ĐIỀU KHIỂN ROBOT DI ĐỘNG ỨNG DỤNG THUẬT TOÁN  HỌC SÂU TĂNG CƯỜNG

Phạm Thị Thu Hà

doi:10.34238/tnu-jst.13008

ĐIỀU KHIỂN ROBOT DI ĐỘNG ỨNG DỤNG THUẬT TOÁN HỌC SÂU TĂNG CƯỜNG

Thông tin bài báo

Ngày nhận bài: 08/06/25 Ngày hoàn thiện: 26/11/25 Ngày đăng: 26/11/25

Các tác giả

Phạm Thị Thu Hà , Trường Đại học Kinh tế - Kỹ thuật Công nghiệp

Tóm tắt

Nghiên cứu này trình bày về vấn đề điều khiển robot di động sử dụng trong nhiều lĩnh vực: công nghiệp, y tế, giao thông, dân dụng, v.v. Rô bốt di động đáp ứng nhu cầu điều khiển thông minh để điều hướng thông minh trong môi trường phẳng, môi trường phi tuyến ứng dụng thuật toán học sâu tăng cường. Bài báo sử dụng phương pháp nghiên cứu lập trình với hệ điều hành robot ROS, kết hợp với việc thực hiện điều hướng thông minh tự động cho robot trong quá trình định vị robot trong môi trường phẳng, môi trường không xác định - phi tuyến. Trên cơ sở đó, nghiên cứu này ứng dụng thiết lập bản đồ hóa đồng thời - SLAM. Kết quả nghiên cứu sử dụng công cụ lập trình ROS, trong môi trường Gazebo đã khẳng định được thuật toán điều khiển luôn cập nhật từ bản đồ, môi trường hoạt động, vị trí điều khiển robot. Mọi vật cản đã được tính toán quỹ đạo cho robot trong việc điều hướng thông minh tự động, tránh vật cản một cách an toàn mà không gặp bất kỳ trở ngại nào trong hành trình di chuyển. Nghiên cứu này có ý nghĩa góp phần nâng cao hiệu quả tự động hóa và khả năng ứng dụng của robot di động trong các môi trường di chuyển phức tạp.

Từ khóa

Robot di động; Hệ điều hành ROS; Bản đồ hóa đồng thời; Mô phỏng môi trường ảo; Trí tuệ nhân tạo

Toàn văn:

PDF

Tài liệu tham khảo

[1] P. D. Nguyen, Advanced Control Theory, Science and Engineering Publishing House, (in Vietnamese), Hanoi, Vietnam, 2018.

[2] C. Q. Hoang, V. H. Dao, V. A. Nguyen, and C. B. Le, Electric drive systems in Robots. People's Army Publishing House, (in Vietnamese), Hanoi, Vietnam, 2020.

[3] T. T. N. Vu, X. L. Ong, and H. N. Tran, Enhanced learning in automatic control with Matlab simulink, Hanoi Polytechnic Publishing House, (in Vietnamese), Hanoi, Vietnam, 2020.

[4] S. H. Le, D. C. Le, and H. V. Nguyen, Industrial Robots Syllabus, Ho Chi Minh City National University Publishing House, (in Vietnamese), Ho Chi Minh City, Vietnam, 2017.

[5] L. Joseph and J. Cacace, Mastering ROS for Robotics Programming, vol. 2: Design, build, and simulate complex robots using the Robot Operating System, Packt Publishing Ltd., UK., 2018.

[6] F. Guo, H. Yang, and X. Wu, “Model-based deep learning for low-cost IMU dead reckoning of wheeled mobile robot,” IEEE Trans. Ind. Electron., no. 1, pp. 7531–7541, 2023, doi: 10.1109/TIE.2023.3301531.

[7] Y. Li, “Deep reinforcement learning,” in ICASSP 2018 IEEE international conference on acoustics, speech and signal processing (ICASSP), Calgary, AB, Canada, 2018, pp. 15-20.

[8] S. P. Thale, “ROS based SLAM implementation for Autonomous navigation using Turtlebot,” ITM Web of Conferences, vol. 32, no. 5, 2020, Art. no. 01011, doi: 10.1051/itmconf/20203201011.

[9] H. X. Dong, C. Y. Weng, C. Q. Guo, and H. Y. Yu, “Real-time avoidance strategy of dynamic obstacles via half model-free detection and tracking with 2D Lidar for mobile robots,” IEEE/ASME Trans. on Mechatronics, vol. 26, no. 4, pp. 2215 – 2225, August 2021.

[10] R. K. E. A. Megalingam, “ROS based autonomous indoor navigation simulation using SLAM algorithm,” Int. J. Pure Appl., vol. 7, pp. 199-205, 2018.

[11] D. Kozlov, “Comparison of Reinforcement Learning Algorithms for Motion Control of an Autonomous Robot in Gazebo Simulator,” International Conference on Information Technology and Nanotechnology (ITNT), IEEE Explore, 2021, pp. 1-5, doi: 10.1109/ITNT52450.2021.9649145.

[12] H. T. Tran and T. T. H. Pham, “Controlling mobile robot in flat environment taking into account nonlinear factors applying artificial intelligence,” Bulletin of Electrical Engineering and Informatics, vol. 13, no. 5, pp. 3737-3745, October 2024, doi: 10.11591/eei.v13i5.7818.

[13] H. Lee, J. Kim, and J. Lee, “Resource Allocation in Wireless Networks with Deep Reinforcement Learning: A Circumstance-Independent Approach,” IEEE Syst. J., vol. 14, pp. 2589–2592, 2020.

[14] K. M. Othman and A. B. Rad, “A Doorway Detection and Direction (3Ds) System for Social Robots via a Monocular Camera,” Sensors, vol. 20, pp. 2477-2489, 2020.

[15] K. Nolan, “Optitrack,” 2025. [Online]. Available: https://www.optitrack.com/. [Accessed June 15, 2025].

DOI: https://doi.org/10.34238/tnu-jst.13008

Các bài báo tham chiếu

Hiện tại không có bài báo tham chiếu



Ghi nhớ