm thử độc lập từng khối chức năng (khối nguồn, khối điều khiển động cơ, khối xử lý thị giác AI) trước khi tích hợp vào hệ thống tổng thể.
  • Phương pháp thực nghiệm kiểm chứng: Thực hiện đo đạc đáp ứng tốc độ động cơ (có tải và không tải), đo sai số ước lượng khoảng cách/chiều cao, và thử nghiệm bám người trong nhiều điều kiện thực tế (trong nhà, ngoài trời, bị che khuất một phần, có chướng ngại vật).

Nguồn dữ liệu

  • Luồng khung hình RGB thu nhận trực tiếp từ camera HBVCam độ phân giải 2D.
  • Bộ trọng số mô hình OpenPose và mạng trích xuất đặc trưng Re-ID huấn luyện trên tập dữ liệu chuẩn.
  • Tín hiệu xung từ encoder động cơ DC và tín hiệu đo khoảng cách từ cảm biến siêu âm HC-SR05.

Thiết kế và triển khai

Cấu hình phần cứng và linh kiện

Hệ thống phần cứng của robot được phân chia thành các khối chức năng cụ thể:

Khối chức năng Tên thiết bị / Linh kiện Quy cách / Thông số kỹ thuật Vai trò trong hệ thống
Xử lý trung tâm & AI Nvidia Jetson AGX Xavier Developer Kit CPU đa nhân, GPU Volta hỗ trợ AI Chạy hệ điều hành ROS, hiệu chỉnh ảnh, chạy mô hình OpenPose, Re-ID, MOT, tính toán góc lệch và khoảng cách
Vi điều khiển chấp hành Arduino Mega 2560 Vi điều khiển 8-bit AVR, nhiều cổng PWM/UART Nhận lệnh vận tốc $(v_u, \omega)$ từ ROS, đọc xung encoder, thực thi thuật toán PID lọc thông thấp, xuất PWM điều khiển động cơ
Cảm biến thị giác Camera HBVCam Chuẩn kết nối USB, cảm biến ảnh RGB Thu nhận hình ảnh người dùng và môi trường xung quanh
Cảm biến khoảng cách Cảm biến siêu âm HC-SR05 Sóng siêu âm, tầm đo $2\text{ cm} - 400\text{ cm}$ Phát hiện vật cản phía trước để dừng khẩn cấp hoặc giảm tốc
Động cơ dẫn động 02 Động cơ Planet DC có chổi than Điện áp $24\text{ VDC}$, công suất $60\text{ W}$, tốc độ $320\text{ RPM}$ Dẫn động 2 bánh xe chủ động ở giữa thân xe, tích hợp encoder phản hồi vận tốc
Mạch công suất Mạch cầu H XY-160D Mạch cầu H kép chịu dòng cao Khuếch đại công suất điều khiển chiều và tốc độ 2 động cơ
Bánh xe Bánh xe nhôm + Bánh xe tự lựa 02 bánh nhôm $\varnothing 145\text{ mm}$ (trục $8\text{ mm}$); 02 bánh tự lựa $360^\circ$ 2 bánh nhôm dẫn động vi sai ở giữa; 2 bánh tự lựa đặt ở đầu và đuôi xe để giữ cân bằng
Nguồn điện Khối pin Lithium-ion Pin 6S $24\text{ VDC}$ ($6.000\text{ mAh}$, xả $40\text{ A}$); Pin 3S $12\text{ VDC}$ ($15.000\text{ mAh}$, xả $65\text{ A}$) Khối 6S cấp nguồn cho mạch cầu H và động cơ; Khối 3S cấp cho Jetson Xavier, Arduino và cảm biến
Thiết bị an toàn & Giao tiếp Nút dừng khẩn cấp, nút nhấn đơn LA38-11D, đèn AD16-22DS Nút nhấn khẩn cấp dạng xoay, nút nhấn màu xanh/đỏ, đèn LED báo Ngắt nguồn động cơ khi có sự cố, nút Start bắt đầu nhận diện mục tiêu, đèn chỉ thị trạng thái
Khung vỏ cơ khí Thép tấm, nhôm định hình, vỏ Mica Kích thước $500 \times 400 \times 850\text{ mm}$ Tấm đế thép chịu lực, khay chứa hàng tải trọng $10\text{ kg}$, vỏ mica che chắn linh kiện điện

Kiến trúc phần mềm và nguyên lý vận hành

Phần mềm điều khiển được tổ chức trên nền tảng ROS với quy trình vận hành từng bước:

  1. Khởi tạo và thiết lập mục tiêu: Người dùng nhấn nút Start (LA38-11D màu xanh). Người dùng đứng trước camera ở cự ly ban đầu khoảng $2\text{ m}$ và thực hiện động tác giơ tay phải. Node nhận dạng phát hiện cử chỉ qua 18 keypoints của OpenPose, trích xuất đặc trưng ngoại quan (Re-ID) và gán nhãn ID cho mục tiêu.
  2. Theo dõi và ước lượng tọa độ: Trong các khung hình tiếp theo, thuật toán MOT kết hợp Naïve Bayes và GNN theo dõi vị trí của mục tiêu trong không gian ảnh 2D. Thuật toán ước lượng khoảng cách $d$ và góc lệch $\alpha$ dựa trên tỷ lệ kích thước bounding box và tọa độ pixel của các khớp cơ thể.
  3. Điều hướng chuyển động: Node điều khiển tính toán vận tốc dài mong muốn $v_u$ và vận tốc góc $\omega$ sao cho robot luôn hướng về người dùng và duy trì cự ly an toàn lớn hơn $1\text{ m}$. Lệnh vận tốc được truyền nối tiếp xuống Arduino Mega 2560.
  4. Điều khiển vòng kín tại vi điều khiển: Arduino đọc tín hiệu encoder, áp dụng bộ lọc thông thấp để làm mịn tín hiệu phản hồi, tính sai số và đưa qua bộ điều khiển PID nhằm điều chỉnh PWM xuất ra mạch cầu H XY-160D.
  5. Tránh vật cản: Nếu cảm biến siêu âm HC-SR05 phát hiện có chướng ngại vật trong cự ly nguy hiểm phía trước, robot tự động giảm tốc hoặc dừng lại để đảm bảo an toàn.

Nội dung chính theo từng chương

Chương 1. TỔNG QUAN

Chương 1 trình bày tổng quan về đề tài:

  • Trình bày tính cấp thiết của việc phát triển robot dịch vụ hỗ trợ con người trong bối cảnh cuộc Cách mạng Công nghiệp 4.0 và sự bùng nổ của trí tuệ nhân tạo.
  • Khảo sát tình hình nghiên cứu Mobile Robot trên thế giới (điển hình như robot phục vụ bàn Matradee của RichTech Robotics, robot giao hàng LEO và CLEO tại Chicago, giỏ hàng tự hành WiiGo của Bồ Đào Nha).
  • Tổng hợp tình hình phát triển trong nước (robot công nghiệp NextAMR của FPT Software, AMR300 của IROCO, xe kéo hàng Thouzer của Vuletech) và các đề tài nghiên cứu robot tự hành tại Trường Đại học Sư phạm Kỹ thuật TP.HCM (xe đẩy siêu thị K18, robot tự hành công nghiệp K18, robot vượt địa hình K18).
  • Xác định rõ mục tiêu, phương pháp thực hiện theo từng module, nội dung 6 chương báo cáo và 7 giới hạn kỹ thuật của đề tài.

Chương 2. CƠ SỞ LÝ THUYẾT

Chương 2 cung cấp toàn bộ nền tảng toán học và kỹ thuật phục vụ việc thiết kế hệ thống:

  • Phân tích cấu hình chuyển động của Mobile Robot, so sánh các kiểu sắp xếp bánh xe và lựa chọn cơ cấu 2 bánh vi sai ở giữa kết hợp 2 bánh tự lựa.
  • Trình bày lý thuyết xử lý ảnh số 2D, các tiêu chí đánh giá mô hình thị giác máy tính bao gồm IoU, Precision, Recall, Average Precision (AP tính theo phương pháp nội suy 11 điểm) và Mean Average Precision (mAP).
  • Mô hình hóa toán học quá trình hiệu chỉnh camera nhằm triệt tiêu méo xuyên tâm và méo tiếp tuyến thông qua ma trận camera $3 \times 3$.
  • Thiết lập hệ phương trình động học thuận và nghịch cho robot hai bánh vi sai, công thức xác định vận tốc dài $v_u$, vận tốc góc $\omega$ và vận tốc 2 bánh xe $v_L, v_R$.
  • Nguyên lý bộ điều khiển PID số và phương trình sai phân bộ lọc thông thấp (Low-pass Filter) xử lý tín hiệu encoder.
  • Cấu trúc hệ điều hành ROS (Master, Node, Message, Topic) và kiến trúc mạng nơ-ron sâu OpenPose ước tính tư thế người qua 18 keypoints chuẩn COCO.

Chương 3. TÍNH TOÁN VÀ THIẾT KẾ PHẦN CỨNG

Chương 3 chi tiết hóa quá trình tính toán, lựa chọn linh kiện và thiết kế cơ khí:

  • Phân tích yêu cầu thiết kế hệ thống: Khả năng mang tải $10\text{ kg}$, vận tốc cực đại $1,5\text{ m/s}$ ($5,4\text{ km/h}$), kích thước tổng thể $500 \times 400 \times 850\text{ mm}$.
  • Tính toán mô-men xoắn, lực ma sát lăn và lựa chọn 2 động cơ Planet 24VDC 60W (320 RPM), khối pin 6S 24VDC 6.000mAh cho động cơ và khối pin 3S 12VDC 15.000mAh cho mạch điều khiển/máy tính nhúng.
  • Thiết lập sơ đồ khối kết nối phần cứng giữa máy tính nhúng Jetson AGX Xavier, vi điều khiển Arduino Mega 2560, mạch cầu H XY-160D, cảm biến siêu âm HC-SR05, nút dừng khẩn cấp và hệ thống nút nhấn/đèn báo.
  • Thiết kế mô hình 3D trên SolidWorks gồm: Tấm đế thép chịu lực, khung nhôm định hình, vỏ bọc mica xung quanh, tấm đỡ hàng hóa phía trên và hộp chứa mạch điều khiển bên trong thân xe.

Chương 4. THIẾT KẾ PHẦN MỀM

Chương 4 trình bày cấu trúc thuật toán và chương trình điều khiển:

  • Xây dựng lưu đồ tổng quát điều khiển hệ thống trên nền tảng ROS, quy định nguyên lý vận hành qua 3 trạng thái: Khởi động - Nhận diện kích hoạt (giơ tay phải) - Bám mục tiêu duy trì cự ly $> 1\text{ m}$.
  • Xử lý tiền xử lý ảnh: Triển khai ma trận hiệu chỉnh camera và lựa chọn tần số cắt cho bộ lọc thông thấp tín hiệu vận tốc động cơ.
  • Trích xuất 18 keypoints cơ thể người bằng mô hình OpenPose và xây dựng giải thuật phát hiện cử chỉ giơ tay phải để khóa mục tiêu ban đầu.
  • Ứng dụng mạng nơ-ron sâu trích xuất đặc trưng Re-ID, bộ phân loại Naïve Bayes và thuật toán Global Nearest Neighbor (GNN) để theo dõi đa đối tượng (MOT), giải quyết xung đột khi có người lạ đi xen ngang mục tiêu.
  • Xây dựng mô hình hình học ước lượng cự ly $d$ và góc lệch $\alpha$ giữa tâm người dùng và robot trong không gian thực, chuyển đổi thành lệnh điều khiển vận tốc $(v_u, \omega)$ gửi xuống Arduino Mega 2560.

Chương 5. KẾT QUẢ - NHẬN XÉT – ĐÁNH GIÁ

Chương 5 công bố các kết quả thực nghiệm và đánh giá hệ thống:

  • Kết quả thi công phần cứng: Hoàn thiện kết cấu cơ khí và tủ điện điều khiển, hệ thống dây dẫn được bố trí gọn gàng trong thân xe bọc mica, xe vận hành vững chắc khi mang tải $10\text{ kg}$.
  • Kết quả điều khiển PID: Khi chưa có bộ lọc thông thấp, tín hiệu vận tốc đo từ encoder có độ gợn sóng rất lớn; sau khi bổ sung bộ lọc thông thấp, đáp ứng vận tốc của cả 2 động cơ trở nên mượt mà, bám sát giá trị đặt ở cả chế độ chạy không tải và có tải $10\text{ kg}$.
  • Kết quả ước lượng vị trí: Sai số ước lượng chiều cao và cự ly mục tiêu nằm trong giới hạn cho phép ở dải hoạt động từ $1\text{ m}$ đến $2\text{ m}$.
  • Kết quả thuật toán xử lý ảnh và bám người: Robot thực hiện bám mục tiêu thành công trong các kịch bản:
    • Di chuyển theo người khi không có đối tượng gây nhiễu (trong nhà và ngoài trời).
    • Bám đúng mục tiêu khi có nhiều người khác di chuyển cắt ngang hoặc đi cùng hướng.
    • Theo dõi mục tiêu khi có người vóc dáng tương đồng đi cùng hoặc mục tiêu có sự thay đổi nhẹ về trang phục.
    • Duy trì bám khi mục tiêu bị đối tượng gây nhiễu che khuất nửa người.
    • Tự động dừng lại khi cảm biến siêu âm phát hiện vật cản chắn ngang đường đi.
  • Nhận xét các trường hợp lỗi: Robot bị mất dấu khi mục tiêu bị che khuất hoàn toàn trong thời gian dài, hoặc khi đối tượng gây nhiễu có trang phục và hình dáng quá giống mục tiêu ban đầu.

Chương 6. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

Chương 6 tổng kết các thành tựu của đề tài và đề ra các giải pháp nâng cấp trong tương lai:

  • Khẳng định nhóm đã thiết kế, thi công và thử nghiệm thành công robot di động bám người phục vụ vận chuyển hàng trong siêu thị, đáp ứng các tiêu chuẩn cơ khí, phần cứng nhúng và xử lý ảnh AI.
  • Đề xuất các hướng nghiên cứu tiếp theo nhằm nâng cấp thuật toán theo dõi ghi nhớ sâu mục tiêu ban đầu, bổ sung tính năng tự hành quay về trạm sạc sau khi sử dụng (Navigation/SLAM), và tối ưu hóa kết cấu cơ khí để tăng tính thẩm mỹ và tiện dụng.

Kết quả và đóng góp

Kết quả thực nghiệm chính

Hệ thống robot hoàn chỉnh đạt được các thông số kỹ thuật và kết quả vận hành thực tế:

Hạng mục / Tiêu chí Thông số thiết kế / Mục tiêu Kết quả thực nghiệm đạt được
Tải trọng hàng hóa Tối đa $10\text{ kg}$ Chịu tải $10\text{ kg}$ ổn định, không biến dạng cơ khí
Vận tốc di chuyển cực đại $1,5\text{ m/s}$ ($5,4\text{ km/h}$) Đạt dải vận tốc bám người thực tế $0,5 - 1,5\text{ m/s}$
Kích thước tổng thể $500 \times 400 \times 850\text{ mm}$ Đúng kích thước thiết kế theo bản vẽ SolidWorks
Khoảng cách bám an toàn Duy trì cự ly $> 1\text{ m}$ Giữ khoảng cách ổn định ở cự ly khoảng $1 - 2\text{ m}$
Bộ điều khiển PID động cơ Bám tốc độ đặt, giảm rung giật Đáp ứng tốt khi kết hợp bộ lọc thông thấp (cả có tải và không tải)
Xử lý thị giác & Bám người OpenPose + Re-ID + GNN Bám chính xác mục tiêu khi có người gây nhiễu, che khuất một phần
Tránh vật cản Tự dừng khi có vật cản Cảm biến siêu âm HC-SR05 kích hoạt dừng xe kịp thời

Đóng góp kỹ thuật của đồ án

  • Tích hợp liên ngành hoàn chỉnh: Kết hợp thành công giữa thiết kế cơ khí chính xác, mạch điện tử công suất, vi điều khiển cấp thấp (Arduino Mega 2560) và hệ thống tính toán biên cao cấp (Nvidia Jetson AGX Xavier) thông qua hệ điều hành ROS.
  • Giải pháp bám người bằng camera 2D giá thành hợp lý: Thay vì sử dụng các hệ thống cảm biến đắt tiền như LiDAR 3D hoặc Camera chiều sâu (Depth Camera), đề tài đã đề xuất giải pháp ước lượng khoảng cách và góc lệch hình học kết hợp mô hình trích xuất 18 keypoints của OpenPose trên ảnh RGB thông thường.
  • Nâng cao chất lượng điều khiển động cơ vi sai: Ứng dụng thành công bộ lọc thông thấp vào vòng phản hồi encoder của bộ điều khiển PID, loại bỏ hiện tượng giật cục do nhiễu số và tăng độ êm ái khi robot chuyển hướng.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế tồn tại

  • Việc ước lượng vị trí dựa trên camera 2D còn phụ thuộc vào tỷ lệ khung hình và tư thế đứng của mục tiêu, dẫn đến sai số khi người dùng cúi hoặc ngồi.
  • Robot chưa có khả năng phân biệt mục tiêu nếu đối tượng gây nhiễu có độ tương đồng quá cao (sinh đôi, trang phục giống hệt).
  • Hệ thống bị mất dấu mục tiêu nếu bị che khuất hoàn toàn trong một khoảng thời gian dài.
  • Chưa tích hợp tính năng định vị toàn cục và lập bản đồ (SLAM) nên robot chưa thể tự hành quay về điểm xuất phát sau khi người dùng kết thúc phiên mua sắm.
  • Góc quan sát của camera cố định bị giới hạn trong khoảng từ $-45^\circ$ đến $+45^\circ$.

Hướng phát triển tiếp theo

  • Nâng cấp phần cứng và thuật toán tracking để ghi nhớ sâu các đặc trưng nhận dạng của người dùng đầu tiên, cho phép tái nhận diện và tự động tìm lại mục tiêu sau khi bị mất dấu hoàn toàn.
  • Tích hợp thêm cảm biến LiDAR và thuật toán SLAM/Navigation để robot tự động di chuyển về trạm sạc hoặc vị trí ban đầu trong không gian siêu thị.
  • Tối ưu hóa kết cấu cơ khí, giảm khối lượng khung xe và cải thiện tính thẩm mỹ công nghiệp để tăng tính thân thiện với người dùng.

Giá trị tham khảo

Tài liệu đồ án tốt nghiệp này mang lại giá trị tham khảo hữu ích cho:

  • Sinh viên và học viên ngành Kỹ thuật Điều khiển và Tự động hóa, Cơ điện tử, Kỹ thuật Robot: Tham khảo phương pháp tính toán động học robot 2 bánh vi sai, thiết kế phần cứng nhúng kết nối Arduino với máy tính nhúng, và phương pháp tinh chỉnh bộ điều khiển PID kết hợp bộ lọc thông thấp.
  • Sinh viên và nhà nghiên cứu ngành Công nghệ Thông tin, Trí tuệ nhân tạo, Thị giác máy tính: Tham khảo quy trình triển khai mô hình OpenPose, thuật toán Re-ID, Naïve Bayes, và giải thuật GNN trên nền tảng hệ điều hành ROS (Robot Operating System).
  • Kỹ sư phát triển sản phẩm robot dịch vụ: Cung cấp tài liệu thiết kế thực tế từ tính toán công suất động cơ, lựa chọn dung lượng pin, thiết kế vỏ khung chịu tải đến lưu đồ giải thuật điều khiển bám người an toàn.

Câu hỏi thường gặp

1. Robot sử dụng cấu hình truyền động và cơ cấu bánh xe như thế nào?

Robot sử dụng cấu hình truyền động 2 bánh vi sai độc lập đặt ở giữa thân xe (dẫn động bởi 2 động cơ Planet 24VDC 60W qua bánh xe nhôm đường kính $145\text{ mm}$), kết hợp 2 bánh xe tự lựa xoay tự do $360^\circ$ đặt ở phía trước và phía sau để giữ thăng bằng và định hướng chuyển động.

2. Người dùng làm thế nào để kích hoạt chế độ cho robot nhận diện và bám theo mình?

Người dùng nhấn nút nhấn Start màu xanh trên thân robot, sau đó đứng đối diện camera ở khoảng cách ban đầu khoảng $2\text{ m}$ và thực hiện động tác giơ tay phải. Mô hình OpenPose nhận diện tư thế này để trích xuất đặc trưng ngoại quan (Re-ID), khóa mục tiêu và bắt đầu quá trình bám theo.

3. Tác dụng của bộ lọc thông thấp trong mạch điều khiển động cơ là gì?

Tín hiệu phản hồi vận tốc từ encoder động cơ thường chứa nhiều thành phần dao động nhiễu tần số cao, khiến bộ điều khiển PID xuất tín hiệu PWM không ổn định. Bộ lọc thông thấp giúp làm mịn tín hiệu phản hồi vận tốc, loại bỏ nhiễu tần số cao, giúp hệ thống bám tốc độ đặt êm ái và không bị giật cục.

4. Robot xử lý tình huống có người lạ cắt ngang mục tiêu bằng cách nào?

Hệ thống sử dụng kiến trúc mạng thần kinh sâu trích xuất đặc trưng nhận dạng người (Re-ID), kết hợp bộ phân loại Naïve Bayes và thuật toán liên kết Global Nearest Neighbor (GNN) trong bài toán theo dõi đa đối tượng (Multi-Object Tracking - MOT) để phân biệt giữa người dùng mục tiêu và các đối tượng gây nhiễu xung quanh.

5. Khả năng chịu tải và vận tốc tối đa của robot là bao nhiêu?

Theo tính toán thiết kế và kết quả thực nghiệm, robot có khả năng mang tải trọng hàng hóa tối đa $10\text{ kg}$, đạt vận tốc di chuyển cực đại $1,5\text{ m/s}$ ($5,4\text{ km/h}$) và duy trì khoảng cách bám an toàn với người dùng ở cự ly lớn hơn $1\text{ m}$.

Kết luận

Đồ án tốt nghiệp "Thiết kế và thi công robot di động bám người vận chuyển hàng" đã hoàn thành toàn diện các mục tiêu đề ra từ tính toán cơ khí, thiết kế hệ thống điện nhúng đến xây dựng thuật toán điều khiển và thị giác máy tính. Mô hình thực nghiệm chứng minh khả năng chịu tải $10\text{ kg}$, vận hành ổn định nhờ bộ điều khiển PID có lọc thông thấp và bám người chính xác trong nhiều kịch bản phức tạp bằng mô hình OpenPose tích hợp trên Jetson AGX Xavier. Đây là công trình kỹ thuật có tính ứng dụng thực tiễn cao, đóng vai trò là tài liệu tham khảo giá trị cho các nghiên cứu phát triển robot dịch vụ thông minh trong tương lai.