Giới thiệu dự án

Trong kỷ nguyên tự động hóa và trí tuệ nhân tạo (AI - Artificial Intelligence), thị trường robot dịch vụ và giáo dục toàn cầu đang ghi nhận tốc độ tăng trưởng kép hàng năm (CAGR) đạt hơn 21,5% giai đoạn 2023–2030. Đa số các dòng robot công nghiệp truyền thống được tối ưu hóa cho các dây chuyền lắp ráp và gia công cố định, thiếu tính tương tác trực quan thời gian thực với con người trong các bài toán đối kháng trí tuệ. Cờ vua – trò chơi chiến thuật với không gian trạng thái lên tới xấp xỉ $10^{120}$ thế cờ (Shannon number) – là môi trường thử nghiệm chuẩn mực cho sự kết hợp giữa thuật toán tìm kiếm cây, mạng nơ-ron đánh giá thế cờ và kỹ thuật điều khiển cơ điện tử chính xác.

Khoảng trống công nghệ hiện nay nằm ở việc các hệ thống chơi cờ tự động thương mại thường dùng bàn cờ từ tính ngầm dưới mặt bàn (thiếu tính trực quan cơ học của cánh tay robot) hoặc sử dụng các cánh tay robot công nghiệp 6 bậc tự do (6-DoF) có chi phí đắt đỏ (từ $5.000 đến $20.000), tiêu thụ điện năng lớn và kích thước cồng kềnh. Do đó, việc xây dựng một hệ thống robot chơi cờ vật lý nhỏ gọn, giá thành thấp, tích hợp thị giác máy tính và động cơ chấp hành độ chính xác cao là một thách thức kỹ thuật giàu tính thực tiễn.

+-------------------------------------------------------------------------+
|                          HỆ THỐNG ROBOT ĐÁNH CỜ VUA                     |
+-------------------------------------------------------------------------+
| [Camera 2K ICON Q-20] ---> (Thu nhận hình ảnh bàn cờ 28x28cm)           |
|                                     |                                   |
|                                     v                                   |
| [Laptop Xử Lý Trung Tâm]                                                |
|   ├── OpenCV 4.8: Hiệu chuẩn Perspective Transform & Phân loại RGB      |
|   ├── python-chess: Kiểm tra tính hợp lệ của nước đi                    |
|   └── Stockfish 14 (NNUE HalfKAv2): Tính toán nước cờ tối ưu (Elo 3500+)|
|                                     |                                   |
|                                     v G-Code / UART (115200 bps)        |
| [Vi điều khiển Arduino Mega 2560]                                       |
|   └── Bo mở rộng RAMPS 1.4 + 3x Driver A4988 (1/16 Microstepping)       |
|                                     |                                   |
|                                     v Xung Bước Step/Dir & PWM          |
| [Cơ cấu cơ khí chấp hành SCARA]                                         |
|   ├── 3x Động cơ bước NEMA 17 (Khớp quay J1, J2 & Trục Z nâng/hạ)       |
|   └── 1x Động cơ Servo MG90S (Bộ kẹp End-Effector gắp/nhả quân)         |
+-------------------------------------------------------------------------+

Mục tiêu đề tài

  1. Nghiên cứu và triển khai thuật toán thị giác máy tính: Xây dựng module nhận diện trạng thái bàn cờ thời gian thực bằng camera 2K thông qua thư viện OpenCV, đạt độ chính xác phát hiện nước đi trên 99%.
  2. Tích hợp Engine cờ vua Stockfish NNUE: Khai thác công nghệ mạng nơ-ron HalfKAv2 kết hợp thuật toán cắt tỉa Alpha-Beta để tính toán nước đi thông minh với độ trễ phản hồi dưới 1,5 giây.
  3. Thiết kế và chế tạo phần cứng robot SCARA: Chế tạo cánh tay robot dạng SCARA (Selective Compliance Assembly Robot Arm) bằng công nghệ in 3D FDM, hoạt động bao phủ hoàn toàn bàn cờ tiêu chuẩn kích thước 28 cm x 28 cm.
  4. Xây dựng hệ thống điều khiển nhúng: Lập trình giải thuật động học ngược (Inverse Kinematics - IK) trên Arduino Mega 2560 và bo RAMPS 1.4 điều khiển 3 động cơ bước NEMA 17 và 1 servo kẹp MG90S.

Giải pháp kỹ thuật và kết quả kỳ vọng

Hệ thống sử dụng cơ chế liên lạc phân tầng: Máy tính xách tay chịu trách nhiệm xử lý tác vụ nặng (thị giác máy tính và AI engine), sau đó truyền tọa độ không gian làm việc qua giao tiếp nối tiếp (Serial/UART) đến Arduino Mega 2560 để giải toán động học và phát xung điều khiển driver A4988.

  • Độ chính xác định vị End-Effector: Sai số sai lệch vị trí tâm ô cờ $\le 1,0\text{ mm}$.
  • Thời gian thực hiện chu kỳ gắp - đặt (Pick & Place): $\le 4,5\text{ giây/nước đi}$.
  • Công suất tiêu thụ: Toàn tải $\le 62,75\text{ W}$, sử dụng nguồn cấp kép ổn định $12\text{V } 5\text{A}$ và $5\text{V } 2\text{A}$.
  • Độ bền hoạt động: Vận hành liên tục từ 4 đến 5 giờ không quá nhiệt động cơ và mạch công suất.

Phạm vi và giới hạn

  • Hệ thống vận hành trên bàn cờ chuẩn kích thước cố định $28\text{ cm} \times 28\text{ cm}$, kích thước mỗi ô cờ $3,5\text{ cm} \times 3,5\text{ cm}$, chiều cao quân cờ từ $2,7\text{ cm}$ (tốt) đến $5,3\text{ cm}$ (vua).
  • Không tự huấn luyện mạng AI mới từ đầu mà khai thác trọng số mô hình nơ-ron NNUE nhúng trong Stockfish engine mã nguồn mở.
  • Trường hợp phong cấp tốt (Pawn Promotion) ngoài quân Hậu yêu cầu người chơi xác nhận lựa chọn trên giao diện phần mềm.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Hiện nay trên thế giới tồn tại 3 cấu trúc robot chơi cờ chính:

Tiêu chí so sánh Hệ thống bàn cờ từ tính ngầm (Cartesian XY CoreXY) Robot công nghiệp đa trục (6-DoF Articulated Arm) Mô hình đề tài (Robot SCARA 2-DoF + Trục Z)
Tính trực quan Thấp (quân cờ tự trượt trên mặt phẳng) Rất cao (chuyển động 3D không gian tự do) Cao (gắp nhả cơ học trực diện từ trên cao)
Độ phức tạp cơ khí Trung bình (dây đai, ray trượt tuyến tính) Rất cao (hộp số hành tinh, harmonic drive) Trung bình (in 3D, khớp quay đơn giản)
Chi phí chế tạo Thấp ($150 - $300) Rất cao ($3.000 - $15.000) Thấp ($100 - $150)
Độ tin cậy gắp nhả Trung bình (dễ kẹt khi va chạm quân) Rất cao ($\pm 0,05\text{ mm}$) Tốt ($\pm 0,5\text{ mm}$ sau hiệu chuẩn)
Tính di động Cồng kềnh, gắn liền bàn cờ Rất nặng (> 15 kg), cố định một chỗ Gọn nhẹ (~ 2,0 kg), dễ tháo lắp di chuyển

Yêu cầu kỹ thuật theo mô hình MoSCoW

  • Must have (Bắt buộc): Nhận diện chính xác 64 ô cờ và màu quân cờ (trắng/đen/trống); gắp thả quân cờ chính xác không làm đổ quân xung quanh; chặn các nước đi sai luật (ví dụ: nước đi không hợp lệ $e1e4$ của vua).
  • Should have (Nên có): Tự động phát hiện trạng thái kết thúc ván cờ (Chiếu bí - Checkmate, Hòa cờ - Stalemate); tự động căn chỉnh góc xoay bàn cờ bằng phép biến đổi hình học (Perspective Warp).
  • Could have (Có thể mở rộng): Tùy chỉnh cấp độ Elo của AI từ 1200 đến 3500; tích hợp giọng nói thông báo nước đi.
  • Won't have (Chưa thực hiện): Tự động sắp xếp lại toàn bộ 32 quân cờ về vị trí ban đầu sau khi ván đấu kết thúc.

Thiết kế kiến trúc phần cứng và công nghệ

Hệ thống sử dụng ngăn xếp công nghệ (Technology Stack) tích hợp phần cứng và phần mềm chuyên dụng:

+--------------------------------------------------------------------------------+
|                             CẤU TRÚC PHẦN MỀM HỆ THỐNG                         |
+--------------------------------------------------------------------------------+
|  TẦNG ỨNG DỤNG & AI (Python 3.10)                                             |
|  ├── Computer Vision Module: OpenCV 4.8.0, NumPy 1.24                          |
|  │     └── Pipeline: 2K Capture -> Perspective Transform -> ROI RGB StdDev     |
|  ├── Chess Rules & Logic: python-chess 1.99.0                                  |
|  └── Chess Engine: Stockfish 14 / 16 NNUE (HalfKAv2 Architecture)              |
+--------------------------------------------------------------------------------+
                                      | Giao tiếp PySerial (Baudrate: 115200)
                                      v
+--------------------------------------------------------------------------------+
|  TẦNG ĐIỀU KHIỂN NHÚNG (Arduino C++ / Marlin Core)                             |
|  ├── Hardware: ATmega2560 @ 16MHz, RAMPS 1.4 Shield                            |
|  ├── Driver Control: 3x A4988 (1/16 Microstepping: 3200 steps/rev)             |
|  ├── Kinematics Engine: Inverse Kinematics (Law of Cosines Solver)             |
|  └── Actuators: 3x Stepper NEMA 17 (0.44 Nm), 1x Micro Servo MG90S             |
+--------------------------------------------------------------------------------+

+--------------------------------------------------------------------------------+
|                       BẢN ĐỒ PHÂN PHỐI NGUỒN CÔNG SUẤT                         |
+--------------------------------------------------------------------------------+
|  [Nguồn Tổ Ong 12V - 5A (60W)]                                                 |
|     └──> RAMPS 1.4 ──> 3x Driver A4988 ──> 3x NEMA 17 (P_max = 36W)           |
|                                                                                |
|  [Nguồn Độc Lập 5V - 2A (10W)]                                                 |
|     ├──> Arduino Mega 2560 Logic (P = 2W)                                      |
|     ├──> Servo MG90S Kẹp Cờ (P_peak = 1,2W)                                    |
|     └──> Đèn LED Trợ Sáng & Cảm Biến                                           |
|                                                                                |
|  [Cổng USB Laptop 5V - 0.5A] ──> Webcam 2K ICON Q-20 (P = 2,5W)                |
|  ----------------------------------------------------------------------------  |
|  TỔNG CÔNG SUẤT TIÊU THỤ: 62.75 W  <  CÔNG SUẤT CUNG CẤP: 70.0 W (An Toàn)     |
+--------------------------------------------------------------------------------+

Phương pháp luận phát triển (Methodology)

Dự án áp dụng mô hình phát triển linh hoạt theo mô hình V-model kết hợp lặp ngắn (Iterative Prototyping):

  1. Giai đoạn 1 (Tuần 1–4): Thiết kế mô hình 3D khung cơ khí SCARA trên phần mềm CAD, tính toán giới hạn mô-men xoắn khớp, in 3D thử nghiệm (vật liệu PLA/PETG, độ dày lớp $0,22\text{ mm}$, độ đặc Infill 25%).
  2. Giai đoạn 2 (Tuần 5–8): Thiết kế mạch điện, tích hợp Arduino Mega 2560 + RAMPS 1.4, lập trình động học ngược giải tích, kiểm thử độ dịch chuyển sai số đầu cuối.
  3. Giai đoạn 3 (Tuần 9–12): Phát triển module thị giác máy tính OpenCV, căn chỉnh ma trận chuyển đổi phối cảnh, ghép nối Stockfish 14 NNUE Engine.
  4. Giai đoạn 4 (Tuần 13–16): Tích hợp toàn diện phần cứng - phần mềm, đánh giá thực nghiệm 50 ván cờ liên tục, tối ưu hóa thời gian xử lý và nhiệt độ driver.

Implementation và kết quả

Chi tiết thuật toán và giải pháp kỹ thuật

1. Động học ngược cho cánh tay robot phẳng 2 khâu (SCARA Inverse Kinematics)

Robot sử dụng cơ cấu SCARA gồm 2 khâu liên kết quay $L_1$ và $L_2$ trên mặt phẳng $XY$, cùng với một trục dịch chuyển thẳng $Z$ gắn đầu kẹp servo:

                  (X, Y) [End-Effector]
                   /
                  /  L2
                 /
  (X1, Y1) o----o [Khớp quay 2 - Góc Theta 2]
          /
         /  L1
        /
   (0,0) [Khớp gốc J1 - Góc Theta 1]

Để đưa đầu gắp đến tọa độ đích $(X, Y)$ trên bàn cờ, các góc khớp $\theta_1$ ($D_1$) và $\theta_2$ ($D_2$) được tính toán bằng phương pháp giải tích dựa trên Định lý hàm số Cosine:

$$\cos(\theta_2) = \frac{X^2 + Y^2 - L_1^2 - L_2^2}{2 L_1 L_2}$$

$$\theta_2 = \text{atan2}\left(\pm \sqrt{1 - \cos^2(\theta_2)}, \cos(\theta_2)\right)$$

$$\theta_1 = \text{atan2}(Y, X) - \text{atan2}\left(L_2 \sin(\theta_2), L_1 + L_2 \cos(\theta_2)\right)$$

Đoạn mã Python giải thuật động học ngược và truyền G-Code điều khiển:

import math
import serial
import time

class SCARAKinematics:
    def __init__(self, l1=160.0, l2=160.0, port='/dev/ttyACM0', baudrate=115200):
        self.L1 = l1  # Chiều dài khâu 1 (mm)
        self.L2 = l2  # Chiều dài khâu 2 (mm)
        self.ser = serial.Serial(port, baudrate, timeout=1)
        time.sleep(2)  # Chờ khởi động vi điều khiển

    def inverse_kinematics(self, x, y):
        # Tính khoảng cách từ gốc tới điểm đích
        r_sq = x**2 + y**2
        cos_theta2 = (r_sq - self.L1**2 - self.L2**2) / (2 * self.L1 * self.L2)
        
        # Kiểm tra điều kiện vùng làm việc (Workspace Reachability)
        if not (-1.0 <= cos_theta2 <= 1.0):
            raise ValueError(f"Tọa độ ({x}, {y}) nằm ngoài không gian làm việc của robot!")
            
        # Chọn cấu hình khuỷu tay (Elbow-down configuration)
        sin_theta2 = math.sqrt(1 - cos_theta2**2)
        theta2 = math.atan2(sin_theta2, cos_theta2)
        
        k1 = self.L1 + self.L2 * cos_theta2
        k2 = self.L2 * sin_theta2
        theta1 = math.atan2(y, x) - math.atan2(k2, k1)
        
        return math.degrees(theta1), math.degrees(theta2)

    def send_move_command(self, x, y, z_down=False, grip=False):
        deg1, deg2 = self.inverse_kinematics(x, y)
        z_pos = 15.0 if z_down else 60.0  # Độ cao nâng/hạ trục Z (mm)
        grip_angle = 90 if grip else 0     # Góc mở/đóng Servo MG90S
        
        # Đóng gói lệnh G-code gửi qua cổng nối tiếp đến RAMPS 1.4
        gcode = f"G1 A{deg1:.2f} B{deg2:.2f} Z{z_pos:.2f} E{grip_angle} F2000\n"
        self.ser.write(gcode.encode('utf-8'))
        response = self.ser.readline().decode('utf-8')
        return response

2. Xử lý ảnh và nhận diện trạng thái bàn cờ (OpenCV Perspective Transformation)

Camera độ phân giải 2K (Webcam ICON Q-20) được cố định từ trên cao, hướng vuông góc với mặt bàn cờ. Để loại bỏ biến dạng góc nhìn và thay đổi phối cảnh, thuật toán sử dụng phép biến đổi phối cảnh 4 điểm (cv2.getPerspectiveTransform) để đưa vùng bàn cờ $28\text{ cm} \times 28\text{ cm}$ về ma trận kích thước chuẩn $800 \times 800\text{ pixels}$.

  Ảnh gốc góc nghiêng Camera                   Ảnh chuẩn hóa 8x8 Ma trận
    (x0,y0)------(x1,y1)                       (0,0)------------(800,0)
       \            /        cv2.warpPerspective   |   |   |   |    |
        \  Bàn cờ  /       --------------------->  |---|---|---|----|
         \        /                                |   |   |   |    |
       (x3,y3)--(x2,y2)                        (0,800)--------(800,800)

Trạng thái mỗi ô cờ ($100 \times 100\text{ pixels}$) được xác định thông qua việc tính giá trị trung bình cường độ màu ($\mu$) và độ lệch chuẩn ($\sigma$ - Standard Deviation) trên các kênh RGB:

$$\mu = \frac{1}{N} \sum_{i=1}^N I(x_i, y_i), \quad \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^N (I(x_i, y_i) - \mu)^2}$$

Đoạn mã phân tích trạng thái ô cờ:

import cv2
import numpy as np

def analyze_board_state(warped_image, prev_matrix):
    cell_size = warped_image.shape[0] // 8
    current_matrix = [["." for _ in range(8)] for _ in range(8)]
    
    for row in range(8):
        for col in range(8):
            # Cắt vùng trung tâm của ô cờ (ROI) để tránh viền ô
            y1 = row * cell_size + int(cell_size * 0.2)
            y2 = (row + 1) * cell_size - int(cell_size * 0.2)
            x1 = col * cell_size + int(cell_size * 0.2)
            x2 = (col + 1) * cell_size - int(cell_size * 0.2)
            
            roi = warped_image[y1:y2, x1:x2]
            mean_val, std_dev = cv2.meanStdDev(roi)
            brightness = np.mean(mean_val)
            variance = np.mean(std_dev)
            
            # Ngưỡng phát hiện ô trống, quân trắng, quân đen
            if variance < 18.0:
                current_matrix[row][col] = "."  # Ô trống
            elif brightness > 120.0:
                current_matrix[row][col] = "W"  # Quân trắng
            else:
                current_matrix[row][col] = "B"  # Quân đen
                
    return current_matrix

3. Tích hợp AI Engine Stockfish NNUE

Engine Stockfish 14 sử dụng kiến trúc HalfKAv2 với đầu vào $11 \times 64 \times 64 = 45.056$ đặc trưng kết hợp với vector biến đổi tuyến tính $2 \times 520$. Quá trình giao tiếp giữa tầng ứng dụng và Stockfish diễn ra thông qua giao thức chuẩn Universal Chess Interface (UCI):

import chess
import chess.engine

def compute_best_move(fen_position, depth=15, time_limit=1.0):
    board = chess.Board(fen_position)
    # Khởi tạo tiến trình Stockfish NNUE Engine
    with chess.engine.SimpleEngine.popen_uci("/usr/games/stockfish") as engine:
        # Cấu hình sử dụng mạng nơ-ron NNUE và đa luồng
        engine.configure({"Use NNUE": True, "Threads": 4, "Hash": 256})
        result = engine.play(board, chess.engine.Limit(time=time_limit, depth=depth))
        return result.move.uci()  # Trả về chuỗi nước đi, ví dụ: 'c7c5'

Kết quả thử nghiệm và đánh giá thực nghiệm

Quá trình thử nghiệm thực tế với 50 ván cờ đối kháng trực tiếp giữa người dùng và robot ghi nhận các số liệu vận hành sau:

Thông số đánh giá Giá trị thiết kế ban đầu Kết quả thực nghiệm đạt được Mức độ hoàn thành
Độ chính xác nhận diện ô cờ (CV Accuracy) $\ge 98,0%$ $99,4%$ (497/500 nước đi chính xác) Vượt $1,4%$
Sai số vị trí đầu gắp (End-Effector Error) $\le \pm 1,5\text{ mm}$ $\pm 0,8\text{ mm}$ Đạt yêu cầu
Thời gian tính toán nước đi của AI $\le 2,0\text{ giây}$ $0,45 - 1,12\text{ giây}$ (ở độ sâu depth=15) Vượt $44%$
Thời gian gắp - di chuyển - nhả quân $\le 6,0\text{ giây}$ $4,2\text{ giây/nước đi}$ Rút ngắn $30%$
Tỷ lệ từ chối nước đi phạm luật (Illegal Move) $100%$ $100%$ (Phát hiện ngay lập tức) Hoàn hảo
Nhiệt độ hoạt động của Driver A4988 $\le 65^\circ\text{C}$ $48,5^\circ\text{C}$ (có quạt tản nhiệt RAMPS) Rất an toàn 
+-------------------------------------------------------------------------+
|                  MINH HỌA QUY TRÌNH THỰC THI NƯỚC ĐI                    |
+-------------------------------------------------------------------------+
| [Bước 1: Người chơi di chuyển] ---> Đi quân Mã từ g1 đến f3 (mg1f3)     |
|                                       |                                 |
| [Bước 2: Camera quét & CV xử lý] ---> Xác nhận nước đi hợp lệ           |
|                                       |                                 |
| [Bước 3: Stockfish NNUE tính toán]-> Quyết định nước đáp trả: c7c5      |
|                                       |                                 |
| [Bước 4: Arduino & RAMPS 1.4]  ---> IK tính góc A, B; Trục Z hạ xuống   |
|                                       |                                 |
| [Bước 5: Cơ cấu kẹp MG90S]     ---> Gắp Tốt đen c7 -> Di chuyển đến c5  |
|                                       |                                 |
| [Bước 6: Hoàn tất & Reset]     ---> Nhả cờ -> Robot trở về vị trí Home  |
+-------------------------------------------------------------------------+

Đổi mới và đóng góp

  1. Kiến trúc điều khiển Hybrid thông minh: Tách biệt hoàn toàn tầng tính toán thị giác máy tính/mạng nơ-ron chuyên sâu trên CPU máy tính xách tay và tầng giải thuật chuyển động thời gian thực (Real-time Kinematics) trên vi điều khiển ATmega2560, giải quyết triệt để vấn đề nghẽn cổ chai tài nguyên phần cứng nhúng.
  2. Thuật toán xử lý ảnh bền vững với ánh sáng môi trường: Thay vì chỉ sử dụng ngưỡng nhị phân cố định (Fixed Thresholding), hệ thống tích hợp kết hợp chỉ số độ lệch chuẩn màu ($\sigma$) và độ sáng cục bộ trên từng ô cờ đã qua phép nắn ảnh phối cảnh, giúp giảm tỷ lệ nhận diện sai do bóng tay người chơi xuống dưới $0,6%$.
  3. Cơ cấu SCARA in 3D tối ưu hóa khối lượng: Cấu trúc cánh tay được thiết kế rỗng dạng tổ ong chịu lực với độ đặc $25%$, giảm $42%$ trọng lượng quán tính khớp so với các cánh tay nhôm đúc, cho phép động cơ NEMA 17 đạt gia tốc góc lớn mà không bị trượt bước (Step Loss).
  4. Tích hợp mạng nơ-ron NNUE HalfKAv2 tiên tiến: Đưa sức mạnh đại kiện tướng quốc tế (Elo 3500+) vào một mô hình phần cứng kinh tế, đem lại trải nghiệm học tập và huấn luyện cờ vua tiêu chuẩn cho người dùng.

Ứng dụng thực tế và triển khai

Trường hợp sử dụng thực tế (Use Cases)

  • Giáo dục STEM & Đào tạo học đường: Làm học cụ mẫu trong các phòng thí nghiệm Robotics, IoT và Hệ thống nhúng tại các trường đại học, minh họa trực quan sự kết hợp giữa Cơ học giải tích, Thị giác máy tính và Trí tuệ nhân tạo.
  • Huấn luyện viên cờ vua tự động: Đóng vai trò bạn tập vật lý thực tế cho các kỳ thủ tại các câu lạc bộ cờ vua, loại bỏ cảm giác nhìn màn hình máy tính liên tục trong thời gian dài.
  • Robot trưng bày và tương tác công cộng: Phục vụ các triển lãm khoa học công nghệ, trung tâm thương mại nhằm thu hút người dùng trải nghiệm sự tương tác giữa người và máy.

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

+-----------------------------------------------------------------------+
|                 BẢNG BÓC TÁCH CHI PHÍ LINH KIỆN (BOM)                 |
+-----------------------------------------------------------------------+
| 1. Vi điều khiển Arduino Mega 2560 R3         :  220.000 VNĐ          |
| 2. Bo mạch mở rộng RAMPS 1.4 Shield           :   95.000 VNĐ          |
| 3. 3x Mạch điều khiển động cơ bước A4988      :   75.000 VNĐ          |
| 4. 3x Động cơ bước NEMA 17 (0.44 Nm)          :  360.000 VNĐ          |
| 5. 1x Động cơ Micro Servo MG90S bánh răng kim :   45.000 VNĐ          |
| 6. Webcam 2K ICON Q-20 góc rộng               :  380.000 VNĐ          |
| 7. Nguồn tổ ong 12V 5A + Adapter 5V 2A        :  180.000 VNĐ          |
| 8. Vật liệu in 3D (Nhựa PLA/PETG ~600g)       :  150.000 VNĐ          |
| 9. Bàn cờ, bulong, ốc vít, dây đai GT2        :  120.000 VNĐ          |
| --------------------------------------------------------------------  |
| TỔNG CHI PHÍ PHẦN CỨNG                        : 1.625.000 VNĐ (~$65)  |
+-----------------------------------------------------------------------+

So với một cánh tay robot công nghiệp dạng giáo dục 6-DoF như Dobot Magician ($1.400 - $2.000) hoặc bàn cờ DGT e-Board ($600 - $900), hệ thống của đề tài tiết kiệm hơn $85%$ chi phí chế tạo trong khi vẫn đảm bảo đầy đủ các chức năng gắp nhả và tương tác thông minh.

Hạn chế và hướng phát triển

Hạn chế hiện tại

  • Xử lý phong cấp tốt (Pawn Promotion): Cơ cấu kẹp hiện tại chưa có khoang chứa riêng cho các quân cờ phụ (quân Xe, Tượng, Mã phụ), do đó khi phong cấp ngoài quân Hậu vẫn cần người chơi hỗ trợ thay thế quân cờ vật lý.
  • Bắt cờ qua đường (En Passant) và Nhập thành (Castling): Cần chuỗi hành động gắp nhả 2 lần liên tiếp, làm tăng thời gian chu kỳ thực thi lên khoảng $8,5\text{ giây}$.
  • Độ nhạy sáng cực đoan: Nếu môi trường bị thay đổi ánh sáng đột ngột (từ đèn huỳnh quang sang bóng tối hoàn toàn), thuật toán phân tích màu RGB cục bộ có thể gặp sai lệch nhẹ.

Hướng phát triển tiếp theo

  • Nâng cấp Camera chiều sâu (Depth Camera): Tích hợp camera RGB-D (như Intel RealSense D435) để tái tạo đám mây điểm 3D (Point Cloud), nhận diện chiều cao chính xác của từng loại quân cờ mà không phụ thuộc vào màu sắc ánh sáng.
  • Đầu gắp nam châm điện / Giác hút chân không: Thay thế cơ cấu kẹp cơ khí bằng giác hút khí nén mini hoặc nam châm điện điều khiển, tăng độ linh hoạt khi gắp các quân cờ có hình dạng đỉnh phức tạp.
  • Hệ điều hành Robot chuyên dụng (ROS 2): Chuyển dịch toàn bộ kiến trúc phần mềm sang ROS 2 Humble trên bo máy tính nhúng NVIDIA Jetson Orin Nano, hợp nhất toàn bộ hệ thống xử lý vào một khối độc lập không cần máy tính xách tay bên ngoài.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------+
|                        CÁC NHÓM ĐỐI TƯỢNG HƯỞNG LỢI                     |
+-------------------------------------------------------------------------+
|                                                                         |
| [Sinh viên & Học viên STEM] ──────────> Tiếp cận mô hình thực hành tích |
|                                         hợp hoàn chỉnh: IK + CV + AI.   |
|                                                                         |
| [Kỹ sư Hệ thống nhúng & IoT] ─────────> Tham khảo kiến trúc phân tầng   |
|                                         giao tiếp Serial & RAMPS 1.4.   |
|                                                                         |
| [Nhà nghiên cứu AI & Robotics] ───────> Nền tảng thử nghiệm các engine  |
|                                         cờ vua và thuật toán lập quỹ đạo|
|                                                                         |
| [Câu lạc bộ & Trung tâm Cờ vua] ──────> Sở hữu robot đối kháng vật lý   |
|                                         chi phí thấp phục vụ giảng dạy. |
+-------------------------------------------------------------------------+
  • Sinh viên và học viên ngành Kỹ thuật: Tiếp cận tài liệu thực tế toàn diện từ cơ khí in 3D, giải tích động học robot phẳng, xử lý ảnh OpenCV cho đến điều khiển động cơ bước qua vi điều khiển.
  • Kỹ sư lập trình nhúng: Nắm bắt kỹ thuật tối ưu hóa luồng dữ liệu giữa máy tính cấp cao và bo vi điều khiển cấp thấp thông qua định dạng bản tin nối tiếp tùy biến tốc độ cao.
  • Trung tâm giáo dục và đào tạo: Khả năng tự đóng gói và sản xuất hàng loạt các bộ kit robot đánh cờ với ngân sách dưới 2 triệu đồng/bộ để giảng dạy.

Câu hỏi thường gặp

1. Yêu cầu cấu hình máy tính để vận hành hệ thống là gì?

Hệ thống yêu cầu máy tính chạy hệ điều hành Windows 10/11 hoặc Linux (Ubuntu 20.04/22.04), CPU tối thiểu Intel Core i3 thế hệ 8 hoặc tương đương, RAM 4GB, có ít nhất 2 cổng USB 2.0 (1 cổng kết nối Webcam 2K, 1 cổng kết nối nạp mã và gửi lệnh cho Arduino Mega 2560). Không bắt buộc trang bị GPU rời do mô hình NNUE của Stockfish đã được biên dịch tối ưu hóa hoàn toàn cho tập lệnh vector CPU (AVX2/SSE4.1).

2. Làm thế nào để hệ thống xử lý khi người chơi đi một nước cờ phạm luật?

Khi người chơi thực hiện một nước đi sai luật (ví dụ: nước đi $e1e4$ từ thế cờ không hợp lệ), module python-chess sẽ đối chiếu nước đi này với danh sách board.legal_moves. Nếu không hợp lệ, phần mềm sẽ hiển thị cảnh báo bằng văn bản trên màn hình, đồng thời phát âm thanh cảnh báo và khóa quyền điều khiển của robot, yêu cầu người chơi hoàn trả quân cờ về vị trí cũ trước khi tiếp tục.

3. Tại sao hệ thống chọn cấu trúc SCARA thay vì cánh tay Robot 6-DoF?

Bàn cờ vua là một không gian làm việc phẳng 2D ($XY$) với các thao tác gắp nhả vuông góc theo phương thẳng đứng ($Z$). Cấu trúc robot SCARA tối ưu hóa hoàn hảo cho bài toán này với 2 bậc tự do quay phẳng và 1 bậc tự do tịnh tiến $Z$. Cấu trúc này triệt tiêu hoàn toàn các biến dạng do trọng trường tác động lên khớp theo phương ngang, giảm thiểu độ rơ lắc cơ khí và giúp giải thuật động học ngược giải tích chạy với độ phức tạp tính toán chỉ $\mathcal{O}(1)$.

4. Hệ thống cần bảo trì định kỳ những thành phần nào?

Định kỳ sau 50 giờ hoạt động cần kiểm tra độ căng của 2 dây đai truyền động GT2 nối từ động cơ bước NEMA 17 tới các khớp khâu $L_1, L_2$; bôi trơn nhẹ trục vít me bước của trục $Z$; và vệ sinh bề mặt ống kính camera 2K bằng khăn mềm để tránh hiện tượng mờ ảnh hưởng đến độ chính xác nhận diện màu sắc ô cờ.

5. Chi phí chế tạo và thời gian thu hồi vốn cho câu lạc bộ cờ vua như thế nào?

Tổng chi phí linh kiện phần cứng cho một hệ thống hoàn chỉnh chỉ xấp xỉ 1.625.000 VNĐ. Nếu triển khai tại một trung tâm đào tạo cờ vua với tần suất sử dụng làm bàn đấu mẫu thu hút học viên mới, thời gian hoàn vốn đầu tư trang thiết bị ước tính dưới 2 tháng hoạt động.

Kết luận

Đồ án tốt nghiệp "Xây dựng hệ thống robot đánh cờ vua" của tác giả Nguyễn Tiến Đạt (Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh) đã giải quyết thành công bài toán tích hợp liên ngành giữa Cơ điện tử, Hệ thống nhúng và Trí tuệ nhân tạo. Bằng việc kết hợp hài hòa giữa cấu trúc cơ khí SCARA in 3D chính xác, thư viện thị giác máy tính OpenCV 4.8 và trí tuệ nhân tạo Stockfish NNUE HalfKAv2 đỉnh cao, hệ thống đã chứng minh tính khả thi vượt trội với độ chính xác nhận diện $99,4%$, sai số gắp nhả dưới $1,0\text{ mm}$ và chi phí sản xuất cực kỳ tối ưu. Đây là nền tảng vững chắc mở ra hướng ứng dụng rộng rãi cho các dòng robot dịch vụ, giáo dục tương tác thông minh tại Việt Nam.