Bạn sẽ học được gì
- Biểu diễn cấu hình và chuyển động vật rắn bằng ma trận quay và phép biến đổi đồng nhất
- Tính động học thuận và giải động học nghịch cho tay máy nhiều bậc tự do
- Xây dựng phương trình động lực học và sinh quỹ đạo cho chuỗi động hở
- Cài đặt thuật toán lập kế hoạch chuyển động dựa trên lấy mẫu (RRT/PRM)
- Thiết kế bộ điều khiển hồi tiếp cơ bản để robot bám theo quỹ đạo
- Cài đặt bộ lọc xác suất (Kalman/particle filter) để định vị robot từ cảm biến nhiễu
Nên học trước
Giới thiệu
Robot học (Robotics) kết hợp cơ khí, điều khiển và AI để tạo ra hệ thống tự hành tương tác được với thế giới vật lý — nơi mọi phép đo đều nhiễu và mọi cơ cấu chấp hành đều không hoàn hảo. Khác với phần mềm thuần túy, một chương trình đúng về mặt toán học vẫn có thể thất bại ngoài đời vì ma sát, độ trễ cảm biến hay sai số cơ khí.
Bốn trụ cột của một hệ robot
Biểu diễn chuyển động (không gian cấu hình, phép biến đổi vật rắn) trả lời robot đang ở đâu và có thể tới đâu. Động học và động lực học liên hệ góc khớp với vị trí đầu công tác, và lực với gia tốc. Lập kế hoạch tìm đường đi khả thi, tránh vật cản. Điều khiển và cảm nhận khiến robot bám theo kế hoạch dù có nhiễu — đây là lúc các bộ lọc xác suất (Kalman, particle filter) trở nên thiết yếu để ước lượng trạng thái thực từ cảm biến không hoàn hảo.
Lộ trình học
Đi từ biểu diễn cấu hình và động học (thuận rồi nghịch), tới động lực học và sinh quỹ đạo, rồi lập kế hoạch chuyển động, điều khiển vòng kín, và cuối cùng là cảm biến/định vị xác suất. Mỗi bước nên đi kèm mô phỏng (Python hoặc mô phỏng vật lý như PyBullet) trước khi thử trên phần cứng thật.
Thực hành là bắt buộc
Một con robot mô phỏng miễn phí (PyBullet) hoặc bộ Lego/Arduino giá rẻ đủ để thấy khoảng cách giữa phương trình trên giấy và chuyển động thật — đây là bài học quan trọng nhất của môn này.
Giáo trình & sách tham khảo
Xem tất cả trong tab SáchGiáo trình chính
Modern Robotics: Mechanics, Planning, and Control
Kevin M. Lynch, Frank C. Park · 2017
Vì sao chọn: Giáo trình robot học hiện đại, PDF miễn phí từ chính tác giả, thống nhất cấu hình, động học, động lực học, lập kế hoạch và điều khiển bằng một bộ công cụ toán học nhất quán — khớp 5/6 bước của lộ trình. Là lựa chọn chính vì miễn phí và có thư viện code đi kèm.
Nên đọc: Chương 2–11
Probabilistic Robotics
Sebastian Thrun, Wolfram Burgard, Dieter Fox · 2005
Sách kinh điển, trả phí, chuyên sâu về cảm biến và định vị dưới bất định — phần mà Modern Robotics chỉ đề cập sơ lược. Đọc ở bước 6 để hiểu SLAM và các bộ lọc xác suất.
Nên đọc: phần về lọc Bayes, Kalman/particle filter và SLAM
Các bước học
Đăng nhập để đánh dấu các bước đã hoàn thành.
Bước 1: Không gian cấu hình và chuyển động vật rắn
khoảng 6 giờĐịnh nghĩa không gian cấu hình, bậc tự do; biểu diễn vị trí/hướng vật rắn bằng ma trận quay và phép biến đổi đồng nhất; viết hàm Python chuyển đổi qua lại giữa các biểu diễn hướng (ma trận quay, góc Euler).
- Đọc: Chương 2 Configuration Space, Chương 3 Rigid-Body Motions — Modern Robotics: Mechanics, Planning, and Control
Bước 2: Động học thuận và động học nghịch
khoảng 8 giờTính động học thuận bằng tích các phép biến đổi khớp cho một tay máy nhiều bậc tự do; giải động học nghịch bằng phương pháp giải tích cho tay máy 2-3 khớp và kiểm chứng bằng mô phỏng.
- Đọc: Chương 4 Forward Kinematics, Chương 6 Inverse Kinematics — Modern Robotics: Mechanics, Planning, and Control
Bước 3: Động lực học và sinh quỹ đạo
khoảng 8 giờXây dựng phương trình động lực học chuỗi động hở, sinh quỹ đạo trơn giữa hai cấu hình; mô phỏng chuyển động một tay máy 2 khớp dưới trọng lực bằng tích phân số.
- Đọc: Chương 8 Dynamics of Open Chains, Chương 9 Trajectory Generation — Modern Robotics: Mechanics, Planning, and Control
Bước 4: Lập kế hoạch chuyển động
khoảng 7 giờCác thuật toán lập kế hoạch dựa trên lấy mẫu (PRM, RRT) và tránh vật cản; cài đặt RRT cơ bản cho một robot điểm di chuyển trong bản đồ 2D có vật cản.
- Đọc: Chương 10 Motion Planning — Modern Robotics: Mechanics, Planning, and Control
Bước 5: Điều khiển robot
khoảng 7 giờĐiều khiển hồi tiếp cho chuyển động khớp (PID, điều khiển tính toán mô-men); mô phỏng một bộ điều khiển PID bám theo quỹ đạo đã sinh ở bước 3 và điều chỉnh tham số để giảm sai số bám.
- Đọc: Chương 11 Robot Control — Modern Robotics: Mechanics, Planning, and Control
Bước 6: Cảm biến, định vị xác suất và SLAM
khoảng 8 giờLọc Kalman và particle filter để ước lượng trạng thái từ cảm biến nhiễu; định vị Monte Carlo và ý tưởng cốt lõi của SLAM; cài đặt một bộ lọc particle filter đơn giản để định vị robot trên bản đồ đã biết.
- Đọc: phần về lọc Bayes, Kalman/particle filter và SLAM — Probabilistic Robotics
Khái niệm chính
- Không gian cấu hình (Configuration space)
- Tập tất cả các cấu hình (vị trí + hướng, hoặc góc khớp) mà robot có thể ở; lập kế hoạch chuyển động thực chất là tìm đường đi trong không gian này.
- Động học thuận (Forward kinematics)
- Tính vị trí/hướng của khâu cuối (end-effector) từ các góc khớp đã biết, bằng tích các phép biến đổi đồng nhất dọc chuỗi động.
- Động học nghịch (Inverse kinematics)
- Bài toán ngược lại: tìm góc khớp để khâu cuối đạt vị trí/hướng mong muốn; có thể có nhiều nghiệm, một nghiệm hoặc vô nghiệm.
- Động lực học (Dynamics)
- Quan hệ giữa lực/mô-men tại khớp và gia tốc chuyển động, dùng để mô phỏng và tính lực cần thiết để robot bám theo một quỹ đạo.
- Lập kế hoạch chuyển động (Motion planning)
- Tìm một đường đi khả thi (không va chạm vật cản, thỏa ràng buộc động học) từ cấu hình đầu tới cấu hình đích, thường bằng thuật toán lấy mẫu như PRM hoặc RRT.
- Bộ lọc Kalman và Particle filter
- Các thuật toán ước lượng trạng thái (vị trí, vận tốc) của robot từ chuỗi phép đo cảm biến nhiễu, dựa trên mô hình xác suất.
- SLAM (Simultaneous Localization and Mapping)
- Bài toán robot vừa xây dựng bản đồ môi trường vừa định vị chính nó trong bản đồ đó cùng lúc, khi cả hai đều chưa biết trước.
Học xong để làm gì
- Cánh tay robot công nghiệp lắp ráp, hàn, gắp-đặt
- Robot di động tự hành (AMR) vận chuyển hàng trong kho
- Xe tự lái và drone giao hàng
- Robot hút bụi và robot dịch vụ gia đình
- Robot phẫu thuật hỗ trợ bác sĩ với độ chính xác cao
Câu hỏi thường gặp
Không có robot thật thì học được không?
Được — toàn bộ lộ trình có thể học và thực hành bằng mô phỏng (Python, PyBullet); phần cứng giá rẻ (Arduino, robot Lego) chỉ cần cho trải nghiệm bổ sung ở bước cuối.
Cần giỏi cơ khí không?
Không cần kiến thức cơ khí chuyên sâu; lộ trình tập trung vào toán mô tả chuyển động (động học/động lực học) và thuật toán, không đi sâu thiết kế phần cứng.
Sự khác biệt giữa Modern Robotics và Probabilistic Robotics là gì?
Modern Robotics dạy "robot chuyển động thế nào" (động học, động lực học, điều khiển) trong thế giới lý tưởng; Probabilistic Robotics dạy "robot biết mình đang ở đâu" khi cảm biến nhiễu và thế giới bất định — hai mảnh ghép bổ sung nhau.
Mất bao lâu để hoàn thành lộ trình?
Khoảng 44 giờ, tức 7-9 tuần nếu học 5-6 giờ mỗi tuần.
