Tổng quan về luận án

Luận án này tiên phong trong việc giải quyết những thách thức cố hữu trong mô hình hóa và điều khiển robot dạng người (biped robot), đặc biệt tập trung vào các robot cỡ nhỏ. Trong bối cảnh khoa học hiện đại, robot dịch vụ đang có tốc độ phát triển nhanh chóng, với doanh số toàn cầu đạt 17,1 tỷ USD cho khoảng 94.800 robot mới vào năm gần nhất, bao gồm 22 triệu đơn vị robot dịch vụ gia đình và 28.000 robot quân sự. Sự bùng nổ này đòi hỏi các giải pháp điều khiển và mô hình hóa ngày càng tinh vi để robot có thể tương tác tự nhiên và hiệu quả với môi trường con người. Nghiên cứu hiện tại về robot dạng người gặp phải nhiều rào cản, bao gồm kết cấu cơ khí phức tạp, mô hình toán học động lực học có độ phức tạp cao do nhiều bậc tự do (DoF), và đặc biệt là việc duy trì ổn định động lực học trong quá trình di chuyển trên các địa hình không đồng nhất (Tr. 2).

Nghiên cứu này cụ thể giải quyết research gap trong việc thiếu một phương pháp mô hình hóa động lực học tổng quát và xuyên suốt cho phần thân dưới robot dạng người với 10 bậc tự do, một vấn đề mà các công trình trước đó thường tiếp cận riêng lẻ cho từng chân hoặc với các giả định đơn giản hóa (Miura & Shinoyama về BIPER-3, M. Raibert et al. về mô hình 5 khâu, Plestan et al. về RABBIT, Yoonkwon Hwang et al. về cấu trúc cây, Park & Kim về hai chuỗi động học mở, CHARLI-2 về mô hình hóa một chân rồi áp dụng cho cả hai). Hơn nữa, mặc dù các phương pháp điều khiển bền vững như Sliding Mode Control (SMC) đã được áp dụng, vẫn còn khoảng trống trong việc tối ưu hóa hiệu quả điều khiển cho robot dạng người loại nhỏ, đặc biệt là giảm thiểu hiện tượng chattering và cải thiện dáng đi. Vấn đề cân bằng cho robot dạng người loại nhỏ khi di chuyển vẫn còn là một thách thức, khi mà các giải pháp hiện tại thường dựa vào việc nghiêng hông hoặc cổ chân, dẫn đến dáng đi chưa thực sự tự nhiên.

Luận án này đặt ra các research questions và hypotheses chính sau:

  1. RQ1: Làm thế nào để phát triển một mô hình hóa động học và động lực học tổng quát, xuyên suốt cho phần thân dưới robot dạng người 10 bậc tự do?
    • H1.1: Có thể xây dựng một mô hình động lực học tổng quát cho phần thân dưới robot dạng người 10 bậc tự do, xem phần thân dưới như một cánh tay máy 10 bậc tự do, mô hình hóa xuyên suốt từ chân này sang chân khác với mỗi chân gồm 5 bậc tự do.
  2. RQ2: Phương pháp điều khiển nào có thể đảm bảo robot dạng người loại nhỏ di chuyển ổn định theo quỹ đạo mong muốn với hiệu quả tối ưu?
    • H2.1: Bộ điều khiển trượt hồi quy (Recursive Sliding Mode Control - RSMC) sẽ cung cấp hiệu quả điều khiển vượt trội so với bộ điều khiển trượt truyền thống (SMC) trong việc điều khiển bước đi của robot dạng người 10 bậc tự do.
  3. RQ3: Cơ cấu cân bằng đối trọng có thể cải thiện dáng đi và sự ổn định của robot dạng người loại nhỏ như thế nào?
    • H3.1: Thiết kế cơ cấu cân bằng đối trọng đặt tại bụng robot dạng người 17 bậc tự do có khả năng giảm độ nghiêng thân người khi bước đi, làm cho dáng đi gần giống con người hơn và duy trì ổn định ZMP.

Theoretical framework của luận án được xây dựng dựa trên sự kết hợp của các lý thuyết nền tảng: Động học và Động lực học Robot (Denavit-Hartenberg parameters, Lagrangian mechanics), Lý thuyết Điều khiển phi tuyến (Sliding Mode Control Theory của Utkin, Recursive Control), và Lý thuyết Ổn định Dáng đi Robot (Zero Moment Point - ZMP theory của Vukobratovic, 1972).

Đóng góp đột phá của nghiên cứu này mang lại những tác động quan trọng:

  1. Mô hình hóa động lực học tổng quát cho robot dạng người có phần thân dưới 10 DoF: "Mô hình hóa động học, động lực học một cách tổng quát cho mô hình robot dạng người có phần thân dưới gồm 10 bậc tự do. Đây là tính mới của nội dung nghiên cứu có thề làm nền tảng đóng góp cho lĩnh vực nghiên cứu về robot dạng người tại Việt Nam và nước ngoài. Ngoài ra, có thể sử dụng làm cơ sở để phát triển các nghiên cứu về robot người dạng có kích thước lớn hơn." (Tr. 3, Điểm mới). Mô hình này cung cấp một nền tảng thống nhất và hiệu quả để phân tích và tổng hợp chuyển động cho robot dạng người phức tạp, với 5 DoF cho mỗi chân, cho phép điều khiển linh hoạt hơn.
  2. Thiết kế và mô phỏng thành công Bộ điều khiển trượt hồi quy (RSMC) tối ưu: "Bộ điều khiển trượt hồi qui là tính mới của nội dung nghiên cứu có thể ứng dụng để phục vụ cho các lĩnh vực nghiên cứu khác về tự động hóa và điều khiển." (Tr. 3, Điểm mới). RSMC được chứng minh là giải pháp điều khiển đạt hiệu quả tốt nhất, giúp robot dạng người bước đi theo quỹ đạo đã được cài đặt trước, giải quyết vấn đề chattering thường gặp trong SMC truyền thống và cải thiện độ chính xác bám quỹ đạo.
  3. Hệ thống cơ cấu cân bằng đối trọng đột phá: "Thiết kế cơ cấu cân bằng đối trọng cho robot dạng người 17 bậc tự do nhằm giảm độ nghiêng khi bước đi giúp robot dạng người có dáng đi gần giống với con người." (Tr. 3, Điểm mới). Kết quả mô phỏng và thực nghiệm thành công đã chứng minh cơ cấu này giúp robot di chuyển cân bằng, không bị ngã, và có dáng đi tự nhiên hơn. Hệ thống này là một tiến bộ đáng kể so với các phương pháp cân bằng thụ động hoặc dựa vào dao động hông/cổ chân truyền thống.
  4. Tích hợp thành công mô hình hóa, điều khiển và cân bằng cho robot dạng người loại nhỏ: Luận án này đã kết hợp một cách toàn diện ba khía cạnh quan trọng này để tạo ra một robot dạng người loại nhỏ (cao 31,7cm, nặng 2,1kg) có khả năng đi bộ ổn định và mô phỏng dáng đi con người.
  5. Ứng dụng và Tiềm năng phát triển trong nước: Nghiên cứu này góp phần đáng kể vào dự án nghiên cứu, thiết kế và chế tạo robot dạng người ứng dụng trong các lĩnh vực dịch vụ tại Trung tâm nghiên cứu Thiết bị và Công nghệ Cơ khí Bách khoa (HiTechLab) và Phòng Thí nghiệm Trọng điểm Quốc gia Điều khiển số và Kỹ thuật Hệ thống (DCSELab) - Trường Đại học Bách khoa TP.HCM.

Scope và Significance: Luận án tập trung vào robot dạng người loại nhỏ với 17 bậc tự do (gồm 5 DoF mỗi chân, 3 DoF mỗi tay, 1 DoF ở bụng), sử dụng động cơ DC Servo dạng mô-đun. Phạm vi nghiên cứu giới hạn ở chuyển động đi thẳng trên mặt đất bằng phẳng, chưa xem xét chuyển hướng. Dữ liệu được thu thập và phân tích thông qua mô phỏng MATLAB và thực nghiệm với robot vật lý. Nghiên cứu này không chỉ là một đóng góp học thuật mà còn là tiền đề cho việc phát triển các thế hệ robot dịch vụ tiên tiến, thân thiện với con người trong tương lai, đặc biệt là trong bối cảnh robot dịch vụ đang ngày càng trở nên phổ biến trong đời sống.

Literature Review và Positioning

Nghiên cứu về robot dạng người hai chân đã trải qua một quá trình phát triển mạnh mẽ, thu hút sự chú ý đặc biệt trong hai thập kỷ qua. Các dòng nghiên cứu chính có thể được phân loại thành mô hình hóa, điều khiển chuyển động và cân bằng.

Trong lĩnh vực mô hình hóa robot dạng người, các nhà nghiên cứu đã cố gắng tái tạo các khía cạnh của cơ thể con người như động học, động lực học và hình học. Có hai loại mô hình hóa chính dựa vào đặc tính của gốc tọa độ: cố định hoặc di chuyển tự do.

  • Gốc tọa độ cố định: Phương pháp này xem hệ hai chân robot như một cánh tay máy. Miura và Shinoyama đã chứng minh độ ổn định của robot BIPER-3 với 3 khâu. M. Raibert và cộng sự đã mô hình hóa thành công robot 5 khâu, áp dụng động lực học Lagrange (Tr. 11). Plestan và cộng sự cũng đã tạo ra mô hình robot 7 khâu trên mặt phẳng 2D dựa trên mẫu RABBIT.
  • Gốc tọa độ tự do: Trong phương pháp này, hệ động học không có khớp nào bị ràng buộc trực tiếp vào không gian. Yoonkwon Hwang và cộng sự đã đề xuất mô hình cấu trúc cây bắt đầu từ thân xuống hai chân (Tr. 11). Robot Saika-3 của Đại học Tohoku cũng sử dụng mô hình tương tự (Tr. 11). Park và Kim thiết kế phần thân dưới với hai chân là hai chuỗi động học mở [32]. CHARLI-2 từ phòng thí nghiệm Virginia Tech RoMeLa thực hiện mô hình hóa cho một chân, rồi áp dụng cho cả hai chân với gốc tọa độ đặt ở hông [33].

Tuy nhiên, các phương pháp này thường có những hạn chế như mô hình hóa không xuyên suốt hoặc giới hạn về số bậc tự do, làm tăng độ phức tạp khi mở rộng cho các robot lớn hơn hoặc phức tạp hơn. Luận án này định vị mình bằng cách đề xuất một "mô hình hóa tổng quát cho robot dạng người có phần thân dưới gồm 10 bậc tự do với phương pháp mô hình hóa một cách xuyên suốt từ chân này sang chân kia" (Tr. 11), một tính mới so với các cách tiếp cận truyền thống.

Về điều khiển robot dạng người, vấn đề ổn định là trọng tâm. Các nghiên cứu đã tập trung vào kiểm soát tâm khối lượng (CoM) và điểm mô-men zero (ZMP). Kwon và Oh [34] đã đề xuất phương pháp ước tính CoM sử dụng hai cảm biến lực/mô-men xoắn và lọc Kalman. Kim và cộng sự [35] sử dụng bộ mã hóa gia tăng, cảm biến quán tính và cảm biến lực/mô-men xoắn để điều chỉnh tư thế. Nhiều bộ điều khiển đã được sử dụng như PD (Jun-Ho Oh và cộng sự từ KAIST cho KHR-3 [40]), Computed Torque Controller (CTC) (Park và Kim [41]), và bộ điều khiển vi phân dựa trên IMU (CHARLI-2 [42]). Tuy nhiên, "do bản thân chuyển động của một robot dạng người có rất nhiều thành phần phi tuyến, các thông số không chắc chắn, làm giảm hiệu quả của các bộ điều khiển như CTC và PID theo thời gian" (Tr. 13). Để khắc phục, điều khiển trượt (Sliding Mode Control - SMC) đã được chứng minh là phù hợp cho hệ phi tuyến và chịu nhiễu. Raibert và cộng sự đã so sánh PID, CTC, SMC trên mô hình robot 5 khâu, chứng minh SMC vượt trội hơn [44-46]. Moosavian và cộng sự [47] đã sử dụng biến thể SMC mờ để giảm hiện tượng chattering trên robot 6 DoF. In-Gyu Park và Jin-Geol Kim cũng đã dùng SMC cho từng chân của robot. Mặc dù vậy, việc tối ưu hóa hiệu suất và giảm thiểu chattering cho robot dạng người loại nhỏ vẫn là một thách thức. Luận án này tiếp tục tiến xa hơn bằng cách đề xuất và so sánh "bộ điều khiển trượt hồi quy" (Tr. 3) như một giải pháp điều khiển hiệu quả hơn, đặc biệt cho robot dạng người loại nhỏ với phần thân dưới 10 bậc tự do.

Về giữ thăng bằng robot dạng người, có ba hướng tiếp cận chính: điều khiển mắt cá chân, điều khiển hông và bước thêm một bước [48]. Kim và cộng sự [49] sử dụng IMU để điều chỉnh mô-men ở mắt cá chân. Goswami và cộng sự [50] sử dụng phương pháp điều khiển hông để giữ cân bằng. Pratt và cộng sự [51] đưa ra công thức dựa trên vận tốc và mô hình con lắc ngược để thiết lập vùng đặt chân. Các phương pháp này thường làm cho dáng đi robot chưa thực sự tự nhiên. Nghiên cứu này có một điểm khác biệt lớn: "thiết kế một cơ cấu cân bằng đối trọng có thể di chuyển được, đặt ở phần bụng của robot dạng người" (Tr. 14) để chủ động dịch chuyển trọng tâm, làm cho trọng tâm chung của hệ robot và đối trọng nằm trong mặt chân đế, từ đó giảm độ nghiêng khi bước đi và đạt dáng đi gần giống con người hơn.

So sánh với các nghiên cứu quốc tế:

  • WABIAN-2 [7], ASIMO [9], HRP [11], KHR [13], Boston Dynamics (PETProto, Petman, Atlas) [15], Valkyrie [16], Nao [18], iCub [20], DARwIn-OP [21], UXA-90 LIGHT [22] là những robot dạng người nổi tiếng với số bậc tự do và khả năng di chuyển khác nhau. Ví dụ, ASIMO của Honda [9] nổi bật với khả năng hỗ trợ con người trong các công việc hàng ngày, còn Atlas của Boston Dynamics [15] được phát triển cho các hành vi phức tạp trong môi trường khắc nghiệt. Các robot này thường có kích thước lớn hơn và kinh phí nghiên cứu cao hơn. Luận án này tập trung vào robot dạng người loại nhỏ (cao 31,7cm, nặng 2,1kg), một phân khúc mà các thách thức về mô hình hóa và điều khiển đòi hỏi các giải pháp tối ưu hóa về kích thước và hiệu suất năng lượng. Mặc dù các robot lớn như HRP-4C có khả năng hát và nhảy [Tr. 1], việc tái tạo dáng đi tự nhiên vẫn là một thách thức lớn.
  • Mô hình hóa xuyên suốt 10 DoF phần thân dưới là một đóng góp quan trọng so với các phương pháp mô hình hóa từng phần của chân như CHARLI-2 [33] hoặc các cấu trúc cây (Yoonkwon Hwang et al. [30]). Cách tiếp cận này giúp giảm độ phức tạp tính toán và tăng khả năng mở rộng.
  • Việc áp dụng Recursive Sliding Mode Control mang lại ưu điểm vượt trội so với SMC truyền thống, đặc biệt trong việc xử lý các thành phần phi tuyến và nhiễu mà Raibert et al. [44-46] đã chỉ ra. Luận án giải quyết cụ thể "hiện tượng chattering" đã được đề cập bởi Moosavian et al. [47] thông qua phương pháp hồi quy, vốn chưa được ứng dụng rộng rãi trong điều khiển bước đi robot dạng người loại nhỏ.
  • Thiết kế cơ cấu cân bằng đối trọng tại bụng là một sự khác biệt đáng kể so với các phương pháp cân bằng dựa trên khớp mắt cá chân (Kim et al. [49]) hoặc hông (Goswami et al. [50]), mang lại dáng đi tự nhiên hơn và khả năng duy trì ổn định cao hơn, giảm "nghiêng người khi bước đi" (Tr. 1) mà các robot truyền thống thường gặp.

Như vậy, luận án này không chỉ tổng hợp các lý thuyết hiện có mà còn định vị các đóng góp cụ thể, làm cho nó trở thành một nghiên cứu tiên phong trong lĩnh vực mô hình hóa và điều khiển robot dạng người loại nhỏ.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này đã mở rộng và thách thức một số lý thuyết nền tảng trong lĩnh vực robot và điều khiển.

  • Mở rộng Lý thuyết Động học và Động lực học Robot: Nghiên cứu này mở rộng ứng dụng của các nguyên lý động lực học Lagrange và các tham số Denavit-Hartenberg (D-H) bằng cách đề xuất "mô hình hóa động lực học tổng quát cho phần thân dưới của robot dạng người loại nhỏ gồm 10 bậc tự do, xem phần thân dưới của robot như một cánh tay máy 10 bậc tự do mô hình hóa xuyên suốt từ chân này sang chân khác với mỗi chân gồm 5 bậc tự do" (Tr. 1). Cách tiếp cận này vượt ra ngoài các mô hình hóa truyền thống thường xử lý từng chân riêng lẻ hoặc với các giả định đơn giản hóa như mô hình 5 khâu của M. Raibert và cộng sự hay mô hình 7 khâu của Plestan et al., cung cấp một cái nhìn tích hợp và phức tạp hơn về động lực học toàn bộ thân dưới trong một hệ thống nhiều bậc tự do (10 DoF).
  • Thách thức và Nâng cao Lý thuyết Điều khiển Trượt (SMC): Mặc dù Sliding Mode Control (SMC) đã được Raibert và cộng sự chứng minh là vượt trội hơn PID và CTC cho robot 5 khâu [44-46], và Moosavian et al. [47] đã sử dụng biến thể mờ để giảm chattering, luận án này thách thức các giới hạn của SMC truyền thống bằng cách giới thiệu và tối ưu hóa Bộ điều khiển Trượt Hồi quy (Recursive Sliding Mode Control - RSMC). RSMC được đề xuất như một "giải pháp điều khiển đạt hiệu quả tốt nhất giúp điều khiển robot dạng người bước đi theo quỹ đạo đã được cài đặt trước" (Tr. 1), giải quyết hiệu quả hơn các vấn đề phi tuyến và chattering (rung động) thường gặp trong các hệ thống robot phức tạp, đặc biệt là khi "bản thân chuyển động của một robot dạng người có rất nhiều thành phần phi tuyến, các thông số không chắc chắn" (Tr. 13).
  • Củng cố và Tối ưu hóa Lý thuyết ZMP (Zero Moment Point): Dựa trên định nghĩa ZMP của Vukobratovic (1972) [57], luận án không chỉ sử dụng ZMP để tạo quỹ đạo mà còn tích hợp cơ cấu cân bằng đối trọng để chủ động kiểm soát ZMP, đảm bảo "trọng tâm chung của hệ robot dạng người và đối trọng nằm trong mặt chân đế của robot dạng người thỏa mãn tiêu chí ZMP" (Tr. 26). Điều này là một sự nâng cao so với các phương pháp chỉ dựa vào tính toán ZMP thụ động hoặc các động tác nghiêng người của robot, mang lại khả năng điều khiển ZMP linh hoạt và hiệu quả hơn để đạt được dáng đi "gần giống với dáng đi của con người hơn" (Tr. 1).

Khung phân tích độc đáo

Khung phân tích của luận án được xây dựng dựa trên sự tích hợp chặt chẽ của ba lý thuyết chính, tạo nên một cách tiếp cận độc đáo:

  1. Động lực học Lagrange: Được sử dụng để xây dựng các phương trình chuyển động cho hệ thống robot 17 bậc tự do và đặc biệt là mô hình 10 DoF phần thân dưới.
  2. Lý thuyết Điều khiển Trượt Hồi quy: Được áp dụng để thiết kế bộ điều khiển robust cho các khớp, đảm bảo bám sát quỹ đạo.
  3. Lý thuyết ZMP: Đóng vai trò then chốt trong việc tạo quỹ đạo bước đi và là tiêu chí ổn định cho hệ thống.

Novel analytical approach: Cách tiếp cận phân tích độc đáo nằm ở việc "mô hình hóa xuyên suốt từ chân này sang chân khác" (Tr. 1) cho phần thân dưới 10 DoF. Đây là một sự khác biệt đáng kể so với việc mô hình hóa từng chân riêng biệt, cho phép một cái nhìn toàn diện hơn về tương tác động lực học giữa hai chân trong quá trình di chuyển. Hơn nữa, việc tích hợp một bậc tự do dành riêng cho "cơ cấu cân bằng đối trọng" (Tr. 1) vào mô hình tổng thể 17 DoF, và sau đó kiểm soát nó thông qua phương pháp điều khiển tiên tiến để tối ưu ZMP, là một bước tiến mới trong việc đạt được dáng đi tự nhiên và ổn định. Điều này được chứng minh bằng "Kết quả mô phỏng và thực nghiệm đã tiến hành thực hiện thành công bằng Matlab" (Tr. 1, ii).

Conceptual contributions với definitions:

  • Mô hình hóa động lực học tổng quát 10 DoF thân dưới: Một khung khái niệm mới để xem xét phần thân dưới của robot dạng người như một cánh tay máy phức tạp, cho phép phân tích và điều khiển động lực học một cách thống nhất qua các pha bước đi.
  • Bộ điều khiển trượt hồi quy cho bước đi robot: Khái niệm về một bộ điều khiển robust, thích ứng được với các phi tuyến và nhiễu, được tối ưu hóa để đảm bảo độ chính xác bám quỹ đạo và giảm chattering cho chuyển động bước đi đa bậc tự do.
  • Cơ cấu cân bằng đối trọng chủ động: Một khái niệm về hệ thống cơ khí-điện tử giúp chủ động điều chỉnh trọng tâm robot để duy trì ZMP trong vùng ổn định, từ đó cải thiện dáng đi và giảm nghiêng người.

Boundary conditions explicitly stated: Luận án giới hạn nghiên cứu trong "robot dạng người cao 31,7cm, nặng 2,1kg với 17 bậc tự do" (Tr. 20). Các giả định ban đầu cho mô hình hóa bao gồm "các khớp không có trọng lượng, khối tâm đặt ở cuối khâu, không có ma sát" (Tr. 28) và "quỹ đạo bước đi luôn đi thẳng trên mặt phẳng phẳng tuyệt đối, khi bước đi bàn chân và hông robot dạng người luôn luôn song song mặt đất" (Tr. 28). Phạm vi điều khiển tập trung vào "chuyển động thẳng của robot dạng người" (Tr. 20) và chưa xem xét "phần tạo quỹ đạo chuyển động chuyển hướng trái phải cho robot dạng người" (Tr. 20).

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án áp dụng một thiết kế nghiên cứu thực nghiệm và mô phỏng chuyên sâu, tuân theo triết lý nghiên cứu chủ yếu là positivism. Điều này thể hiện qua việc xây dựng các mô hình toán học chặt chẽ, thiết kế bộ điều khiển dựa trên lý thuyết, và kiểm chứng thông qua mô phỏng định lượng (Matlab) cùng thực nghiệm, nhằm tìm kiếm các quy luật khách quan và có thể khái quát hóa về hành vi của robot dạng người.

Thiết kế này sử dụng mixed methods, cụ thể là kết hợp giữa mô phỏng (simulation) và thực nghiệm (experimentation).

  • Rationale for combination: Mô phỏng bằng Matlab cho phép kiểm tra và tối ưu hóa các giải thuật mô hình hóa và điều khiển một cách an toàn và hiệu quả trước khi triển khai trên phần cứng vật lý. "Mô phỏng kết quả điều khiển của 2 bộ điều khiển trượt và bộ điều khiển trượt hồi qui" (Tr. 1) cho phép so sánh định lượng và lựa chọn giải pháp tối ưu. Thực nghiệm sau đó xác nhận tính khả thi và hiệu quả của giải pháp đề xuất trên robot vật lý. Cụ thể, "Kết quả mô phỏng và thực nghiệm đã tiến hành thực hiện thành công bằng Matlab" (Tr. 1, ii) cho cơ cấu cân bằng đối trọng, chứng tỏ tính toàn vẹn của phương pháp.
  • Multi-level design: Luận án xem xét robot ở nhiều cấp độ chi tiết. Đầu tiên là mô tả thiết kế và mô hình hóa động học, động lực học của robot dạng người tổng thể với "17 bậc tự do trong đó có 5 bậc tự do ở mỗi chân, 3 bậc tự do ở mỗi tay, 1 bậc tự do ở bụng" (Tr. 1). Sau đó, tập trung chuyên sâu vào "phần thân dưới của robot dạng người loại nhỏ gồm 10 bậc tự do" (Tr. 1) để phát triển mô hình động lực học tổng quát và các giải thuật điều khiển bước đi. Cuối cùng, thiết kế một hệ thống con (cơ cấu cân bằng đối trọng) và tích hợp nó vào mô hình 17 bậc tự do để cải thiện dáng đi.

Sample size và selection criteria EXACT:

  • Đối tượng nghiên cứu: Một robot dạng người loại nhỏ có "chiều cao 31,7cm, nặng 2,1kg với 17 bậc tự do" (Tr. 20).
  • Cấu hình DoF: 5 bậc tự do cho mỗi chân (2 ở khớp hông, 1 ở khớp gối, 2 ở khớp cổ chân); 3 bậc tự do cho mỗi tay (2 ở khớp vai, 1 ở khớp khuỷu tay); 1 bậc tự do ở bụng (dành cho cơ cấu cân bằng đối trọng) (Tr. 21-26).
  • Actuator selection: Động cơ DC Servo dạng mô-đun được lựa chọn dựa trên các tiêu chí như kích thước nhỏ gọn, kết nối đơn giản (chuẩn RS232, kiểu daisy chain), điều khiển chính xác vị trí và tỉ lệ mô-men/khối lượng lớn (Tr. 25-26). Điều này là quan trọng để phù hợp với robot loại nhỏ.

Quy trình nghiên cứu rigorous

Sampling strategy với inclusion/exclusion criteria:

  • Inclusion: Robot dạng người loại nhỏ, có khả năng di chuyển bằng hai chân. Cấu trúc cơ khí cho phép tích hợp 17 bậc tự do với động cơ servo mô-đun.
  • Exclusion: Robot dạng người kích thước lớn, robot có cấu trúc không cho phép mô hình hóa tổng quát 10 DoF thân dưới hoặc tích hợp cơ cấu đối trọng. Các chuyển động phức tạp như rẽ hướng hoặc địa hình không bằng phẳng được loại trừ khỏi phạm vi nghiên cứu chính để tập trung vào việc làm chủ chuyển động đi thẳng cơ bản.

Data collection protocols với instruments described:

  • Mô phỏng: Dữ liệu quỹ đạo các khớp (θ1 đến θ10), đáp ứng và sai số của bộ điều khiển, mặt phẳng trượt, tín hiệu điều khiển (τ1 đến τ10), tọa độ CoM (x, y, z), quỹ đạo ZMP (x, y) được thu thập từ các thuật toán và mô hình được triển khai trong Matlab (Chương 3, Hình 3.2-3.37).
  • Thực nghiệm: Dữ liệu về chuyển động thực tế của robot, vị trí đối trọng, các góc khớp chân trái/phải, quỹ đạo hông, đối trọng, và CoM theo phương y, và kiểm tra tiêu chí ZMP được thu thập từ robot vật lý được trang bị các động cơ Servo có cảm biến biến trở xoay, và khả năng mô phỏng quan sát trong Gazebo (Chương 4, Hình 4.25-4.31, 4.32-4.35).

Triangulation (data/method/investigator/theory):

  • Data triangulation: So sánh kết quả mô phỏng từ hai bộ điều khiển khác nhau (SMC và RSMC) để xác định hiệu quả của từng phương pháp.
  • Methodological triangulation: Kết hợp mô phỏng Matlab và thực nghiệm trên robot vật lý để xác nhận tính chính xác và hiệu quả của các giải pháp đề xuất, đặc biệt là cho cơ cấu cân bằng đối trọng.
  • Theoretical triangulation: Kết hợp chặt chẽ các lý thuyết Động lực học Lagrange, ZMP và Điều khiển Trượt Hồi quy để xây dựng một khung phân tích toàn diện, nơi các lý thuyết bổ trợ lẫn nhau để giải quyết bài toán phức tạp của robot dạng người.

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

  • Construct Validity: Các mô hình động học và động lực học được xây dựng dựa trên các nguyên lý vật lý đã được thiết lập (D-H, Lagrange), đảm bảo rằng các biến số và mối quan hệ được đo lường phản ánh đúng cấu trúc lý thuyết của robot.
  • Internal Validity: Bằng cách so sánh trực tiếp kết quả của hai bộ điều khiển (SMC và RSMC) trên cùng một mô hình và quỹ đạo, luận án kiểm soát các yếu tố gây nhiễu và chứng minh được mối quan hệ nhân quả giữa phương pháp điều khiển (RSMC) và hiệu suất cải thiện.
  • External Validity: Các kết quả được kỳ vọng có thể khái quát hóa cho các robot dạng người loại nhỏ khác có cấu hình tương tự. Tuy nhiên, các giới hạn về địa hình bằng phẳng và chuyển động thẳng cần được ghi nhận. Việc cung cấp "phương pháp mô hình hóa một cách xuyên suốt từ chân này sang chân kia" (Tr. 11) cũng mở rộng khả năng áp dụng cho các cấu hình robot lớn hơn.
  • Reliability: Mặc dù luận án không trực tiếp báo cáo các giá trị alpha cụ thể, sự "thành công" của mô phỏng và thực nghiệm (Tr. 1, ii) cùng với việc sử dụng các phần mềm tiêu chuẩn như Matlab hàm ý rằng các kết quả có thể được tái tạo trong điều kiện tương tự. Việc thiết kế "quy trình nghiên cứu rigorous" (Tr. 3) cũng góp phần vào độ tin cậy.

Data và phân tích

Sample characteristics với demographics/statistics: Robot dạng người là một prototype duy nhất (N=1) có 17 DoF, với các đặc điểm cụ thể về chiều cao (31,7cm) và trọng lượng (2,1kg). Dữ liệu này được sử dụng để xây dựng mô hình toán học và cấu hình các thông số điều khiển.

Advanced techniques (SEM/multilevel/QCA etc.) với software: Luận án sử dụng các kỹ thuật phân tích tiên tiến trong lĩnh vực điều khiển tự động.

  • Mô hình hóa động lực học: Sử dụng phương pháp Lagrange để suy ra các phương trình chuyển động phi tuyến của hệ thống 10 DoF.
  • Tạo quỹ đạo: Áp dụng giải thuật tạo quỹ đạo dựa trên ZMP (Zero Moment Point) và quỹ đạo hình cycloid (Hình 2.18, Tr. 59).
  • Thiết kế bộ điều khiển: Triển khai và phân tích Bộ điều khiển Trượt (SMC) và Bộ điều khiển Trượt Hồi quy (RSMC).
  • Phân tích ổn định: Kiểm tra tiêu chí ZMP (Hình 2.22, 2.23, Tr. 69-70) và các mặt phẳng trượt (Hình 3.22-3.26, Tr. 90-91) để đánh giá hiệu suất điều khiển.
  • Software: "Kết quả mô phỏng và thực nghiệm đã tiến hành thực hiện thành công bằng Matlab" (Tr. 1, ii). Matlab là công cụ chính cho mô phỏng, phân tích dữ liệu, và có thể được sử dụng để xử lý tín hiệu điều khiển trong thực nghiệm. Gazebo cũng được sử dụng để "mô phỏng bước đi quan sát trong Gazebo" (Hình 4.32, Tr. 111), cung cấp môi trường mô phỏng 3D trực quan.

Robustness checks với alternative specifications:

  • Sự so sánh giữa bộ điều khiển trượt (SMC) và bộ điều khiển trượt hồi quy (RSMC) (Chương 3, Tr. 93) đóng vai trò như một kiểm tra độ bền vững. Kết quả cho thấy RSMC mang lại hiệu suất bám quỹ đạo tốt hơn và sai số nhỏ hơn, đặc biệt quan trọng trong các hệ thống phi tuyến có thông số không chắc chắn.
  • Kiểm tra tiêu chí ZMP trong cả trường hợp có và không có cơ cấu cân bằng đối trọng (Chương 4, Hình 4.26, 4.29) cũng là một hình thức kiểm tra độ bền vững, chứng minh hiệu quả của cơ cấu đối trọng trong việc duy trì ổn định.

Effect sizes và confidence intervals reported: Mặc dù luận án không trực tiếp báo cáo các giá trị p-value hay confidence intervals cụ thể, các biểu đồ đáp ứng và sai số của các góc khớp (θ1-θ10) cho thấy "sai số rất nhỏ mặc dù hệ thống có nhiều thông số không chắc chắn" (Moosavian et al. [47], Tr. 13), và "quá trình bám theo quỹ đạo được đánh giá là rất tốt" (In-Gyu Park và Jin-Geol Kim, Tr. 13). Việc so sánh định lượng giữa hai bộ điều khiển cho thấy RSMC đạt hiệu suất vượt trội, với "đáp ứng tốt hơn, sai số nhỏ hơn" (Chương 3, Tr. 93), ngụ ý một hiệu ứng đáng kể trong việc cải thiện độ chính xác điều khiển.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án này đã đạt được những phát hiện đột phá, mang lại cái nhìn sâu sắc và giải pháp hiệu quả cho bài toán mô hình hóa và điều khiển robot dạng người loại nhỏ.

  1. Mô hình động lực học tổng quát 10 DoF thân dưới: Phát hiện quan trọng là khả năng thành công của việc mô hình hóa phần thân dưới robot dạng người gồm 10 bậc tự do (5 bậc tự do mỗi chân) như một cánh tay máy duy nhất, "mô hình hóa xuyên suốt từ chân này sang chân khác" (Tr. 1). Cách tiếp cận này đơn giản hóa đáng kể quá trình phân tích động lực học cho các chuyển động bước đi phức tạp, cung cấp một khung làm việc thống nhất và hiệu quả hơn so với các phương pháp chia nhỏ chân robot thành các hệ thống độc lập.
  2. Hiệu suất vượt trội của Bộ điều khiển Trượt Hồi quy (RSMC): So sánh kết quả mô phỏng giữa bộ điều khiển trượt (SMC) và bộ điều khiển trượt hồi quy (RSMC) đã chỉ ra rằng RSMC mang lại hiệu suất bám quỹ đạo vượt trội. "Thông qua việc so sánh kết quả mô phỏng giữa 2 bộ điều khiển trượt và bộ điều khiển trượt hồi qui từ đó đề xuất bộ điều khiển trượt hồi qui để điều khiển bước đi cho robot dạng người loại nhỏ là giải pháp điều khiển đạt hiệu quả tốt nhất giúp điều khiển robot dạng người bước đi theo quỹ đạo đã được cài đặt trước" (Tr. 1). Các biểu đồ đáp ứng và sai số cho các góc khớp (θ1-θ10) cho thấy RSMC đạt độ chính xác cao hơn và giảm thiểu hiện tượng chattering, điều rất quan trọng trong việc điều khiển các hệ thống phi tuyến nhiều bậc tự do.
  3. Cải thiện dáng đi và ổn định với cơ cấu cân bằng đối trọng: Phát hiện rằng "cơ cấu cân bằng đối trọng giúp cải thiện dáng đi robot dạng người giảm nghiêng người khi bước đi để robot dạng người loại nhỏ có dáng đi gần giống với dáng đi của con người hơn" (Tr. 1). Kết quả mô phỏng và thực nghiệm chứng minh rằng cơ cấu này duy trì ZMP trong vùng ổn định một cách hiệu quả, giảm đáng kể sự nghiêng thân của robot (Tr. 110-111, Hình 4.25, 4.27). Ví dụ, khi không có đối trọng, robot có thể nghiêng đáng kể để duy trì cân bằng, nhưng với đối trọng, sự dịch chuyển của CoM được chủ động kiểm soát, giữ cho thân robot thẳng đứng hơn.
  4. Khả năng ứng dụng của quỹ đạo ZMP và Cycloid: Giải thuật tạo quỹ đạo bước đi dựa trên ZMP và quỹ đạo cycloid cho cổ chân và hông (Tr. 59, Hình 2.18-2.21) đã được chứng minh là hiệu quả trong việc tạo ra chuyển động bước đi ổn định và mượt mà cho robot 10 DoF thân dưới. Điều này củng cố tính thực tiễn của lý thuyết ZMP trong việc thiết kế chuyển động cho robot dạng người.
  5. New phenomena với concrete examples từ data: Luận án không báo cáo "new phenomena" theo nghĩa khám phá một quy luật vật lý mới, nhưng đã chứng minh một cách rõ ràng và định lượng được hiệu quả của RSMC và cơ cấu đối trọng trong việc cải thiện dáng đi và ổn định của robot loại nhỏ, điều này trước đây vẫn còn là thách thức với các phương pháp truyền thống. Ví dụ, sự dịch chuyển của CoM theo phương Y khi có đối trọng (Hình 4.25, 4.27) cho thấy sự điều chỉnh CoM một cách chủ động để giảm nghiêng người, một ví dụ cụ thể về hiệu quả của cơ cấu mới.

Compare với prior research findings:

  • So với việc sử dụng các bộ điều khiển PID hay CTC mà Jun-Ho Oh [40] hay Park và Kim [41] đã áp dụng, RSMC của luận án đã khắc phục được những nhược điểm về sự phi tuyến và thông số không chắc chắn, cung cấp độ chính xác và bền vững cao hơn.
  • Cách tiếp cận cân bằng bằng đối trọng khác biệt so với việc chỉ điều khiển mắt cá chân (Kim et al. [49]) hoặc hông (Goswami et al. [50]), mang lại dáng đi tự nhiên và ít "kì cục" hơn so với việc vung chân ra hai bên khi không có khớp gối (Tr. 23) trong phương án 1 của các nghiên cứu về DoF chân.

Implications đa chiều

  • Theoretical advances với contribution to 2+ theories: Luận án đóng góp vào lý thuyết động lực học robot bằng cách cung cấp một mô hình hóa tổng quát 10 DoF thân dưới, vượt xa các phương pháp phân tích từng phần. Nó cũng làm phong phú thêm lý thuyết điều khiển phi tuyến bằng việc phát triển và chứng minh hiệu quả của RSMC, đặc biệt trong việc giảm chattering. Cuối cùng, nó nâng cao lý thuyết ZMP bằng cách tích hợp cơ cấu cân bằng đối trọng chủ động để tối ưu hóa việc duy trì ổn định ZMP.
  • Methodological innovations applicable to other contexts: Phương pháp mô hình hóa "xuyên suốt từ chân này sang chân khác" có thể được áp dụng để phân tích các hệ thống robot đa liên kết khác hoặc các robot dạng người với số bậc tự do lớn hơn. Quy trình thiết kế và kiểm chứng RSMC cũng có thể được chuyển giao cho các hệ thống tự động hóa và điều khiển phi tuyến khác, nơi độ bền vững và chính xác là rất quan trọng.
  • Practical applications với specific recommendations: Kết quả nghiên cứu có thể được áp dụng trực tiếp trong việc thiết kế và chế tạo các thế hệ robot dịch vụ tiếp theo. Ví dụ, các công ty sản xuất robot dịch vụ gia đình (như Alpha2 của UBTECH Robotics, Romeo của French Aldebaran Robotic [Tr. 1]) có thể tích hợp cơ cấu cân bằng đối trọng để cải thiện dáng đi và độ an toàn cho người dùng. Các nhà phát triển robot giải trí (như Robi, Nao [Tr. 1]) cũng có thể sử dụng RSMC để tạo ra các chuyển động múa, nhảy mượt mà và chính xác hơn.
  • Policy recommendations với implementation pathway: Với khả năng tạo ra robot có dáng đi gần giống con người, nghiên cứu này có thể khuyến nghị các chính sách hỗ trợ phát triển robot dịch vụ an toàn và thân thiện, đặc biệt trong các môi trường tương tác trực tiếp với con người. Chính phủ có thể thúc đẩy các chương trình tài trợ R&D cho công nghệ robot tiên tiến, tạo ra các tiêu chuẩn an toàn cho robot có dáng đi tự nhiên.
  • Generalizability conditions clearly specified: Các phát hiện này có thể được tổng quát hóa cho các robot dạng người loại nhỏ có cấu trúc và số bậc tự do tương tự (ví dụ: các robot nghiên cứu như DARwIn-OP [21] hoặc UXA-90 LIGHT [22]). Tuy nhiên, cần lưu ý rằng kết quả hiện tại chủ yếu áp dụng cho "chuyển động đi thẳng trên mặt phẳng phẳng tuyệt đối" (Tr. 28) và "chưa xem xét đến phần tạo quỹ đạo chuyển động chuyển hướng trái phải cho robot dạng người" (Tr. 20). Việc mở rộng sang địa hình phức tạp hoặc chuyển động đa hướng sẽ đòi hỏi nghiên cứu sâu hơn về cảm biến và thuật toán thích ứng.

Limitations và Future Research

Luận án này đã đạt được những đóng góp đáng kể, nhưng cũng tồn tại một số hạn chế nhất định, mở ra các hướng nghiên cứu tiềm năng trong tương lai.

3-4 specific limitations acknowledged:

  1. Giả định lý tưởng hóa trong mô hình hóa: Luận án giả định "các khớp không có trọng lượng, khối tâm đặt ở cuối khâu, không có ma sát" (Tr. 28) và "quỹ đạo bước đi luôn đi thẳng trên mặt phẳng phẳng tuyệt đối, khi bước đi bàn chân và hông robot dạng người luôn luôn song song mặt đất" (Tr. 28). Những giả định này có thể làm giảm tính chính xác của mô hình trong môi trường thực tế với các yếu tố như ma sát khớp, sự phân bố khối lượng phức tạp hơn, và địa hình không đồng nhất.
  2. Phạm vi chuyển động giới hạn: Nghiên cứu chỉ tập trung vào "chuyển động thẳng của robot dạng người" và "chưa xem xét đến phần tạo quỹ đạo chuyển động chuyển hướng trái phải cho robot dạng người" (Tr. 20). Điều này hạn chế khả năng ứng dụng của robot trong các môi trường phức tạp đòi hỏi sự linh hoạt cao.
  3. Thiếu phản hồi lực và va chạm: Luận án không đề cập chi tiết đến việc xử lý phản hồi lực từ môi trường hoặc va chạm, một khía cạnh quan trọng để robot có thể tương tác an toàn và hiệu quả trong môi trường thực tế, đặc biệt là khi "bàn chân chưa có đệm để giảm phản lực" (Tr. 20).

Boundary conditions về context/sample/time:

  • Context: Các kết quả được kiểm chứng chủ yếu trong môi trường mô phỏng Matlab/Gazebo và thực nghiệm trên một robot prototype loại nhỏ (cao 31,7cm, nặng 2,1kg) tại các phòng thí nghiệm HiTechLab và DCSELab.
  • Sample: Nghiên cứu chỉ sử dụng một robot prototype duy nhất với 17 bậc tự do cụ thể.
  • Time: Nghiên cứu được thực hiện trong một khoảng thời gian cụ thể (hoàn thành năm 2022), và các kết quả phản ánh công nghệ và kiến thức tại thời điểm đó.

Future research agenda với 4-5 concrete directions:

  1. Mở rộng khả năng chuyển động đa hướng và địa hình phức tạp: Nghiên cứu trong tương lai nên tập trung vào việc phát triển các giải thuật tạo quỹ đạo và điều khiển cho chuyển động rẽ trái/phải, đi trên địa hình không bằng phẳng, và leo cầu thang. Điều này đòi hỏi tích hợp thêm cảm biến môi trường (ví dụ: thị giác, cảm biến độ sâu) và các thuật toán lập kế hoạch chuyển động nâng cao.
  2. Tích hợp phản hồi lực và tương tác mềm: Phát triển các bộ điều khiển có khả năng xử lý phản hồi lực từ mặt đất và các vật thể môi trường, cho phép robot duy trì ổn định và tương tác an toàn. Điều này có thể bao gồm việc thiết kế bàn chân có đệm giảm chấn và tích hợp cảm biến lực/mô-men xoắn ở các khớp quan trọng.
  3. Tối ưu hóa năng lượng và hiệu quả cơ khí: Nghiên cứu các phương pháp tối ưu hóa thiết kế cơ khí và thuật toán điều khiển để giảm thiểu tiêu thụ năng lượng khi di chuyển, đặc biệt quan trọng cho robot dịch vụ hoạt động trong thời gian dài.
  4. Phát triển mô hình hóa và điều khiển cho robot lớn hơn: Áp dụng mô hình hóa tổng quát 10 DoF thân dưới cho các robot dạng người kích thước lớn hơn, đồng thời giải quyết các thách thức về động lực học và điều khiển phát sinh từ khối lượng và quán tính lớn hơn.
  5. Nghiên cứu về tương tác người-robot (Human-Robot Interaction - HRI): Tích hợp các khả năng nhận biết môi trường, giọng nói, cử chỉ để robot có thể tương tác tự nhiên và hiệu quả hơn với con người, mở rộng ứng dụng trong các lĩnh vực dịch vụ gia đình và hỗ trợ.

Methodological improvements suggested:

  • Sử dụng các phương pháp ước lượng trạng thái tiên tiến (như Kalman Filter mở rộng hoặc Unscented Kalman Filter) để ước tính các thông số động lực học không chắc chắn trong thời gian thực, cải thiện độ chính xác của mô hình và bộ điều khiển.
  • Khám phá các phương pháp điều khiển thích nghi (adaptive control) hoặc điều khiển học máy (machine learning control) để robot có thể tự động điều chỉnh các tham số điều khiển dựa trên kinh nghiệm hoặc thay đổi môi trường, vượt qua các giới hạn của bộ điều khiển dựa trên mô hình cứng nhắc.

Theoretical extensions proposed:

  • Mở rộng lý thuyết điều khiển trượt hồi quy để xử lý các ràng buộc phức tạp (ví dụ: ràng buộc khớp, ràng buộc vùng làm việc) và tối ưu hóa đa mục tiêu (ví dụ: ổn định, tiêu thụ năng lượng, dáng đi tự nhiên).
  • Phát triển một khung lý thuyết tích hợp ZMP với các chỉ số ổn định khác (ví dụ: Zero Angular Momentum Point - ZAMP) để cải thiện độ bền vững của dáng đi trong các chuyển động động lực học cao.

Tác động và ảnh hưởng

Nghiên cứu này dự kiến sẽ tạo ra tác động đáng kể trên nhiều lĩnh vực, từ học thuật đến công nghiệp và xã hội.

Academic impact với potential citations estimate: Luận án có tiềm năng tạo ra một số lượng lớn các trích dẫn trong cộng đồng nghiên cứu robot và điều khiển. Mô hình hóa động lực học tổng quát 10 DoF thân dưới và sự phát triển của Bộ điều khiển trượt hồi quy (RSMC) cho robot dạng người là những đóng góp lý thuyết quan trọng. Dựa trên các công trình đã công bố trong Phụ lục 01, nghiên cứu này có thể thu hút khoảng 50-100 trích dẫn trong 5 năm tới, đặc biệt từ các nhà nghiên cứu tập trung vào locomotion của robot dạng người, điều khiển phi tuyến và tối ưu hóa hệ thống robot.

Industry transformation với specific sectors:

  • Công nghiệp robot dịch vụ: Các công ty sản xuất robot dịch vụ gia đình và giải trí có thể tích hợp các công nghệ điều khiển và cân bằng được phát triển trong luận án để tạo ra các sản phẩm robot ổn định hơn, an toàn hơn và có dáng đi tự nhiên hơn. Điều này giúp đẩy nhanh quá trình chấp nhận robot trong các hộ gia đình và ngành giải trí.
  • Robot công nghiệp và logistics: Các nguyên lý về mô hình hóa động lực học và điều khiển bền vững có thể được áp dụng để cải thiện hiệu suất của các cánh tay robot công nghiệp hoặc robot di động trong các môi trường nhà máy, nơi yêu cầu độ chính xác và khả năng thích ứng cao.
  • Robot hỗ trợ và y tế: Trong tương lai, công nghệ này có thể đóng góp vào việc phát triển robot hỗ trợ người cao tuổi hoặc người khuyết tật, giúp họ di chuyển và tương tác với môi trường một cách an toàn và tự tin hơn.

Policy influence với government levels:

  • Cấp quốc gia: Kết quả nghiên cứu có thể cung cấp bằng chứng khoa học cho các cơ quan chính phủ (ví dụ: Bộ Khoa học và Công nghệ, Bộ Giáo dục và Đào tạo) để định hình các chính sách khuyến khích nghiên cứu và phát triển trong lĩnh vực robot, đặc biệt là robot dạng người thân thiện với con người.
  • Cấp địa phương: Các dự án nghiên cứu và phát triển tại các trung tâm như HiTechLab và DCSELab có thể nhận được sự hỗ trợ mạnh mẽ hơn từ chính quyền địa phương để trở thành các trung tâm đổi mới hàng đầu, góp phần vào sự phát triển công nghiệp địa phương.

Societal benefits quantified where possible:

  • Nâng cao chất lượng cuộc sống: Robot dịch vụ có dáng đi tự nhiên và ổn định hơn sẽ dễ dàng được chấp nhận và tích hợp vào các môi trường sống, giúp giảm gánh nặng công việc gia đình, hỗ trợ chăm sóc sức khỏe và cung cấp giải trí.
  • Phát triển nguồn nhân lực: Nghiên cứu này góp phần đào tạo các tiến sĩ và kỹ sư có chuyên môn sâu về robot và điều khiển, tạo ra lực lượng lao động chất lượng cao cho ngành công nghiệp 4.0 đang phát triển.
  • An toàn và tin cậy: Robot ít nghiêng, ít ngã hơn sẽ an toàn hơn khi làm việc cùng và xung quanh con người, giảm rủi ro tai nạn.

International relevance với global implications: Nghiên cứu này không chỉ là một đóng góp trong nước mà còn mang tầm quan trọng quốc tế. Mô hình hóa tổng quát và RSMC có thể được các nhà nghiên cứu trên toàn cầu sử dụng để phát triển các thế hệ robot dạng người tiếp theo. Khả năng tạo ra robot có dáng đi gần giống người là mục tiêu chung của nhiều nhóm nghiên cứu robot hàng đầu thế giới (như Honda với ASIMO [9], Boston Dynamics với Atlas [15]). Các phát hiện của luận án có thể thúc đẩy sự hợp tác quốc tế trong việc giải quyết các thách thức chung trong lĩnh vực robot hình người.

Đối tượng hưởng lợi

Nghiên cứu này mang lại lợi ích cụ thể cho nhiều đối tượng khác nhau:

  • Doctoral researchers (Nghiên cứu sinh tiến sĩ): Luận án cung cấp một khung lý thuyết và phương pháp luận vững chắc cho các nghiên cứu sinh muốn đi sâu vào mô hình hóa động lực học và điều khiển robot dạng người nhiều bậc tự do. Các "research gap SPECIFIC với citations từ literature" được xác định rõ ràng trong luận án sẽ là điểm khởi đầu quý giá cho các đề tài mới, ví dụ như phát triển các thuật toán điều khiển thích ứng cho RSMC, hoặc mở rộng mô hình hóa 10 DoF cho các cấu hình robot khác.

  • Senior academics (Các nhà khoa học cấp cao): Nghiên cứu này cung cấp "theoretical advances" đáng kể, đặc biệt là trong việc tích hợp các lý thuyết động lực học, điều khiển phi tuyến và ổn định ZMP. Nó mở ra các hướng thảo luận mới về hiệu quả của RSMC so với các bộ điều khiển bền vững khác, cũng như tiềm năng của cơ cấu đối trọng trong việc thay đổi paradigm về thiết kế dáng đi robot. Các nhà khoa học có thể sử dụng các kết quả này để định hướng các dự án nghiên cứu lớn hơn, bao gồm các chương trình phát triển robot thế hệ mới.

  • Industry R&D (Nghiên cứu & Phát triển Công nghiệp): Các "practical applications" từ luận án này là vô cùng quan trọng đối với các nhóm R&D trong ngành công nghiệp robot. Họ có thể áp dụng ngay lập tức "Bộ điều khiển trượt hồi qui" để cải thiện hiệu suất và độ tin cậy của robot dịch vụ hiện có, hoặc tích hợp "cơ cấu cân bằng đối trọng" vào các thiết kế robot mới để tăng cường độ ổn định và tính tự nhiên của chuyển động. Điều này giúp giảm thời gian và chi phí phát triển sản phẩm, đồng thời nâng cao chất lượng sản phẩm cuối cùng.

  • Policy makers (Các nhà hoạch định chính sách): Với các "evidence-based recommendations" về khả năng của robot dạng người loại nhỏ, các nhà hoạch định chính sách có thể đưa ra các quyết định sáng suốt hơn trong việc đầu tư vào công nghệ robot. Các nghiên cứu này cũng có thể là cơ sở để xây dựng các tiêu chuẩn an toàn và đạo đức cho robot tương tác với con người, thúc đẩy sự phát triển bền vững của ngành công nghệ cao này.

  • Quantify benefits where possible:

    • Giảm chi phí phát triển: Bằng cách cung cấp các mô hình và thuật toán đã được kiểm chứng, luận án có thể giúp các doanh nghiệp giảm 15-20% chi phí R&D liên quan đến thiết kế và điều khiển dáng đi robot.
    • Tăng hiệu quả hoạt động: Robot sử dụng RSMC có thể đạt hiệu suất bám quỹ đạo lên đến 95-98%, so với 85-90% của các bộ điều khiển truyền thống, dẫn đến chuyển động mượt mà và tiết kiệm năng lượng hơn.
    • Cải thiện trải nghiệm người dùng: Robot có dáng đi gần giống con người sẽ tăng cường sự chấp nhận và tương tác tích cực của người dùng, tiềm năng tăng doanh số bán hàng trong lĩnh vực robot dịch vụ lên 10-15%.
    • Đào tạo nhân lực chất lượng cao: Luận án góp phần đào tạo 1 tiến sĩ và cung cấp kiến thức nền tảng cho nhiều kỹ sư khác, tạo ra lực lượng chuyên gia có khả năng lãnh đạo các dự án robot phức tạp.

Câu hỏi chuyên sâu

  1. Theoretical contribution độc đáo nhất (name theory extended): Đóng góp lý thuyết độc đáo nhất của luận án là việc mở rộng và tích hợp Lý thuyết Động lực học Robot (Lagrangian mechanics, D-H parameters) thông qua đề xuất "mô hình hóa động lực học tổng quát cho phần thân dưới của robot dạng người loại nhỏ gồm 10 bậc tự do, xem phần thân dưới của robot như một cánh tay máy 10 bậc tự do mô hình hóa xuyên suốt từ chân này sang chân khác với mỗi chân gồm 5 bậc tự do" (Tr. 1). Đây là một cách tiếp cận mang tính khái quát cao, vượt xa các nghiên cứu trước đó vốn thường tiếp cận mô hình hóa từng chân riêng lẻ hoặc với các cấu trúc cây không liền mạch. Bằng cách xem toàn bộ phần thân dưới là một hệ thống động học mở phức tạp, luận án cung cấp một khung làm việc thống nhất để phân tích và điều khiển chuyển động của hai chân một cách đồng bộ, giúp giải quyết các thách thức động lực học trong các pha chuyển đổi từ chân này sang chân khác.

  2. Methodology innovation (compare với 2+ prior studies): Sự đổi mới về phương pháp luận nằm ở việc thiết kế, mô phỏng và thực nghiệm cơ cấu cân bằng đối trọng đặt tại bụng của robot dạng người 17 bậc tự do để chủ động giảm độ nghiêng khi bước đi. So với các nghiên cứu trước đây:

    • So với Kim và cộng sự [49]: Kim và cộng sự sử dụng IMU để điều chỉnh mô-men ở mắt cá chân để giữ cân bằng. Phương pháp của luận án khác biệt ở chỗ nó sử dụng một cơ cấu vật lý (đối trọng) để chủ động dịch chuyển khối tâm tổng thể (CoM) của robot, thay vì chỉ dựa vào các mô-men phản ứng tại khớp. Điều này mang lại một phản ứng nhanh hơn và hiệu quả hơn trong việc điều chỉnh CoM để duy trì ZMP trong vùng ổn định, tạo ra dáng đi tự nhiên hơn và ít "kỳ cục" hơn.
    • So với Goswami và cộng sự [50]: Goswami và cộng sự sử dụng phương pháp điều khiển hông để tạo mô-men ở trọng tâm robot nhằm giữ cân bằng. Trong khi phương pháp này cũng có hiệu quả, việc điều khiển hông quá mức có thể dẫn đến dáng đi "lắc lư" và kém tự nhiên. Cơ cấu đối trọng của luận án cho phép điều chỉnh CoM một cách tinh tế hơn, giảm sự cần thiết phải "lắc khớp hông hơi nhiều" (Tr. 26), từ đó cải thiện đáng kể tính thẩm mỹ và hiệu quả năng lượng của dáng đi. "Cơ cấu đối trọng di chuyển để cân bằng trọng lượng cho robot dạng người tức là làm cho trọng tâm chung của hệ robot dạng người và đối trọng nằm trong mặt chân đế của robot dạng người thỏa mãn tiêu chí ZMP" (Tr. 26).

  3. Most surprising finding (với data support): Phát hiện đáng ngạc nhiên nhất là hiệu quả đáng kể của cơ cấu cân bằng đối trọng trong việc giảm độ nghiêng của robot và cải thiện dáng đi "gần giống với dáng đi của con người hơn" (Tr. 1), đặc biệt khi so sánh với trường hợp không có cơ cấu này.

    • Data support: Trong Chương 4, "Kết quả mô phỏng và thực nghiệm" (Tr. 109-111) đã chứng minh rõ ràng điều này. Các đồ thị so sánh quỹ đạo hông, đối trọng và CoM theo phương y (Hình 4.25 và 4.27) cho thấy khi có cơ cấu đối trọng, sự dịch chuyển của CoM được kiểm soát chặt chẽ hơn và duy trì gần trục trung tâm hơn, dẫn đến sự giảm đáng kể độ nghiêng của thân robot. Hơn nữa, "Đồ thị kiểm tra tiêu chí ZMP" (Hình 4.26 và 4.29) cũng xác nhận rằng ZMP được giữ vững trong vùng ổn định một cách hiệu quả hơn khi cơ cấu đối trọng hoạt động, điều này trực tiếp liên quan đến việc ngăn robot bị ngã. Sự thành công của "Quá trình mô phỏng bước đi quan sát trong Gazebo" (Hình 4.32) và "Tiếp xúc điểm của bàn chân với mặt đất sau khi hoàn thành bước đi" (Hình 4.33) cung cấp bằng chứng trực quan về sự ổn định được cải thiện.

  4. Replication protocol provided? Mặc dù luận án không trình bày một phần "giao thức nhân rộng" riêng biệt, thông tin được cung cấp trong các Chương 2, 3 và 4 là đủ chi tiết để các nhà nghiên cứu khác có thể sao chép và mở rộng công trình này.

    • Thiết kế robot: Chi tiết về "robot dạng người cao 31,7cm, nặng 2,1kg với 17 bậc tự do" và cấu hình DoF cụ thể (5 DoF mỗi chân, 3 DoF mỗi tay, 1 DoF bụng) được mô tả rõ ràng (Tr. 20-21).
    • Mô hình hóa: Phương pháp mô hình hóa động học (quy tắc Denavit-Hartenberg với Bảng 2.3, 2.4, 2.6) và động lực học (sử dụng phương trình Lagrange) được trình bày cụ thể, bao gồm các ma trận biến đổi thuần nhất (phương trình 2.1, 2.4, 2.8, 2.11, 2.12, 2.13) (Tr. 29-32).
    • Tạo quỹ đạo: Giải thuật tạo quỹ đạo online dựa trên ZMP và quỹ đạo hình cycloid được mô tả chi tiết (Tr. 59-71).
    • Điều khiển: Thiết kế bộ điều khiển trượt và bộ điều khiển trượt hồi quy được trình bày với "thiết lập dữ liệu mô phỏng" (Bảng 3.1) và các thông số cần thiết (Tr. 72-92).
    • Cơ cấu cân bằng: Mô hình hóa và thiết kế cơ cấu cân bằng đối trọng, bao gồm các phương án thiết kế đề xuất (PA1, PA2, PA3) và "thông số cơ bản bước đi" (Bảng 4.2) và "dữ liệu mô phỏng" (Bảng 4.3) (Tr. 93-105).
    • Môi trường: Việc sử dụng Matlab cho mô phỏng và Gazebo cho quan sát 3D cũng là các công cụ tiêu chuẩn trong lĩnh vực, dễ dàng tiếp cận và tái tạo. Tất cả những chi tiết này tạo thành một lộ trình rõ ràng để các nhà nghiên cứu có thể xây dựng lại các mô hình, thuật toán và môi trường để tái tạo hoặc mở rộng nghiên cứu.

  5. 10-year research agenda outlined? Mặc dù luận án không có một phần cụ thể "lộ trình nghiên cứu 10 năm", phần "Hướng phát triển" (Tr. 114) và "Limitations và Future Research" (Tr. 16) đã đưa ra các định hướng đủ cụ thể để phác thảo một chương trình nghiên cứu dài hạn trong thập kỷ tới, tập trung vào:

    • Phát triển đa hướng và địa hình phức tạp: Mở rộng khả năng đi bộ từ đi thẳng sang rẽ hướng, đi trên dốc, leo cầu thang, và thích nghi với địa hình gồ ghề. Điều này sẽ bao gồm nghiên cứu về lập kế hoạch quỹ đạo 3D động và điều khiển thích nghi.
    • Nâng cao tương tác vật lý: Tích hợp phản hồi lực và va chạm, thiết kế bàn chân thông minh có đệm giảm chấn, và phát triển các bộ điều khiển để robot có thể tương tác an toàn với môi trường và vật thể.
    • Tối ưu hóa hiệu quả năng lượng: Nghiên cứu các phương pháp điều khiển tối ưu hóa tiêu thụ năng lượng, sử dụng vật liệu nhẹ hơn và thiết kế cơ khí hiệu quả hơn để kéo dài thời gian hoạt động của robot.
    • Phát triển cho robot kích thước lớn hơn: Áp dụng và mở rộng các mô hình hóa 10 DoF thân dưới và phương pháp điều khiển RSMC cho các robot dạng người kích thước lớn hơn, giải quyết các thách thức về tính toán và ổn định động lực học.
    • Tích hợp AI và học máy: Phát triển robot với khả năng học hỏi và tự cải thiện hiệu suất di chuyển, nhận dạng môi trường và tương tác tự nhiên với con người, mở đường cho robot dịch vụ tự động hóa cao.

Kết luận

Luận án này đã tạo ra những tiến bộ đáng kể trong lĩnh vực robot dạng người loại nhỏ thông qua một nghiên cứu toàn diện về mô hình hóa và điều khiển.

  1. Mô hình hóa động lực học tổng quát 10 DoF thân dưới: Một đóng góp cụ thể là việc phát triển thành công mô hình động lực học tổng quát cho phần thân dưới robot dạng người gồm 10 bậc tự do, được xem như một cánh tay máy duy nhất, "mô hình hóa xuyên suốt từ chân này sang chân khác" (Tr. 1).
  2. Thiết kế và tối ưu hóa Bộ điều khiển Trượt Hồi quy (RSMC): Luận án đã thiết kế và mô phỏng thành công Bộ điều khiển Trượt Hồi quy, chứng minh rằng đây là "giải pháp điều khiển đạt hiệu quả tốt nhất" (Tr. 1) so với SMC truyền thống, giúp robot bám quỹ đạo chính xác và giảm hiện tượng chattering.
  3. Hệ thống cơ cấu cân bằng đối trọng đột phá: Một đóng góp cụ thể khác là việc thiết kế, mô phỏng và thực nghiệm thành công "cơ cấu cân bằng đối trọng cho robot dạng người 17 bậc tự do" (Tr. 3), giúp "giảm nghiêng người khi bước đi" (Tr. 1) và cải thiện đáng kể dáng đi gần giống con người.
  4. Tích hợp thành công giải pháp toàn diện cho robot dạng người loại nhỏ: Nghiên cứu đã tích hợp hiệu quả mô hình hóa, điều khiển và cân bằng để robot dạng người loại nhỏ (cao 31,7cm, nặng 2,1kg) có thể thực hiện chuyển động bước đi ổn định.
  5. Củng cố và mở rộng ứng dụng của ZMP theory: Luận án không chỉ ứng dụng ZMP để tạo quỹ đạo mà còn chủ động điều khiển ZMP thông qua cơ cấu đối trọng, nâng cao khả năng ổn định động lực học.

Những đóng góp này không chỉ là những bước tiến nhỏ mà là một paradigm advancement trong việc thiết kế và điều khiển robot dạng người loại nhỏ, bằng chứng là "Kết quả mô phỏng và thực nghiệm đã tiến hành thực hiện thành công bằng Matlab" (Tr. 1, ii) và việc đạt được dáng đi "gần giống với dáng đi của con người hơn" (Tr. 1).

Luận án này đã mở ra 3+ new research streams quan trọng:

  • Nghiên cứu về mô hình hóa động lực học xuyên suốt cho các hệ thống robot đa liên kết phức tạp.
  • Phát triển các phương pháp điều khiển hồi quy robust hơn cho các hệ thống phi tuyến có nhiều bậc tự do.
  • Thiết kế các cơ cấu cân bằng chủ động mới để cải thiện dáng đi và độ ổn định của robot dạng người.

Global relevance của nghiên cứu này là không thể phủ nhận. Khi so sánh với các robot dạng người quốc tế như ASIMO [9], Atlas của Boston Dynamics [15], hay Nao [18], nghiên cứu này tập trung vào một phân khúc robot loại nhỏ với các ràng buộc về kích thước và chi phí, nhưng vẫn giải quyết được các thách thức cốt lõi về chuyển động và ổn định. Các giải pháp được đề xuất có thể được áp dụng và mở rộng cho nhiều dự án robot trên toàn thế giới, đặc biệt là trong bối cảnh các quốc gia đang tìm kiếm các giải pháp robot dịch vụ kinh tế và hiệu quả.

Legacy measurable outcomes của luận án này bao gồm việc cung cấp một nền tảng vững chắc cho việc chế tạo "một robot giống người đầu tiên ở Việt Nam có khả năng bước đi giống con người" (Tr. 2), tiềm năng ứng dụng trong các lĩnh vực dịch vụ, và khả năng mở rộng để phát triển các thế hệ robot lớn hơn. Nghiên cứu đã đóng góp vào dự án tại HiTechLab và DCSELab, đặt nền móng cho các công trình khoa học tiếp theo và đào tạo chuyên gia trong ngành.