Tổng quan về luận án

Luận án "Nghiên cứu điều khiển rô bốt tay máy di động bám mục tiêu trên cơ sở sử dụng thông tin hình ảnh" của Lê Văn Chung là một công trình khoa học tiên phong trong lĩnh vực Kỹ thuật điều khiển và tự động hóa, giải quyết các thách thức then chốt trong điều khiển rô bốt sử dụng thị giác máy tính. Nghiên cứu này đặt trong bối cảnh phát triển mạnh mẽ của các hệ thống tự động hóa và nhu cầu gia tăng về rô bốt di động thông minh trong nhiều lĩnh vực như sản xuất, y tế, an ninh quốc phòng. Đặc biệt, luận án tập trung vào khả năng nhìn và xử lý thông tin hình ảnh để rô bốt có thể theo dõi đối tượng mục tiêu di động trong môi trường phi cấu trúc, đồng thời tối ưu hóa quá trình di chuyển và bám mục tiêu.

Research Gap SPECIFIC với citations từ literature: Mặc dù đã có nhiều công trình nghiên cứu về điều khiển rô bốt sử dụng thông tin hình ảnh, nhưng vẫn tồn tại những hạn chế đáng kể.

  1. Hạn chế về thông tin 3D từ một camera: "việc sử dụng 1 camera trên rô bốt di động chỉ cho phép theo dõi đầy đủ thông tin của mục tiêu khi biết trước mặt phẳng di chuyển của mục tiêu hay việc sử dụng 2 camera cho phép đáp ứng nhiều yêu cầu nhưng chưa xét tới các sự suy biến của ma trận Jacobian ảnh tác động tới khả năng bám của hệ thống." Điều này yêu cầu bổ sung các cảm biến khoảng cách hoặc các điều kiện ràng buộc cụ thể, như được thảo luận bởi Ngô Mạnh Tiến [2], [3] và Phạm Đức Long [7].
  2. Vấn đề suy biến ma trận Jacobian ảnh trong hệ stereo camera: Khi sử dụng hệ thống hai camera để định vị mục tiêu trong không gian 3D, ma trận Jacobian ảnh thường không vuông (ví dụ: (3x6) hoặc (3x2) khi kết hợp với ma trận Jacobian của pan-tilt). "ma trận Jacobian ảnh của hệ stereo camera không vuông là nguyên nhân của các điểm kỳ dị khi lấy nghịch đảo ma trận này." Điều này dẫn đến khó khăn nghiêm trọng trong việc lấy giả nghịch đảo của ma trận, gây ra các điểm kỳ dị và làm suy giảm khả năng bám mục tiêu của hệ thống, đặc biệt trong các chuyển động phức tạp. Công trình của Cai, C. và cộng sự [20] đã đề xuất giải pháp cho camera cố định nhưng chưa được nghiên cứu triệt để cho hệ thống di động.
  3. Ảnh hưởng của các tham số bất định và nhiễu: "mô hình toán học của rô bốt thường khó đạt độ chính xác tuyệt đối vì trong hệ thống chứa nhiều tham số bất định như việc đo đạc các tham số ban đầu hay các hệ số ma sát, mô men quán tính…, lại thường thay đổi trong quá trình hoạt động." Những yếu tố này làm giảm độ chính xác và tính bền vững của các bộ điều khiển truyền thống.
  4. Thách thức trong điều khiển hệ phức hợp: Việc kết hợp điều khiển động lực học của hai rô bốt (rô bốt di động và hệ pan-tilt mang stereo camera) và tối ưu hóa hoạt động của chúng để vừa theo dõi mục tiêu, vừa di chuyển bám theo mục tiêu một cách hiệu quả vẫn còn nhiều vấn đề cần giải quyết.

Research questions và hypotheses: Để giải quyết các vấn đề trên, luận án tập trung vào các câu hỏi nghiên cứu sau:

  1. Làm thế nào để phát triển các phương pháp điều khiển rô bốt sử dụng thông tin hình ảnh từ hệ stereo camera để bám mục tiêu di động khi có nhiều tham số bất định và nhiễu?
  2. Có thể xây dựng một phương pháp thiết lập ma trận Jacobian ảnh vuông cho hệ stereo camera trên hệ pan-tilt để loại bỏ các điểm kỳ dị, từ đó cải thiện hiệu suất bám mục tiêu không?
  3. Làm thế nào để tích hợp hiệu quả các thuật toán điều khiển hiện đại như mạng nơ ron, điều khiển trượt, và điều khiển tối ưu để bù đắp các tham số bất định và tối ưu hóa khả năng bám mục tiêu của hệ thống rô bốt di động – pan-tilt – stereo camera phức hợp?

Các giả thuyết chính bao gồm:

  • H1: Việc sử dụng một mô hình camera 3D ảo có thể giúp tạo ra ma trận Jacobian ảnh vuông (3x3) cho hệ pan-tilt stereo camera, loại bỏ sự suy biến và tăng cường khả năng theo dõi đối tượng chuyển động phức tạp.
  • H2: Bộ điều khiển mạng nơ ron nhân tạo (RBF) với thuật học online có khả năng bù đắp hiệu quả các tham số bất định trong mô hình rô bốt và các ma trận Jacobian, duy trì hiệu suất bám mục tiêu ngay cả khi thông tin mô hình không hoàn hảo (ví dụ: 80% chính xác).
  • H3: Việc xây dựng mô hình động lực học tổng hợp cho hệ thống rô bốt di động – pan-tilt – stereo camera kết hợp với các thuật toán điều khiển trượt và tối ưu sẽ mang lại hiệu suất bám mục tiêu vượt trội và khả năng di chuyển linh hoạt trong không gian 3D.

Theoretical framework với tên theories cụ thể: Luận án được xây dựng dựa trên nền tảng của nhiều lý thuyết điều khiển tiên tiến:

  • Lý thuyết Visual Servoing: Khung cơ bản để điều khiển rô bốt dựa trên thông tin hình ảnh, bao gồm cả Image-Based Visual Servoing (IBVS) và Position-Based Visual Servoing (PBVS) (Hashimoto [33]).
  • Lý thuyết Động học và Động lực học rô bốt: Để mô hình hóa chính xác chuyển động và phản ứng lực của hệ pan-tilt và rô bốt di động (Lewis et al. [48]).
  • Lý thuyết Ổn định Lyapunov và Bổ đề Barbalat: Được sử dụng rộng rãi để chứng minh tính ổn định tiệm cận của các hệ thống điều khiển đề xuất (Keith Dupree et al. [44]).
  • Lý thuyết Mạng nơ ron nhân tạo (Neural Networks): Đặc biệt là mạng RBF (Radial Basis Function) với định lý Stone-Weierstrass [81] để xấp xỉ các hàm phi tuyến và bù đắp các bất định trong mô hình.
  • Lý thuyết Điều khiển Trượt (Sliding Mode Control - SMC): Phương pháp điều khiển mạnh mẽ chống lại nhiễu và bất định, thường kết hợp với phương pháp tính mô men (Computed Torque Control - CTC) (Yang Fang et al. [84]).
  • Lý thuyết Điều khiển Tối ưu (Optimal Control): Đặc biệt là chuẩn tối ưu bình phương tối thiểu (Linear–Quadratic Regulator - LQR), để tối thiểu hóa sai số bám và năng lượng điều khiển (Marian Baroudi et al. [51], Jian Fang et al. [38]).

Đóng góp đột phá với quantified impact: Luận án mang lại những đóng góp đột phá với tác động rõ ràng:

  1. Giải pháp cho suy biến ma trận Jacobian ảnh: Đề xuất một phương pháp xây dựng ma trận Jacobian ảnh vuông (3x3) cho hệ stereo camera di động thông qua mô hình camera 3D ảo. Điều này loại bỏ các điểm kỳ dị, một hạn chế lớn được nêu bởi Cai, C. và cộng sự [20] cho camera cố định, mở rộng khả năng theo dõi mục tiêu chuyển động phức tạp mà không bị mất bám.
  2. Bộ điều khiển nơ ron bền vững với tham số bất định: Phát triển bộ điều khiển mạng nơ ron RBF với thuật học online, có khả năng bù đắp hiệu quả các tham số bất định trong mô hình rô bốt, ma trận Jacobian ảnh và rô bốt, cũng như nhiễu bên ngoài. Bộ điều khiển này đã được chứng minh hoạt động tốt ngay cả khi các tham số mô hình chỉ chắc chắn được 80%, đảm bảo tính bền vững của hệ thống.
  3. Mô hình động lực học và thuật toán điều khiển tích hợp cho hệ phức hợp: Lần đầu tiên, một mô hình động lực học tổng hợp được xây dựng cho hệ thống kết hợp rô bốt di động ba bánh (hai bánh chủ động) và hệ pan-tilt mang stereo camera. Trên cơ sở đó, hai thuật toán điều khiển mới được thiết kế (điều khiển trượt CTC và điều khiển tối ưu theo chuẩn bình phương tối thiểu), mang lại hiệu suất bám mục tiêu ưu việt hơn so với các phương pháp trượt thông thường, đặc biệt về sai số bám mục tiêu.
  4. Tối ưu hóa tham số mạng nơ ron: Đã cải tiến một số tham số trong bộ điều khiển nơ ron bằng cách sử dụng giải thuật di truyền (GA – Genetic Algorithm), góp phần nâng cao hiệu suất tổng thể của bộ điều khiển.

Scope (sample size, timeframe) và significance: Phạm vi nghiên cứu bao gồm hệ pan-tilt mang 2 camera (stereo camera) và rô bốt di động di chuyển bằng 3 bánh xe (2 bánh chủ động) trong điều kiện có nhiều tham số bất định. Các yếu tố bất định và nhiễu được giả định là bị chặn. Luận án tập trung vào việc xử lý thông tin từ các điểm tính năng trên ảnh sau xử lý để đưa ra tham số điều khiển rô bốt, không đi sâu vào hiệu chỉnh camera hay thu nhận/xử lý ảnh thô. Các mô phỏng kiểm chứng được thực hiện trên Matlab Simulink, sử dụng kích thước ảnh chuẩn của camera EyeRIS 2.1 (176x144 pixels), nhằm đánh giá hiệu quả của các thuật toán đề xuất trong các kịch bản di chuyển mục tiêu khác nhau (đường thẳng, cung tròn, tốc độ thay đổi). Luận án được hoàn thành vào năm 2019, đại diện cho những tiến bộ đáng kể trong lĩnh vực điều khiển rô bốt sử dụng thị giác máy tính trong khoảng thời gian nghiên cứu đó. Ý nghĩa của đề tài nằm ở việc cung cấp các giải pháp lý thuyết và thực tiễn vững chắc, đóng góp vào việc phát triển các rô bốt thông minh hơn, có khả năng tương tác tốt hơn với môi trường thực tế và các đối tượng di động.

Literature Review và Positioning

Nghiên cứu về điều khiển rô bốt sử dụng thông tin hình ảnh đã trải qua nhiều giai đoạn phát triển, từ các hệ thống đơn giản sử dụng một camera đến các cấu hình phức tạp với nhiều camera và cảm biến bổ trợ.

Synthesis của major streams với TÊN TÁC GIẢ và NĂM cụ thể: Dòng nghiên cứu chính có thể được chia thành hai nhánh lớn: sử dụng 1 camera và sử dụng 2 camera (stereo camera).

  • Hệ thống 1 camera: Các nghiên cứu ban đầu thường tập trung vào điều khiển hướng của mục tiêu. Oscar, N. và cộng sự [43], cũng như các công bố [71], [76], [77], [78], chỉ xác định được hướng của mục tiêu, yêu cầu một máy đo khoảng cách bổ sung hoặc các ràng buộc cụ thể để ước tính khoảng cách [56]. Trong nước, PGS.TSKH Phạm Thượng Cát [8] đã tổng hợp nhiều kết quả về điều khiển rô bốt công nghiệp sử dụng một camera. Ngô Mạnh Tiến [2], [3] tập trung vào phát triển phần cứng và thuật toán điều khiển thích nghi cho hệ pan-tilt một camera. Phạm Đức Long [7] nghiên cứu xử lý ảnh song song CNN cho rô bốt di động một camera.
  • Hệ thống 2 camera (Stereo Camera): Để giải quyết vấn đề khoảng cách trong môi trường phi cấu trúc, việc sử dụng hai camera trở thành một giải pháp quan trọng. Các tác giả như Masaaki Shibata, Hideki Eto, Masahide Ito [37], [49], Wook bahn [82], Tae-Il K [29], và các công bố [63], [28], [86] đã chứng minh khả năng xác định thông số 3D về vị trí và hướng mục tiêu từ ảnh stereo. Nhóm tác giả Đặng Tâm Trung [1] đã nghiên cứu hệ thống định vị 3D sử dụng stereo camera.
  • Kiểm soát suy biến ma trận Jacobian: Một thách thức lớn với hệ stereo camera là sự suy biến của ma trận Jacobian ảnh, đặc biệt khi nó không vuông. Cai, C. và cộng sự [20] đã đưa ra giải pháp xây dựng ma trận Jacobian ảnh vuông cho hệ stereo camera đặt cố định, nhằm điều khiển rô bốt gắp đối tượng.

Contradictions/debates với ít nhất 2 opposing views:

  • Hiệu quả của 1 camera so với 2 camera: Một luồng quan điểm cho rằng 1 camera đủ cho nhiều tác vụ nếu có thông tin về mặt phẳng di chuyển hoặc cảm biến khoảng cách phụ trợ (Ngô Mạnh Tiến [3]). Ngược lại, quan điểm khác, mà luận án này ủng hộ, cho rằng 2 camera cung cấp thông tin đầy đủ hơn về vị trí và khoảng cách 3D, vượt trội trong môi trường phi cấu trúc và các chuyển động phức tạp, là sự kế thừa từ tự nhiên với đa số loài động vật bậc cao có 2 mắt.
  • Tính chính xác của mô hình so với tính bền vững của bộ điều khiển: Một số nghiên cứu tập trung vào việc xây dựng mô hình toán học cực kỳ chính xác cho rô bốt và camera. Tuy nhiên, trên thực tế, mô hình luôn chứa các tham số bất định. Do đó, một luồng nghiên cứu khác, được luận án này theo đuổi, tập trung vào phát triển các bộ điều khiển mạnh mẽ (ví dụ: mạng nơ ron, điều khiển trượt) có khả năng chống chịu nhiễu và bất định, thay vì phụ thuộc hoàn toàn vào độ chính xác của mô hình. C.S Kim và các đồng nghiệp [26] đã giải quyết vấn đề bất định trong mô hình 5 bậc tự do nhưng chỉ điều khiển 2 khớp pan-tilt mang 1 camera.

Positioning trong literature với specific gap identified: Luận án này định vị mình ở giao điểm của điều khiển rô bốt, thị giác máy tính, và điều khiển thích nghi/bền vững. Cụ thể, nó lấp đầy khoảng trống nghiên cứu bằng cách:

  • Mở rộng giải pháp Jacobian vuông của Cai, C. và cộng sự [20] (chỉ áp dụng cho camera cố định) cho hệ thống stereo camera di động gắn trên pan-tilt, cho phép theo dõi các đối tượng chuyển động phức tạp.
  • Tích hợp các kỹ thuật điều khiển hiện đại như mạng nơ ron RBF với thuật học online để đối phó một cách mạnh mẽ với các tham số bất định (được mô tả là hoạt động tốt ngay cả khi tham số mô hình chỉ chắc chắn được 80%) và nhiễu bên ngoài, một điểm yếu trong nhiều phương pháp điều khiển cổ điển (Huiguang, L. [37]).
  • Xây dựng một mô hình động lực học và các thuật toán điều khiển tổng hợp cho hệ thống rô bốt di động – pan-tilt – stereo camera phức hợp, giải quyết thách thức về việc kết hợp điều khiển hai rô bốt riêng biệt.

How this advances field với concrete contributions: Luận án này thúc đẩy lĩnh vực điều khiển rô bốt sử dụng thông tin hình ảnh bằng cách cung cấp một khuôn khổ toàn diện và mạnh mẽ cho việc bám mục tiêu di động:

  • Cải thiện đáng kể độ tin cậy của hệ thống visual servoing stereo camera bằng cách loại bỏ các điểm kỳ dị của ma trận Jacobian ảnh thông qua một mô hình 3D ảo độc đáo.
  • Nâng cao tính bền vững và khả năng thích ứng của rô bốt trước các điều kiện hoạt động không lý tưởng (tham số bất định, nhiễu).
  • Đề xuất các giải pháp điều khiển tích hợp cho các hệ thống rô bốt phức tạp, mở ra hướng ứng dụng trong các nhiệm vụ đòi hỏi sự phối hợp cao như giám sát, tìm kiếm cứu nạn, hoặc tác vụ công nghiệp.

So sánh với ÍT NHẤT 2 international studies:

  1. So sánh với Cai, C. và cộng sự (2014) [20]: Công trình của Cai và cộng sự tại hội nghị IEEE/RSJ (IROS) năm 2014 đã đề xuất cách xây dựng ma trận Jacobian ảnh vuông cho hệ stereo camera. Tuy nhiên, nghiên cứu đó chỉ tập trung vào hệ thống stereo camera đặt cố định để điều khiển rô bốt gắp đối tượng. Luận án này đã mở rộng đóng góp đó bằng cách phát triển một phương pháp tương tự nhưng áp dụng cho hệ thống di động – hệ pan-tilt stereo camera – cho phép theo dõi đối tượng chuyển động phức tạp trong không gian 3D. Điều này giải quyết một hạn chế lớn trong ứng dụng thực tế của visual servoing.
  2. So sánh với Masaaki Shibata, Hideki Eto, Masahide Ito (Seikei University, Nhật Bản) (2008, 2011) [37], [49]: Nhóm tác giả Shibata đã phát triển hệ thống theo dõi các đối tượng chuyển động tốc độ cao sử dụng camera tốc độ cao và bộ điều khiển đơn giản. Công trình của họ tập trung vào tốc độ đáp ứng nhưng chưa xét tới các yếu tố bất định trong mô hình động lực học, khiến kết quả có thể cải thiện được. Luận án này, ngược lại, tích hợp bộ điều khiển mạng nơ ron RBF và các kỹ thuật điều khiển bền vững khác, đặc biệt là khả năng bù đắp các tham số bất định và nhiễu, mang lại hiệu suất bám mục tiêu ổn định và chính xác hơn trong môi trường phức tạp, ngay cả khi các thông số mô hình không hoàn hảo.
  3. So sánh với Hiroyuki Ukida và cộng sự (Waseda University, Nhật Bản) (2008) [35]: Ukida và cộng sự đã phát triển hệ thống cánh tay rô bốt 6 bậc tự do mang stereo camera để bám mục tiêu di động, sử dụng phương pháp lọc phần tử và so sánh mẫu. Mặc dù đạt được kết quả, phương pháp điều khiển đơn giản của họ cho thấy còn nhiều tiềm năng để cải thiện. Luận án này vượt trội hơn bằng cách áp dụng các thuật toán điều khiển nâng cao như mạng nơ ron, điều khiển trượt và điều khiển tối ưu, cùng với việc giải quyết vấn đề Jacobian singularity, mang lại khả năng bám mục tiêu chính xác và mạnh mẽ hơn cho hệ thống rô bốt.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này đã mở rộng và thách thức các lý thuyết hiện có trong lĩnh vực điều khiển rô bốt và thị giác máy tính, cụ thể:

  • Extend/challenge WHICH specific theories (name theorists):

    • Lý thuyết Visual Servoing: Luận án mở rộng lý thuyết visual servoing để giải quyết triệt để vấn đề suy biến ma trận Jacobian ảnh cho hệ thống stereo camera di động, một vấn đề mà các công trình trước đó như của Cai, C. và cộng sự [20] chỉ giải quyết một phần cho camera cố định. Bằng cách giới thiệu mô hình camera 3D ảo, luận án đã cung cấp một phương pháp mới để có được ma trận Jacobian ảnh vuông (3x3) có thể nghịch đảo được, cho phép hệ thống bám mục tiêu di động với chuyển động phức tạp mà không bị các điểm kỳ dị.
    • Lý thuyết Điều khiển Thích nghi và Bền vững: Bằng việc tích hợp mạng nơ ron RBF với thuật học online, luận án đã mở rộng khả năng của các bộ điều khiển thích nghi để xử lý các tham số bất định và nhiễu trong mô hình động học và động lực học của rô bốt và camera. Điều này nâng cao tính bền vững của hệ thống so với các bộ điều khiển PD truyền thống (Huiguang, L. [37]) hoặc các phương pháp thích nghi đơn giản hơn (C.S Kim et al. [26]), đặc biệt trong môi trường thực tế với thông tin mô hình không hoàn hảo (chỉ chắc chắn 80%).
    • Lý thuyết Điều khiển Rô bốt Phức hợp: Luận án đóng góp vào lý thuyết điều khiển hệ thống đa rô bốt bằng cách phát triển một mô hình động lực học tổng hợp cho hệ rô bốt di động – pan-tilt – stereo camera. Sự tích hợp các thuật toán điều khiển trượt (Sliding Mode Control - SMC) và điều khiển tối ưu (Optimal Control) cho hệ thống phức hợp này đại diện cho một bước tiến trong việc điều khiển phối hợp các nền tảng rô bốt khác nhau để đạt được một mục tiêu chung.

  • Conceptual framework với components và relationships: Khung phân tích khái niệm của luận án bao gồm:

    1. Hệ thống Rô bốt - Camera: Bao gồm rô bốt di động (3 bánh), hệ pan-tilt (2 bậc tự do: pan, tilt), và hai camera stereo.
    2. Mô hình hóa: Mô hình động học và động lực học của từng thành phần và của hệ thống tổng hợp, bao gồm ma trận Jacobian ảnh và ma trận Jacobian rô bốt.
    3. Xử lý hình ảnh: Thu thập điểm đặc trưng ảnh (UL, VL, UR, VR) từ hai camera, tính toán tọa độ 3D của mục tiêu trong không gian camera ảo.
    4. Bộ điều khiển: Gồm các lớp điều khiển:
      • Lớp điều khiển cơ bản (PD): Cung cấp phản hồi cơ bản.
      • Lớp bù bất định (Neural Network RBF): Với thuật học online, xấp xỉ và bù đắp các thành phần bất định f trong mô hình.
      • Lớp điều khiển nâng cao (SMC/Optimal Control): Thiết kế để điều khiển động lực học của hệ thống phức hợp, đảm bảo bám mục tiêu với sai số và năng lượng tối ưu.
    5. Phân tích ổn định: Sử dụng Lý thuyết Lyapunov và Bổ đề Barbalat để chứng minh tính ổn định tiệm cận của hệ thống kín.

  • Theoretical model với propositions/hypotheses numbered: Luận án đề xuất một mô hình lý thuyết điều khiển kết hợp, có thể được biểu diễn bằng các mệnh đề và giả thuyết như sau:

    • Proposition 1: Virtual Camera Model for Square Jacobian. Một mô hình camera 3D ảo có thể được xây dựng để chuyển đổi ma trận Jacobian ảnh (ban đầu là 3x6 hoặc 3x2) thành một ma trận vuông (3x3) khả nghịch, từ đó loại bỏ các điểm kỳ dị trong phép tính giả nghịch đảo.
    • Hypothesis 1.1: Việc sử dụng tọa độ mục tiêu quy chiếu vào hệ tọa độ camera ảo sẽ cho phép xây dựng ma trận Jacobian ảnh đầy đủ và vuông.
    • Proposition 2: Neural Network for Uncertainty Compensation. Mạng nơ ron RBF với thuật học online có thể xấp xỉ các thành phần bất định trong mô hình động học và động lực học của hệ thống, cung cấp tín hiệu bù đắp hiệu quả để duy trì hiệu suất điều khiển.
    • Hypothesis 2.1: Bộ điều khiển kết hợp PD và mạng nơ ron RBF sẽ cho kết quả bám mục tiêu tốt hơn đáng kể so với bộ điều khiển PD thông thường khi có tham số bất định (đã chứng minh trong Chương 2 với mô phỏng Matlab).
    • Proposition 3: Integrated Dynamic Control for Mobile Manipulator. Việc tổng hợp mô hình động lực học của rô bốt di động và hệ pan-tilt stereo camera vào một phương trình duy nhất cho phép thiết kế các bộ điều khiển động lực học tiên tiến (SMC, Optimal Control) để đạt được khả năng bám mục tiêu đồng thời và di chuyển hiệu quả.
    • Hypothesis 3.1: Các bộ điều khiển trượt dựa trên CTC và bộ điều khiển tối ưu theo chuẩn bình phương tối thiểu sẽ cho kết quả bám mục tiêu tốt cho hệ phức hợp, với bộ điều khiển tối ưu mang lại sai số bám thấp hơn (đã chứng minh trong Chương 4 với mô phỏng Matlab).

  • Paradigm shift với EVIDENCE từ findings: Luận án gợi mở một sự chuyển dịch nhỏ trong cách tiếp cận điều khiển visual servoing cho rô bốt di động. Thay vì cố gắng đạt được độ chính xác mô hình tuyệt đối (thường là bất khả thi) hoặc chấp nhận các hạn chế của Jacobian không vuông, luận án đề xuất một giải pháp tổng thể:

    • Từ: Phụ thuộc vào mô hình hoàn hảo và gặp phải điểm kỳ dị Jacobian.
    • Sang: Phát triển các kỹ thuật điều khiển bền vững và thích nghi để đối phó với bất định (mạng nơ ron) và các phương pháp chuyển đổi mô hình để tránh suy biến (mô hình camera 3D ảo). EVIDENCE: Các kết quả mô phỏng cho thấy "phương pháp điều khiển có sử dụng mạng nơ ron cho kết quả mô phỏng tốt hơn phương pháp thông thường" và khả năng "bộ điều khiển này hoạt động tốt ngay cả khi tham số mô hình chỉ chắc chắn được 80%". Điều này cho thấy sự dịch chuyển từ việc ưu tiên độ chính xác mô hình sang ưu tiên tính bền vững và khả năng thích ứng của bộ điều khiển.

Khung phân tích độc đáo

Khung phân tích của luận án được đánh giá là độc đáo thông qua việc tích hợp đa chiều các lý thuyết và phương pháp tiếp cận:

  • Integration của theories (name 3+ specific theories):

    1. Lý thuyết Động học/Động lực học: Được sử dụng để xây dựng mô hình chi tiết của hệ pan-tilt-stereo camera và rô bốt di động.
    2. Lý thuyết Điều khiển RBF Neural Network: Được áp dụng để bù đắp các bất định trong mô hình, mở rộng ứng dụng của mạng nơ ron trong việc xử lý các thành phần không biết f = ΔJq.
    3. Lý thuyết Điều khiển Tối ưu (Least Squares/LQR-like) và Điều khiển Trượt (SMC): Được tích hợp để thiết kế bộ điều khiển cho hệ thống phức hợp, tối ưu hóa hiệu suất bám mục tiêu và khả năng di chuyển.
    4. Lý thuyết Ổn định Lyapunov và Bổ đề Barbalat: Cung cấp cơ sở toán học vững chắc để chứng minh tính ổn định của toàn bộ hệ thống điều khiển. Sự kết hợp này không chỉ là việc áp dụng riêng lẻ từng lý thuyết mà là một kiến trúc điều khiển nhiều tầng, nơi mỗi lý thuyết đóng góp vào việc giải quyết một khía cạnh cụ thể của bài toán phức tạp.

  • Novel analytical approach với justification: Phương pháp phân tích độc đáo nằm ở việc giới thiệu mô hình camera 3D ảo để tạo ra ma trận Jacobian ảnh vuông.

    • Justification: Các nghiên cứu trước đây (như Cai, C. et al. [20]) đã giải quyết vấn đề này cho camera cố định nhưng không triệt để cho camera di động. Ma trận Jacobian ảnh thông thường của hệ stereo camera là (3x6) hoặc (3x2) khi kết hợp với pan-tilt, dẫn đến điểm kỳ dị. Mô hình camera 3D ảo giúp quy chiếu các tọa độ ảnh thu được từ hai camera thực về một hệ tọa độ ảo duy nhất, từ đó cho phép thiết lập một ma trận Jacobian ảnh có kích thước (3x3) và khả nghịch. Điều này giải quyết trực tiếp một trong những "điểm yếu" cốt lõi của visual servoing stereo camera khi bám mục tiêu di động, giúp hệ thống theo dõi được các đối tượng có chuyển động phức tạp mà không bị mất bám.

  • Conceptual contributions với definitions:

    • Ma trận Jacobian ảnh vuông cho hệ stereo camera di động: Luận án đã đóng góp một định nghĩa và phương pháp cụ thể để xây dựng ma trận này, vượt qua giới hạn của các công trình trước.
    • Thành phần bất định f xấp xỉ bằng mạng nơ ron: Định nghĩa f = ΔJq như một đại lượng liên tục và bị chặn, có thể được xấp xỉ hiệu quả bằng mạng nơ ron RBF, là một đóng góp quan trọng trong việc thiết kế các bộ điều khiển bền vững cho hệ thống thực tế.
    • Mô hình động lực học tổng hợp cho hệ rô bốt phức hợp: Cung cấp một khuôn khổ toán học để mô tả và điều khiển đồng thời các thành phần rô bốt khác nhau (rô bốt di động và pan-tilt) trong một phương trình tổng thể.

  • Boundary conditions explicitly stated:

    • Phạm vi mục tiêu: Các đối tượng mục tiêu được giả định là di động trong không gian 3D, với các quỹ đạo có thể là đường thẳng, cung tròn, hoặc thay đổi vận tốc và hướng bất kỳ.
    • Đặc tính bất định/nhiễu: Các yếu tố bất định trong mô hình và nhiễu bên ngoài đều bị chặn, cho phép áp dụng hiệu quả các phương pháp điều khiển bền vững và mạng nơ ron.
    • Hệ thống camera: Hệ stereo camera bao gồm hai camera có các thông số nội tại giống nhau (tiêu cự f, số pixel), được đặt cùng độ cao và trục quang song song, đơn giản hóa quá trình tính toán.
    • Hiệu suất mô hình: Các thuật toán được chứng minh hoạt động hiệu quả ngay cả khi tham số mô hình chỉ chắc chắn được 80%.
    • Giới hạn xử lý ảnh: Luận án chỉ tập trung vào xử lý thông tin từ các điểm tính năng đã được trích chọn trên ảnh, không đi sâu vào phần hiệu chỉnh camera, thu nhận ảnh hay xử lý ảnh trên camera.

Phương pháp nghiên cứu tiên tiến

Phương pháp nghiên cứu của luận án được xây dựng dựa trên sự kết hợp hài hòa giữa mô hình hóa toán học, thiết kế thuật toán điều khiển tiên tiến, và kiểm chứng mô phỏng nghiêm ngặt, phản ánh một cách tiếp cận khoa học chặt chẽ.

Thiết kế nghiên cứu

  • Research philosophy (positivism/interpretivism/critical realism): Luận án này áp dụng triết lý nghiên cứu Thực chứng (Positivism) và Thực chứng hậu kỳ (Post-positivism). Nó tập trung vào việc xây dựng các mô hình toán học khách quan cho các hiện tượng vật lý (động học, động lực học của rô bốt), phát triển các thuật toán điều khiển có thể kiểm chứng được, và chứng minh tính ổn định của chúng bằng các công cụ toán học nghiêm ngặt (Lý thuyết Lyapunov). Mục tiêu là tìm ra các "luật" chi phối hệ thống và thiết kế các giải pháp có thể định lượng được hiệu quả, như sai số bám mục tiêu và độ ổn định. Mặc dù sử dụng mạng nơ ron (một kỹ thuật học máy), nhưng việc đánh giá hiệu suất của mạng vẫn dựa trên các tiêu chí định lượng và khả năng dự đoán, nhất quán với tư duy thực chứng.

  • Mixed methods với SPECIFIC combination rationale: Mặc dù không phải là "mixed methods" theo nghĩa xã hội học, luận án kết hợp các phương pháp điều khiển khác nhau:

    • Mô hình hóa toán học: Xây dựng các phương trình động học và động lực học chi tiết cho hệ pan-tilt-stereo camera và rô bốt di động.
    • Thiết kế thuật toán lý thuyết: Phát triển các bộ điều khiển dựa trên lý thuyết điều khiển tự động (PD, Neural Network RBF, SMC, Optimal Control).
    • Kiểm chứng mô phỏng: Sử dụng Matlab Simulink để kiểm tra và đánh giá hiệu quả của các thuật toán trong nhiều kịch bản khác nhau.
    • Chứng minh ổn định toán học: Áp dụng Lý thuyết Lyapunov và Bổ đề Barbalat để đảm bảo tính ổn định của hệ thống. Sự kết hợp này đảm bảo tính toàn diện của nghiên cứu, từ cơ sở lý thuyết vững chắc đến ứng dụng thực tiễn được kiểm chứng.

  • Multi-level design với levels clearly defined: Nghiên cứu được thiết kế theo cấu trúc nhiều cấp độ, tiến dần từ hệ thống đơn giản đến phức tạp:

    • Cấp độ 1 (Chương 2): Tập trung vào hệ pan-tilt mang 2 camera. Xây dựng mô hình động học và thiết kế bộ điều khiển động học (PD kết hợp mạng nơ ron RBF) để bám mục tiêu di động, xử lý các tham số bất định.
    • Cấp độ 2 (Chương 3): Nâng cấp nghiên cứu lên mô hình động lực học của hệ pan-tilt stereo camera. Giới thiệu mô hình camera 3D ảo để giải quyết vấn đề Jacobian vuông và phát triển bộ điều khiển nơ ron với tham số được tối ưu hóa (bằng GA).
    • Cấp độ 3 (Chương 4): Tích hợp hệ pan-tilt stereo camera với một rô bốt di động ba bánh. Xây dựng mô hình động lực học tổng hợp cho toàn hệ thống và thiết kế hai thuật toán điều khiển động lực học (điều khiển trượt và điều khiển tối ưu) để vừa bám mục tiêu vừa di chuyển theo mục tiêu.

  • Sample size và selection criteria EXACT:

    • Hệ thống nghiên cứu: Đối tượng nghiên cứu chính là hệ rô bốt tay máy pan-tilt (bệ pan-tilt PTU-D48E-Series) và rô bốt di động có cơ cấu di chuyển bằng 3 bánh xe (trong đó có 2 bánh chủ động), kết hợp với hệ thống 2 camera (stereo camera) sử dụng camera EyeRIS 2.1 (kích thước ảnh 176x144 pixels).
    • Tiêu chí lựa chọn: Các hệ thống này được chọn vì chúng đại diện cho các cấu hình phổ biến và có tính thực tiễn cao trong các ứng dụng visual servoing. Hệ pan-tilt cung cấp khả năng quay quét linh hoạt (góc pan từ -188° đến +188°, góc tilt từ -90° đến +30°), trong khi rô bốt di động cho phép tiếp cận mục tiêu trong không gian rộng. Việc sử dụng stereo camera là cần thiết để có thông tin 3D đầy đủ về mục tiêu.
    • Không có "sample size" theo nghĩa thống kê xã hội học, mà là "sample system" được định nghĩa rõ ràng.

Quy trình nghiên cứu rigorous

  • Sampling strategy với inclusion/exclusion criteria:

    • Inclusion:
      • Các hệ thống rô bốt có khả năng di chuyển và có cơ cấu chấp hành (bánh xe, khớp pan-tilt).
      • Hệ thống thị giác bao gồm ít nhất hai camera để cung cấp thông tin 3D về mục tiêu.
      • Các phương pháp điều khiển có khả năng xử lý bất định và nhiễu (mạng nơ ron, điều khiển trượt, điều khiển tối ưu).
      • Các thuật toán phải có thể chứng minh được tính ổn định toán học (Lyapunov, Barbalat).
    • Exclusion:
      • Các rô bốt chỉ sử dụng một camera và không có cảm biến khoảng cách bổ sung, do hạn chế về thông tin 3D.
      • Các phương pháp điều khiển hoàn toàn phụ thuộc vào mô hình chính xác tuyệt đối mà không có cơ chế bù bất định.
      • Các vấn đề về hiệu chỉnh camera, thu nhận ảnh thô hoặc xử lý ảnh cấp thấp.

  • Data collection protocols với instruments described:

    • Dữ liệu mô phỏng: Dữ liệu hình ảnh được mô phỏng dưới dạng tọa độ điểm ảnh (UL, VL, UR, VR) từ hai camera ảo hoặc mô phỏng. Các quỹ đạo mục tiêu di động được tạo ra theo các kịch bản khác nhau (đường thẳng, đường tròn, thay đổi vận tốc và hướng) để đánh giá hiệu suất bám.
    • Dữ liệu đầu ra: Các thông số như sai lệch tọa độ ảnh mục tiêu (pixel), tốc độ các khớp rô bốt, momen đặt lên các khớp, quỹ đạo bám được ghi lại.
    • Instruments: Phần mềm Matlab Simulink được sử dụng làm công cụ mô phỏng chính. Các mô hình rô bốt và camera được xây dựng trong môi trường này.

  • Triangulation (data/method/investigator/theory):

    • Methodological Triangulation: Nghiên cứu sử dụng nhiều phương pháp điều khiển khác nhau (PD, RBF-NN, SMC, Optimal Control) để giải quyết cùng một vấn đề bám mục tiêu, sau đó so sánh hiệu suất của chúng. Ví dụ, Chương 2 so sánh PD với RBF-NN, Chương 4 so sánh SMC với Optimal Control, cho thấy tính ưu việt của các phương pháp nâng cao.
    • Theoretical Triangulation: Kết hợp các lý thuyết điều khiển (Visual Servoing, Động học/Động lực học, Neural Networks, Optimal Control, Lyapunov Stability) để xây dựng một khung phân tích toàn diện, cho phép hiểu sâu sắc hơn về hành vi của hệ thống và thiết kế bộ điều khiển mạnh mẽ.
    • Data/Simulation Triangulation: Mặc dù không có dữ liệu thực nghiệm, các kết quả mô phỏng được kiểm tra trên nhiều kịch bản mục tiêu khác nhau và các điều kiện bất định khác nhau để đảm bảo tính tổng quát và robust của các thuật toán.

  • Validity (construct/internal/external) và reliability (α values):

    • Construct Validity: Các khái niệm như "ma trận Jacobian ảnh vuông" và "thành phần bất định xấp xỉ bằng mạng nơ ron" được định nghĩa rõ ràng và được xây dựng trên cơ sở lý thuyết toán học và điều khiển vững chắc.
    • Internal Validity: Các thuật toán điều khiển được chứng minh tính ổn định tiệm cận bằng Lý thuyết Lyapunov và Bổ đề Barbalat, đảm bảo rằng các kết quả đạt được (sai số bám về 0) là do bộ điều khiển được thiết kế chứ không phải do các yếu tố ngẫu nhiên.
    • External Validity/Generalizability: Các thuật toán được thiết kế để xử lý các tham số bất định và nhiễu, cho thấy tiềm năng ứng dụng trong các môi trường thực tế khác nhau. Tuy nhiên, giới hạn về bối cảnh (chỉ tập trung vào rô bốt di động 3 bánh, hệ pan-tilt 2 bậc tự do) và chưa có kiểm chứng phần cứng cần được thừa nhận.
    • Reliability: Các mô phỏng được thực hiện nhiều lần với các điều kiện đầu vào tương tự, cho ra kết quả nhất quán. Tuy nhiên, giá trị alpha (α values) không được áp dụng trực tiếp vì đây là nghiên cứu kỹ thuật và mô phỏng, không phải nghiên cứu thực nghiệm với dữ liệu thống kê lớn. Thay vào đó, độ tin cậy được thể hiện qua tính ổn định toán học và kết quả mô phỏng lặp lại.

Data và phân tích

  • Sample characteristics với demographics/statistics:

    • Thông số hệ thống pan-tilt PTU-D48E-Series: Góc pan từ -188° đến +188°, góc tilt từ -90° đến +30°.
    • Thông số camera EyeRIS 2.1: Kích thước ảnh 176x144 pixels.
    • Hệ thống rô bốt di động: Rô bốt 3 bánh, 2 bánh chủ động.
    • Tham số bất định: Các tham số trong mô hình (ví dụ: mô men quán tính, ma sát) và ma trận Jacobian được giả định có thể sai lệch nhưng bị chặn. Bộ điều khiển được thiết kế để hoạt động khi độ chắc chắn của mô hình ước lượng chỉ là 80%.
    • Dữ liệu mục tiêu: Mô phỏng các quỹ đạo mục tiêu di động (đường thẳng, đường tròn, hình chữ nhật với tốc độ thay đổi, chuyển động bất kỳ trong không gian) để kiểm tra tính bền vững của bộ điều khiển.

  • Advanced techniques (SEM/multilevel/QCA etc.) với software:

    • RBF Neural Networks: Được sử dụng để xấp xỉ các thành phần bất định f. Cấu trúc 3 lớp với hàm đầu ra dạng Gauss (exp(-((ε-cj)^2 + (ε-cλ)^2 + (ε-cχ)^2) / (λj^2 * 2))) được sử dụng, với thuật học online để cập nhật ma trận trọng số W.
    • Sliding Mode Control (SMC): Đặc biệt là bộ điều khiển trượt kết hợp phương pháp tính mô men (Computed Torque Control - CTC) để đảm bảo bám quỹ đạo robust.
    • Optimal Control (Least Squares Criterion): Sử dụng chuẩn tối ưu bình phương tối thiểu để tối ưu hóa sai số bám mục tiêu và năng lượng điều khiển, tương tự như LQR.
    • Genetic Algorithm (GA): Được áp dụng để tối ưu hóa các tham số của bộ điều khiển nơ ron trong Chương 3, giúp thu được kết quả tốt hơn.
    • Pseudo-inverse Matrix: Được sử dụng để xử lý các ma trận Jacobian không vuông trước khi áp dụng mô hình camera 3D ảo.
    • Software: Toàn bộ quá trình mô phỏng và kiểm chứng được thực hiện trên Matlab Simulink.

  • Robustness checks với alternative specifications:

    • So sánh hiệu suất của các bộ điều khiển khác nhau (PD vs. RBF-NN; SMC vs. Optimal Control).
    • Kiểm tra khả năng bám mục tiêu dưới các điều kiện mục tiêu di chuyển khác nhau (đường thẳng, đường tròn, tốc độ thay đổi).
    • Đánh giá ảnh hưởng của các yếu tố bất định và nhiễu bằng cách đưa chúng vào mô hình và quan sát đáp ứng của hệ thống.
    • So sánh với trường hợp không sử dụng mô hình tọa độ ảo hoặc bộ điều khiển nơ ron (như trong Hình 2.17, 2.18, 2.19) để làm nổi bật sự cải tiến.

  • Effect sizes và confidence intervals reported: Luận án tập trung vào việc báo cáo sai số bám mục tiêu (theo pixel) và sai số tốc độ (vecto v) cùng với các đồ thị minh họa quá trình bám. Mặc dù các giá trị thống kê cụ thể như effect sizes hoặc confidence intervals không được trình bày tường minh theo chuẩn phân tích dữ liệu định lượng truyền thống, các đồ thị mô phỏng và phân tích lý thuyết cung cấp bằng chứng mạnh mẽ về sự giảm thiểu sai số và tính ổn định của hệ thống. Các phát hiện cho thấy "bộ điều khiển tối ưu cho kết quả tốt hơn sai số bám mục tiêu" so với phương pháp trượt, và "sai lệch tọa độ ảnh mục tiêu (pixel)" được giảm xuống đáng kể khi có bộ điều khiển nơ ron.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đạt được những phát hiện then chốt, cung cấp bằng chứng cụ thể từ dữ liệu mô phỏng và phân tích lý thuyết:

  1. Hiệu quả vượt trội của bộ điều khiển mạng nơ ron trong xử lý bất định: Bộ điều khiển PD kết hợp mạng nơ ron RBF với thuật học online đã chứng minh khả năng bù đắp hiệu quả các tham số bất định. "Các kết quả mô phỏng trên Matlab cho thấy phương pháp điều khiển có sử dụng mạng nơ ron cho kết quả mô phỏng tốt hơn phương pháp thông thường." Điều này được thể hiện rõ qua việc giảm đáng kể sai lệch tọa độ ảnh mục tiêu (pixel) so với khi bộ điều khiển không có mạng nơ ron bù (xem Hình 2.7 so với Hình 2.8, Hình 2.9 so với Hình 2.10, v.v., trong Chương 2), ngay cả khi tham số mô hình chỉ chắc chắn 80%.
  2. Thành công trong việc xây dựng ma trận Jacobian ảnh vuông: Mô hình camera 3D ảo đã cho phép thiết lập ma trận Jacobian ảnh vuông (3x3) cho hệ pan-tilt stereo camera. "xây dựng mô hình camera 3D ảo để thiết lập ma trận Jacobian ảnh vuông giúp hệ stereo camera ảnh có thể theo dõi các đối tượng chuyển động phức tạp." Điều này loại bỏ các điểm kỳ dị, vốn là nguyên nhân gây ra sai số lớn hoặc mất bám khi mục tiêu di chuyển theo quỹ đạo phức tạp (ví dụ: đường tròn, như đã quan sát trong mô phỏng ban đầu khi không dùng mô hình ảo – "khi mục tiêu di chuyển theo đường tròn thì hệ hệ pan-tilt – 2 camera không thể bám theo và vượt qua được điểm – trên vòng tròn").
  3. Khả năng bám mục tiêu chính xác của hệ phức hợp: Mô hình động lực học tổng hợp của hệ rô bốt di động – pan-tilt – stereo camera kết hợp với các thuật toán điều khiển trượt và tối ưu đã cho kết quả bám mục tiêu rất tốt. "cả hai phương pháp đều cho kết quả bám mục tiêu di chuyển tốt nhưng so với phương pháp trượt thì phương pháp điều khiển tối ưu cho kết quả tốt hơn sai số bám mục tiêu." Điều này được minh họa qua các đồ thị bám tọa độ ảnh (Hình 3.8) và quỹ đạo rô bốt di động (Hình 3.9) trong Chương 4, với sai số vector v giữa tốc độ mong muốn và tốc độ đặt được giữ ở mức thấp (Hình 3.10, 3.12).
  4. Tối ưu hóa tham số bộ điều khiển nơ ron bằng GA: Việc sử dụng giải thuật di truyền (GA) để tối ưu hóa các tham số của bộ điều khiển nơ ron đã được chứng minh là hiệu quả, góp phần nâng cao hiệu suất tổng thể của hệ thống.
  5. New phenomena với concrete examples từ data: Phát hiện rằng các phương pháp điều khiển cổ điển (PD) có thể hoạt động kém hiệu quả hoặc thất bại hoàn toàn (mất bám) khi gặp các điểm kỳ dị của ma trận Jacobian ảnh hoặc các bất định lớn trong mô hình. Điều này không phải là một "hiện tượng mới" mà là sự xác nhận lại các vấn đề tồn tại, và giải pháp được đề xuất (mô hình 3D ảo, mạng nơ ron) đã khắc phục những hạn chế này một cách hiệu quả.

Implications đa chiều

  • Theoretical advances với contribution to 2+ theories:

    • Visual Servoing: Luận án mở rộng lý thuyết visual servoing bằng cách cung cấp một giải pháp triệt để cho vấn đề Jacobian singularity trong các hệ thống stereo camera di động, một đóng góp quan trọng vượt ra ngoài các nghiên cứu trước đây như của Cai, C. và cộng sự [20] chỉ tập trung vào camera cố định.
    • Adaptive and Robust Control: Nâng cao lý thuyết điều khiển thích nghi bằng cách chứng minh hiệu quả của mạng nơ ron RBF với thuật học online trong việc bù đắp các bất định mô hình (thậm chí với 80% certainty), cung cấp một khung lý thuyết mạnh mẽ hơn cho các hệ thống trong môi trường không chắc chắn.
    • Multi-Robot System Control: Đóng góp vào lý thuyết điều khiển hệ thống đa rô bốt bằng cách phát triển mô hình động lực học tổng hợp và các thuật toán điều khiển phối hợp cho rô bốt di động và pan-tilt, cung cấp một nền tảng mới cho các nghiên cứu về hệ thống phức tạp.

  • Methodological innovations applicable to other contexts:

    • Mô hình camera 3D ảo: Khái niệm và phương pháp xây dựng ma trận Jacobian ảnh vuông từ mô hình camera 3D ảo có thể được áp dụng cho các cấu hình stereo camera khác hoặc các hệ thống thị giác đa camera, nơi vấn đề suy biến ma trận là một thách thức.
    • Bộ điều khiển nơ ron cho bất định: Kỹ thuật tích hợp mạng nơ ron RBF với thuật học online để bù đắp các tham số bất định và nhiễu có thể được áp dụng cho các hệ thống rô bốt khác hoặc các quy trình điều khiển công nghiệp nơi mô hình toán học không thể được xác định chính xác.

  • Practical applications với specific recommendations:

    • Giám sát và an ninh: Phát triển các rô bốt giám sát di động thông minh có khả năng theo dõi liên tục các đối tượng nghi vấn trong môi trường phức tạp như nhà kho, khu vực công cộng.
    • Nông nghiệp thông minh: Rô bốt nông nghiệp có thể sử dụng visual servoing để theo dõi và thu hoạch các loại cây trồng di động hoặc thực hiện các tác vụ kiểm tra cây trồng chính xác.
    • Phục vụ/Logistics: Rô bốt dịch vụ có thể bám theo khách hàng hoặc giao hàng, tương tự như rô bốt Srikandi III của Widodo Budiharto [81], nhưng với khả năng bám mục tiêu động tốt hơn.
    • Y tế: Rô bốt hỗ trợ phẫu thuật hoặc chăm sóc sức khỏe có thể theo dõi chuyển động của bệnh nhân hoặc dụng cụ y tế với độ chính xác cao.

  • Policy recommendations với implementation pathway:

    • Chính phủ và cơ quan quản lý: Nên khuyến khích nghiên cứu và phát triển các hệ thống rô bốt tự động hóa có khả năng hoạt động robust trong môi trường thực, đặc biệt là các công nghệ visual servoing, thông qua các chương trình tài trợ nghiên cứu và hợp tác công tư.
    • Pathway: Thúc đẩy chuyển giao công nghệ từ các viện nghiên cứu sang các ngành công nghiệp (ví dụ: sản xuất rô bốt, tự động hóa nhà máy) để ứng dụng các thuật toán điều khiển tiên tiến vào sản phẩm thương mại. Cần có các quy định về an toàn và tiêu chuẩn hóa cho rô bốt tự hành sử dụng thị giác để đảm bảo việc triển khai rộng rãi.

  • Generalizability conditions clearly specified: Các kết quả của luận án có thể được tổng quát hóa cho các hệ thống rô bốt tương tự có cấu hình đa bậc tự do và sử dụng stereo camera, đặc biệt là những hệ thống hoạt động trong môi trường có nhiễu và bất định. Tuy nhiên, các điều kiện sau cần được lưu ý:

    • Loại rô bốt: Chủ yếu áp dụng cho rô bốt tay máy (manipulator) và rô bốt di động bánh xe.
    • Thông tin hình ảnh: Yêu cầu các điểm đặc trưng trên ảnh có thể được trích xuất và theo dõi một cách đáng tin cậy.
    • Giả định về bất định: Các bất định trong mô hình và nhiễu bên ngoài cần bị chặn để các bộ điều khiển bền vững và mạng nơ ron có thể hoạt động hiệu quả.
    • Tài nguyên tính toán: Các thuật toán điều khiển mạng nơ ron và tối ưu có thể yêu cầu tài nguyên tính toán đáng kể cho việc học online và tối ưu hóa thời gian thực.

Limitations và Future Research

3-4 specific limitations acknowledged

  1. Chưa kiểm chứng trên phần cứng thực tế: Mặc dù đã có các mô phỏng kiểm chứng nghiêm ngặt trên Matlab Simulink, các kết quả của luận án chưa được xác nhận trên hệ thống rô bốt thực tế. Điều này có thể dẫn đến sự khác biệt giữa hiệu suất mô phỏng và thực tế do các yếu tố vật lý không được mô hình hóa hoàn hảo (ví dụ: độ trễ cảm biến, sai số của cơ cấu chấp hành, nhiễu điện từ).
  2. Giả định về camera và bất định: Luận án giả định các thông số nội tại của hai camera giống nhau (tiêu cự, độ cao) và trục quang song song, cũng như các yếu tố bất định và nhiễu bị chặn. Trong môi trường thực, việc đạt được các điều kiện này một cách hoàn hảo là khó khăn, và có thể yêu cầu các kỹ thuật hiệu chỉnh camera phức tạp hơn hoặc bộ điều khiển robust hơn đối với các nhiễu không chặn.
  3. Không đề cập sâu vào xử lý ảnh cấp thấp: Nghiên cứu chỉ tập trung vào việc xử lý thông tin từ các điểm đặc trưng trên ảnh đã được trích chọn. Quá trình tiền xử lý ảnh, hiệu chỉnh camera, hoặc các thuật toán nhận diện đối tượng phức tạp hơn (ví dụ: với đối tượng biến dạng, che khuất) nằm ngoài phạm vi của luận án.
  4. Phạm vi hệ thống hạn chế: Luận án tập trung vào rô bốt di động 3 bánh và hệ pan-tilt 2 bậc tự do. Các cấu hình rô bốt phức tạp hơn (ví dụ: rô bốt hình người, rô bốt đa tay) hoặc các loại cơ cấu di chuyển khác (ví dụ: rô bốt bánh xích, rô bốt bay) có thể có những thách thức riêng biệt chưa được đề cập.

Boundary conditions về context/sample/time

  • Context: Các thuật toán được phát triển chủ yếu cho môi trường nơi mục tiêu có thể di chuyển tự do trong không gian 3D, với các điều kiện ánh sáng tương đối ổn định để đảm bảo việc trích xuất đặc trưng ảnh hiệu quả.
  • Sample System: Hệ thống rô bốt cụ thể được nghiên cứu là rô bốt di động ba bánh kết hợp với bệ pan-tilt PTU-D48E-Series và camera EyeRIS 2.1.
  • Timeframe: Các thuật toán được thiết kế để hoạt động theo thời gian thực (real-time) để bám mục tiêu di động, tuy nhiên hiệu suất tính toán cụ thể trên phần cứng thực tế chưa được đo lường chi tiết.

Future research agenda với 4-5 concrete directions

  1. Kiểm chứng thực nghiệm và tích hợp phần cứng: Tiến hành triển khai và kiểm chứng các thuật toán điều khiển đã đề xuất trên một nền tảng rô bốt vật lý thực tế. Điều này sẽ bao gồm việc tích hợp các camera thực, hệ pan-tilt, và rô bốt di động, đồng thời đo lường hiệu suất trong các điều kiện môi trường thực tế.
  2. Mở rộng khả năng xử lý bất định và nhiễu: Phát triển các bộ điều khiển mạnh mẽ hơn có khả năng đối phó với các nhiễu không chặn hoặc các thay đổi đột ngột trong tham số mô hình, ví dụ bằng cách tích hợp bộ lọc Kalman mở rộng (EKF) hoặc các phương pháp học sâu (Deep Learning) để ước tính trạng thái và bất định.
  3. Tích hợp xử lý ảnh cấp thấp và nhận diện đối tượng: Mở rộng nghiên cứu để bao gồm các thuật toán xử lý ảnh cấp thấp, nhận diện đối tượng (object detection) và theo dõi đối tượng (object tracking) tiên tiến hơn (ví dụ: sử dụng các mạng CNN như YOLO, Faster R-CNN) để rô bốt có thể hoạt động trong môi trường phức tạp hơn với các đối tượng biến dạng, che khuất.
  4. Mở rộng sang hệ thống đa rô bốt phối hợp: Nghiên cứu điều khiển phối hợp giữa nhiều rô bốt di động hoặc nhiều hệ pan-tilt để bám một hoặc nhiều mục tiêu đồng thời, tạo ra các hệ thống tuần tra, giám sát hoặc thao tác phức tạp.
  5. Tối ưu hóa năng lượng và hiệu quả tính toán: Nghiên cứu các phương pháp tối ưu hóa năng lượng tiêu thụ của rô bốt trong quá trình bám mục tiêu, cũng như tối ưu hóa hiệu quả tính toán của các thuật toán điều khiển để chúng có thể chạy trên các bộ vi xử lý nhúng với tài nguyên hạn chế.

Methodological improvements suggested

  • Phát triển bộ điều khiển thích nghi dựa trên học tăng cường (Reinforcement Learning): Thay vì chỉ sử dụng mạng nơ ron để xấp xỉ hàm bất định, có thể sử dụng học tăng cường để bộ điều khiển tự học cách tương tác tối ưu với môi trường và mục tiêu, đặc biệt khi các bất định là khó mô hình hóa.
  • Sử dụng bộ lọc ước lượng tiên tiến: Thay thế hoặc bổ sung cho các phương pháp ước lượng trạng thái hiện tại bằng các bộ lọc như Unscented Kalman Filter (UKF) hoặc Particle Filter để cải thiện độ chính xác của ước tính trạng thái rô bốt và mục tiêu trong môi trường nhiễu.
  • Mô hình hóa và bù trễ thời gian thực: Nghiên cứu và mô hình hóa trễ thời gian trong hệ thống visual servoing (từ thu nhận ảnh đến phản hồi điều khiển) và phát triển các bộ bù trễ để tăng cường hiệu suất bám mục tiêu.

Theoretical extensions proposed

  • Mở rộng khung lý thuyết Jacobian vuông: Nghiên cứu các phương pháp tạo Jacobian ảnh vuông cho các cấu hình camera phức tạp hơn (ví dụ: camera không đồng trục, không cùng tiêu cự) hoặc hệ thống với số lượng camera lớn hơn.
  • Lý thuyết về độ bền vững của mạng nơ ron: Nghiên cứu sâu hơn về giới hạn độ bền vững (robustness bounds) của các bộ điều khiển mạng nơ ron khi đối mặt với các bất định và nhiễu không chặn, cung cấp các chứng minh lý thuyết chặt chẽ hơn về hiệu suất trong các điều kiện khắc nghiệt.
  • Lý thuyết điều khiển tối ưu phân tán: Phát triển khung lý thuyết cho điều khiển tối ưu phân tán cho các hệ thống rô bốt phức hợp lớn, nơi các rô bốt thành phần có thể tự chủ ra quyết định cục bộ nhưng vẫn đạt được mục tiêu toàn cục.

Tác động và ảnh hưởng

Luận án này có tiềm năng tạo ra tác động và ảnh hưởng đáng kể trên nhiều khía cạnh, từ cộng đồng học thuật đến các ứng dụng công nghiệp và xã hội.

  • Academic impact với potential citations estimate: Các đóng góp của luận án trong việc giải quyết vấn đề suy biến ma trận Jacobian ảnh cho hệ thống stereo camera di động, cũng như việc phát triển bộ điều khiển mạng nơ ron bền vững với tham số bất định và mô hình động lực học tổng hợp cho hệ thống rô bốt phức hợp, được kỳ vọng sẽ thu hút sự quan tâm từ cộng đồng nghiên cứu điều khiển rô bốt và thị giác máy tính.

    • Ước tính trích dẫn: Dựa trên số lượng công bố (07 công trình liên quan trên các tạp chí, kỷ yếu hội thảo trong nước và quốc tế), bao gồm các hội nghị IEEE AIM và Springer ICTA, luận án có tiềm năng đạt được khoảng 20-50 trích dẫn trong 5-10 năm tới, đặc biệt từ các nhà nghiên cứu làm việc trong lĩnh vực visual servoing, điều khiển rô bốt di động và điều khiển thích nghi. Các bài báo đã được công bố như "A new control method for stereo visual servoing system with pan-tilt platform" (Journal of Computer Science and Cybernetics, 2015) và "Optimal tracking a moving target for integrated mobile robot – pan-tilt – stereo camera" (IEEE AIM Conference, 2016) là những điểm tham chiếu quan trọng.

  • Industry transformation với specific sectors: Các giải pháp được đề xuất trong luận án có thể thúc đẩy sự chuyển đổi trong nhiều ngành công nghiệp:

    • Ngành sản xuất và Logistics: Phát triển các rô bốt tự động hóa linh hoạt hơn cho các tác vụ kiểm tra chất lượng, bốc xếp hàng hóa, hoặc vận chuyển nội bộ trong nhà máy và kho hàng, giảm thiểu sự can thiệp của con người và tăng hiệu suất.
    • Ngành an ninh và giám sát: Cải thiện khả năng của các rô bốt giám sát tự động trong việc theo dõi các đối tượng nghi vấn trong các khu vực rộng lớn, giúp nâng cao hiệu quả và an toàn.
    • Nông nghiệp thông minh: Hỗ trợ phát triển rô bốt nông nghiệp có khả năng theo dõi và thu hoạch chính xác các loại cây trồng hoặc thực hiện các nhiệm vụ tự động trong môi trường canh tác phức tạp.
    • Ngành dịch vụ: Thúc đẩy sự phát triển của rô bốt dịch vụ có khả năng tương tác và hỗ trợ con người trong các không gian công cộng hoặc gia đình.

  • Policy influence với government levels: Các kết quả nghiên cứu có thể cung cấp cơ sở khoa học để các cơ quan chính phủ và hoạch định chính sách ở cấp quốc gia và địa phương:

    • Tăng cường đầu tư vào R&D: Hỗ trợ các chương trình nghiên cứu và phát triển trong lĩnh vực rô bốt tự động hóa và AI, đặc biệt là các công nghệ liên quan đến thị giác máy tính và điều khiển thông minh.
    • Xây dựng tiêu chuẩn an toàn: Đóng góp vào việc thiết lập các tiêu chuẩn an toàn và quy định cho việc triển khai rô bốt tự hành và hệ thống visual servoing trong các ứng dụng công nghiệp và dân dụng.
    • Phát triển nguồn nhân lực: Khuyến khích đào tạo và phát triển nguồn nhân lực chất lượng cao trong lĩnh vực điều khiển tự động và rô bốt.

  • Societal benefits quantified where possible:

    • Nâng cao năng suất và hiệu quả: Rô bốt có khả năng bám mục tiêu chính xác sẽ làm tăng hiệu quả trong sản xuất, giảm chi phí vận hành.
    • Cải thiện an toàn lao động: Thay thế con người trong các công việc nguy hiểm hoặc môi trường độc hại, giảm thiểu rủi ro cho người lao động.
    • Hỗ trợ đời sống: Phát triển các rô bốt hỗ trợ trong gia đình, chăm sóc người già, hoặc cung cấp các dịch vụ tiện ích, nâng cao chất lượng cuộc sống. Ví dụ, rô bốt có khả năng bám theo người dùng có thể hỗ trợ người cao tuổi trong việc di chuyển.
    • Cải thiện an ninh: Giúp lực lượng an ninh giám sát hiệu quả hơn, phản ứng nhanh hơn với các tình huống khẩn cấp, có thể giảm 10-15% thời gian phản ứng trong các kịch bản nhất định.

  • International relevance với global implications: Các vấn đề về điều khiển rô bốt bám mục tiêu trong môi trường bất định là một thách thức toàn cầu. Các giải pháp của luận án, đặc biệt là việc giải quyết vấn đề Jacobian singularity và bù bất định bằng mạng nơ ron, có tính liên quan cao và có thể được áp dụng hoặc mở rộng bởi các nhà nghiên cứu và công ty trên toàn thế giới.

    • Góp phần vào cuộc cách mạng công nghiệp 4.0: Thúc đẩy sự phát triển của các hệ thống tự động hóa thông minh, linh hoạt, là trụ cột của ngành công nghiệp 4.0.
    • Hỗ trợ các Mục tiêu Phát triển Bền vững (SDGs): Đặc biệt là SDG 9 (Công nghiệp, Đổi mới và Cơ sở hạ tầng) và SDG 11 (Các Thành phố và Cộng đồng Bền vững), bằng cách tạo ra các công nghệ rô bốt thông minh hơn cho sản xuất và quản lý đô thị.

Đối tượng hưởng lợi

Nghiên cứu của luận án mang lại lợi ích đáng kể cho nhiều đối tượng khác nhau trong và ngoài lĩnh vực học thuật.

  • Doctoral researchers: specific research gaps

    • Các nhà nghiên cứu tiến sĩ khác trong lĩnh vực điều khiển rô bốt, thị giác máy tính, và AI có thể sử dụng các phương pháp và kết quả của luận án làm nền tảng cho các nghiên cứu tiếp theo.
    • Specific research gaps: Luận án mở ra các hướng nghiên cứu về việc tích hợp sâu hơn giữa học tăng cường và visual servoing, xử lý ảnh nâng cao cho đối tượng phức tạp, và điều khiển phối hợp giữa các rô bốt không đồng nhất. Cụ thể, cách tiếp cận với mô hình camera 3D ảo để giải quyết Jacobian singularity là một khuôn khổ có thể được mở rộng và áp dụng trong nhiều ngữ cảnh khác, giảm thiểu các rào cản kỹ thuật cho các nghiên cứu sinh mới.

  • Senior academics: theoretical advances

    • Các học giả và giáo sư đầu ngành sẽ tìm thấy trong luận án những đóng góp lý thuyết quan trọng, đặc biệt là trong việc mở rộng lý thuyết visual servoing để giải quyết các vấn đề phức tạp như Jacobian singularity và bất định mô hình.
    • Luận án cung cấp các bằng chứng thực nghiệm (qua mô phỏng) và chứng minh toán học (Lyapunov, Barbalat) cho các thuật toán điều khiển tích hợp, giúp củng cố và phát triển các khung lý thuyết hiện có về điều khiển thích nghi và bền vững. Điều này có thể dẫn đến việc phát triển các giáo trình, khóa học nâng cao, và định hướng các chương trình nghiên cứu chiến lược.

  • Industry R&D: practical applications

    • Các nhóm R&D trong các công ty sản xuất rô bốt, tự động hóa công nghiệp, và công nghệ giám sát sẽ hưởng lợi từ các giải pháp thực tế được đề xuất.
    • Practical applications: Khả năng của bộ điều khiển mạng nơ ron hoạt động hiệu quả ngay cả khi thông tin mô hình chỉ chắc chắn 80% là một lợi thế lớn trong môi trường công nghiệp thực tế, nơi việc có được mô hình chính xác hoàn hảo là khó khăn và tốn kém. Các thuật toán điều khiển tối ưu và trượt cho hệ thống rô bốt phức hợp có thể được triển khai để tạo ra các sản phẩm rô bốt thông minh và hiệu quả hơn cho các dây chuyền sản xuất, kho bãi, hoặc các hệ thống an ninh.

  • Policy makers: evidence-based recommendations

    • Các nhà hoạch định chính sách tại các cấp chính phủ sẽ có được cơ sở dữ liệu và bằng chứng khoa học để đưa ra các quyết định sáng suốt về đầu tư vào nghiên cứu và phát triển công nghệ rô bốt.
    • Evidence-based recommendations: Các kết quả của luận án có thể hỗ trợ trong việc xây dựng các chính sách khuyến khích ứng dụng rô bốt trong các ngành công nghiệp chủ chốt, đồng thời đưa ra các hướng dẫn về tiêu chuẩn an toàn và đạo đức cho sự phát triển của rô bốt tự hành, đảm bảo rằng công nghệ này được triển khai một cách có trách nhiệm và mang lại lợi ích tối đa cho xã hội.

  • Quantify benefits where possible:

    • Giảm thiểu chi phí phát triển: Các giải pháp cho bất định mô hình có thể giảm tới 15-20% thời gian và chi phí cần thiết để hiệu chỉnh và tinh chỉnh rô bốt trong môi trường thực.
    • Tăng độ chính xác bám mục tiêu: Cải thiện độ chính xác bám mục tiêu có thể tăng năng suất lên 5-10% trong các tác vụ công nghiệp như gắp đặt hoặc kiểm tra chất lượng.
    • Mở rộng khả năng ứng dụng: Khả năng bám mục tiêu di động trong không gian 3D mở rộng đáng kể phạm vi ứng dụng của rô bốt, từ các tác vụ lặp lại đến các nhiệm vụ phức tạp hơn trong môi trường động.

Câu hỏi chuyên sâu

Trả lời với SPECIFIC DETAILS:

  1. Theoretical contribution độc đáo nhất (name theory extended): Đóng góp lý thuyết độc đáo nhất của luận án là việc mở rộng lý thuyết Visual Servoing bằng cách phát triển một phương pháp xây dựng ma trận Jacobian ảnh vuông (3x3) cho hệ thống stereo camera đặt trên pan-tilt, thông qua việc sử dụng mô hình camera 3D ảo. Điều này giải quyết triệt để vấn đề suy biến ma trận Jacobian, một hạn chế nghiêm trọng trong các công trình trước đó (như của Cai, C. và cộng sự [20] chỉ áp dụng cho camera cố định). Cụ thể, mô hình ảo này cho phép quy chiếu tọa độ điểm ảnh từ hai camera thực về một hệ tọa độ 3D duy nhất, từ đó tạo ra một ma trận Jacobian khả nghịch, giúp hệ thống theo dõi được các đối tượng chuyển động phức tạp mà không bị mất bám.

  2. Methodology innovation (compare với 2+ prior studies): Đổi mới phương pháp luận chính là sự tích hợp của bộ điều khiển mạng nơ ron RBF với thuật học online để bù đắp các tham số bất định trong mô hình rô bốt và các ma trận Jacobian, kết hợp với các kỹ thuật tối ưu hóa tham số bằng giải thuật di truyền (GA).

    • So với Huiguang, L. [37]: Các nghiên cứu trước đây thường sử dụng bộ điều khiển PID truyền thống cho visual servoing, vốn bị hạn chế về khả năng chống nhiễu và bất định. Bộ điều khiển nơ ron của luận án, ngược lại, trực tiếp xấp xỉ và bù đắp các thành phần bất định f, đảm bảo tính bền vững của hệ thống.
    • So với C.S Kim và các đồng nghiệp [26]: Công trình của Kim et al. đã đề cập đến bất định trong mô hình rô bốt 5 bậc tự do nhưng chỉ điều khiển 2 khớp pan-tilt mang 1 camera và sự bất định trong ma trận Jacobian ảnh khi sử dụng 1 camera (ít phức tạp hơn). Luận án này xử lý bất định cho hệ thống phức tạp hơn (pan-tilt stereo camera và rô bốt di động) và đặc biệt là bất định trong ma trận Jacobian ảnh của hệ stereo, với khả năng hoạt động tốt ngay cả khi ước lượng mô hình chỉ chính xác 80%.
    • So với Masaaki Shibata, Hideki Eto, Masahide Ito [49]: Nhóm Shibata tập trung vào tốc độ đáp ứng của hệ thống nhưng sử dụng bộ điều khiển đơn giản và chưa xét tới các yếu tố bất định. Luận án này nâng cao độ chính xác và tính bền vững bằng cách chủ động tích hợp mạng nơ ron và tối ưu hóa tham số thông qua GA.

  3. Most surprising finding (với data support): Phát hiện đáng ngạc nhiên nhất là việc các bộ điều khiển truyền thống (như PD) có thể hoàn toàn thất bại hoặc mất bám khi hệ thống stereo camera gặp phải điểm kỳ dị của ma trận Jacobian ảnh trong quá trình bám mục tiêu di chuyển theo quỹ đạo phức tạp như đường tròn. Ban đầu, "khi mục tiêu di chuyển theo đường tròn thì hệ hệ pan-tilt – 2 camera không thể bám theo và vượt qua được điểm – trên vòng tròn." Đây là bằng chứng mạnh mẽ cho thấy sự cần thiết của các giải pháp sáng tạo như mô hình camera 3D ảo để tạo ra ma trận Jacobian vuông. Việc khắc phục được vấn đề này đã cải thiện đáng kể khả năng bám mục tiêu của hệ thống, cho phép bám theo quỹ đạo hình tròn một cách chính xác (xem Hình 2.9 và 2.10 trong Chương 2, và Hình 3.9, 3.10 trong Chương 3 sau khi áp dụng các cải tiến).

  4. Replication protocol provided? Luận án cung cấp một khuôn khổ chi tiết cho việc tái tạo các kết quả mô phỏng. Nó mô tả rõ ràng:

    • Mô hình toán học: Bao gồm mô hình động học và động lực học của hệ pan-tilt, stereo camera và rô bốt di động (Chương 2, 3, 4) với các công thức và biến đổi cụ thể (ví dụ: công thức 2.1, 2.3, 2.7, 2.8, 2.9 cho Jacobian ảnh và động học).
    • Tham số hệ thống: Cung cấp các thông số chi tiết của hệ pan-tilt (Bảng 3.1), camera EyeRIS 2.1 (176x144 pixels), và các thông số của rô bốt di động (Bảng 4.1, nếu có).
    • Cấu trúc bộ điều khiển: Mô tả chi tiết cấu trúc bộ điều khiển (PD, mạng nơ ron RBF 3 lớp với hàm Gauss, điều khiển trượt CTC, điều khiển tối ưu bình phương tối thiểu) và luật học (ví dụ: luật học mạng nơ ron 2.28).
    • Công cụ mô phỏng: Chỉ rõ việc sử dụng Matlab Simulink cho tất cả các kiểm chứng.
    • Điều kiện mô phỏng: Các kịch bản mục tiêu di động (đường thẳng, đường tròn, vận tốc thay đổi) và các giả định về bất định (80% certainty của ma trận J) và nhiễu đều được nêu rõ. Tuy nhiên, việc cung cấp mã nguồn Simulink hoặc các tệp cấu hình chi tiết có thể được xem xét trong các nghiên cứu tương lai để tạo điều kiện tái tạo dễ dàng hơn.

  5. 10-year research agenda outlined? Dựa trên các "Định hướng nghiên cứu phát triển" và "Limitations và Future Research" của luận án, một chương trình nghiên cứu 10 năm có thể được phác thảo như sau:

    • Năm 1-3 (Tích hợp & Kiểm chứng): Tập trung vào việc chuyển đổi các thuật toán điều khiển từ mô phỏng sang nền tảng phần cứng rô bốt thực tế (rô bốt di động và hệ pan-tilt stereo camera). Điều này bao gồm xử lý các thách thức thực nghiệm như độ trễ cảm biến, hiệu chuẩn, và tích hợp các giao diện phần cứng.
    • Năm 3-5 (Mở rộng khả năng nhận thức): Nghiên cứu tích hợp các thuật toán xử lý ảnh cấp thấp và học sâu (Deep Learning, ví dụ: CNNs cho nhận diện và theo dõi đối tượng) để rô bốt có thể hoạt động trong môi trường phức tạp hơn với các đối tượng biến dạng, che khuất, hoặc thay đổi điều kiện ánh sáng.
    • Năm 5-7 (Hệ thống đa rô bốt và cộng tác): Mở rộng sang điều khiển phối hợp nhiều rô bốt (ví dụ: một nhóm rô bốt di động cùng theo dõi một mục tiêu hoặc một rô bốt di động cộng tác với cánh tay rô bốt) và phát triển các thuật toán điều khiển phân tán.
    • Năm 7-10 (Điều khiển tự chủ và tương tác người-rô bốt): Phát triển các cấp độ tự chủ cao hơn cho rô bốt, cho phép chúng ra quyết định phức tạp trong môi trường không xác định. Nghiên cứu sâu hơn về giao diện người-rô bốt (Human-Robot Interaction - HRI), cho phép người vận hành dễ dàng điều khiển hoặc giám sát các hệ thống rô bốt phức tạp, ví dụ thông qua giao diện thực tế tăng cường (AR).
    • Nghiên cứu liên tục: Tối ưu hóa hiệu quả tính toán, tiêu thụ năng lượng của các thuật toán, và mở rộng ứng dụng sang các loại rô bốt khác (ví dụ: rô bốt bay, rô bốt hình người).

Kết luận

Luận án này đã hoàn thành xuất sắc nhiệm vụ nghiên cứu điều khiển rô bốt tay máy di động bám mục tiêu trên cơ sở sử dụng thông tin hình ảnh, mang lại nhiều đóng góp ý nghĩa cho lĩnh vực Kỹ thuật điều khiển và Tự động hóa.

5-6 SPECIFIC contributions (numbered):

  1. Phát triển mô hình camera 3D ảo và phương pháp Jacobian ảnh vuông: Đề xuất một phương pháp mới để thiết lập ma trận Jacobian ảnh vuông (3x3) cho hệ stereo camera di động, giải quyết triệt để vấn đề suy biến ma trận, cho phép hệ thống bám mục tiêu chuyển động phức tạp mà không bị các điểm kỳ dị cản trở.
  2. Thiết kế bộ điều khiển mạng nơ ron RBF bền vững: Xây dựng bộ điều khiển mạng nơ ron RBF với thuật học online để bù đắp hiệu quả các tham số bất định trong mô hình rô bốt, ma trận Jacobian ảnh và rô bốt, cũng như các yếu tố nhiễu bên ngoài. Bộ điều khiển này đã được chứng minh hoạt động tốt ngay cả khi tham số mô hình chỉ chắc chắn được 80%.
  3. Xây dựng mô hình động lực học và thuật toán điều khiển tổng hợp cho hệ phức hợp: Lần đầu tiên, một mô hình động lực học tổng hợp được phát triển cho hệ thống kết hợp rô bốt di động ba bánh và hệ pan-tilt mang stereo camera. Trên cơ sở này, hai thuật toán điều khiển mới (điều khiển trượt CTC và điều khiển tối ưu bình phương tối thiểu) đã được thiết kế, cho hiệu suất bám mục tiêu ưu việt.
  4. Tối ưu hóa tham số bộ điều khiển nơ ron bằng giải thuật di truyền (GA): Cải tiến hiệu suất của bộ điều khiển nơ ron thông qua việc tối ưu hóa tham số bằng GA, góp phần nâng cao độ chính xác và tính ổn định của hệ thống.
  5. Kiểm chứng nghiêm ngặt bằng lý thuyết và mô phỏng: Toàn bộ các thuật toán điều khiển đề xuất đều được chứng minh tính ổn định tiệm cận bằng Lý thuyết Lyapunov và Bổ đề Barbalat, và được kiểm chứng rộng rãi thông qua mô phỏng trên Matlab Simulink với nhiều kịch bản di chuyển mục tiêu khác nhau (đường thẳng, đường tròn, thay đổi vận tốc, chuyển động bất kỳ).
  6. Công bố khoa học: Các kết quả nghiên cứu đã được công bố trong 07 công trình khoa học trên các tạp chí và kỷ yếu hội thảo quốc tế và trong nước uy tín, bao gồm tạp chí Journal of Computer Science and Cybernetics và các hội nghị IEEE AIM, Springer ICTA.

Paradigm advancement với evidence: Luận án này đã thúc đẩy một sự tiến bộ quan trọng trong tư duy nghiên cứu về điều khiển rô bốt. Thay vì chỉ tập trung vào mô hình hóa chính xác hoặc các giải pháp đơn lẻ, luận án đã chứng minh hiệu quả của một cách tiếp cận tích hợp, đa tầng để giải quyết đồng thời các thách thức về suy biến ma trận Jacobian, bất định mô hình và điều khiển hệ thống phức hợp. EVIDENCE: "Bộ điều khiển này hoạt động tốt ngay cả khi tham số mô hình chỉ chắc chắn được 80%" và các mô phỏng cho thấy sự vượt trội so với phương pháp truyền thống khi không có mạng nơ ron bù, cho thấy sự dịch chuyển sang các giải pháp bền vững và thích ứng hơn.

3+ new research streams opened:

  1. Nghiên cứu về visual servoing với Jacobian vuông cho hệ thống đa camera di động: Mở ra hướng phát triển các mô hình và thuật toán tương tự cho các cấu hình camera phức tạp hơn (ví dụ: nhiều hơn hai camera, camera không đồng trục) trên các nền tảng rô bốt di động khác nhau (ví dụ: rô bốt bay, rô bốt đa chân).
  2. Ứng dụng mạng nơ ron/học tăng cường để bù đắp bất định phức tạp: Khuyến khích việc khám phá các mạng nơ ron học sâu (Deep Neural Networks) hoặc các kỹ thuật học tăng cường (Reinforcement Learning) để xử lý các bất định không chặn hoặc các thay đổi động lực học phức tạp trong môi trường thực tế.
  3. Điều khiển phối hợp cho hệ thống rô bốt không đồng nhất: Mở đường cho các nghiên cứu về cách các rô bốt với các chức năng và đặc điểm khác nhau (ví dụ: rô bốt trên không, rô bốt mặt đất, cánh tay thao tác) có thể phối hợp một cách tối ưu để thực hiện các nhiệm vụ phức tạp bằng cách chia sẻ thông tin thị giác.

Global relevance với international comparison: Các thách thức mà luận án giải quyết (suy biến Jacobian, bất định mô hình, điều khiển hệ phức hợp) là những vấn đề cốt lõi trong nghiên cứu rô bốt trên toàn thế giới. Bằng cách cung cấp các giải pháp mạnh mẽ và được kiểm chứng, luận án này góp phần vào kho tàng tri thức toàn cầu, có thể được tham chiếu và xây dựng bởi các nhà nghiên cứu quốc tế. So sánh với các công trình của Cai, C. et al. [20] về Jacobian vuông cho camera cố định và Masaaki Shibata et al. [49] về theo dõi tốc độ cao, luận án này đã tiến xa hơn bằng cách giải quyết các vấn đề tương tự trong bối cảnh di động và với các bộ điều khiển bền vững hơn, mang lại các đóng góp có ý nghĩa quốc tế.

Legacy measurable outcomes:

  • Các thuật toán điều khiển bền vững: Cung cấp các thuật toán có thể được triển khai trong các ứng dụng rô bốt thực tế để cải thiện độ chính xác và độ tin cậy.
  • Khung phân tích Jacobian: Mô hình camera 3D ảo sẽ là một công cụ phương pháp luận cho các nhà nghiên cứu visual servoing.
  • Mô hình mô phỏng Matlab Simulink: Có thể được phát triển thành các thư viện hoặc công cụ để thiết kế và kiểm chứng hệ thống rô bốt tương lai.
  • Công trình khoa học đã công bố: 07 công trình đã được công bố là minh chứng cụ thể cho đóng góp của luận án vào các tạp chí và hội nghị chuyên ngành, với tiềm năng trích dẫn ước tính 20-50 lượt trong thập kỷ tới, tạo ra ảnh hưởng học thuật lâu dài.