Kiến trúc và phát triển phần mềm AMR — Chương 08: Hệ thống điều hướng (Navigation Stack) [EN]

STATERA Library · Series 02 · Volume 07 · Chapter 08 · EN Nguồn: https://github.com/Statera-Library/02_Vol_07_AMR_Software_Architecture_and_Development/blob/main/08_Navigation_Stack/08_Navigation_Stack_EN.md Chương 08. Hệ thống điều hướng (Navigation Stack) 08.1 Tổng quan về hệ thống điều hướng "08_01_Navigation_Stack_Overview" là một trong những nền tảng kiến trúc trọng yếu nhất trong phần mềm robot di động tự hành (AMR), do hệ thống điều hướng đóng vai trò là hệ thống trí tuệ vận hành giúp chuyển đổi dữ liệu nhận thức môi trường, thông tin định vị, mục tiêu nhiệm vụ và các ràng buộc chuyển động thành hoạt động di chuyển tự hành an toàn của robot. Hệ thống điều hướng đảm nhiệm vai trò giúp robot xác định vị trí hiện tại, xác định hướng di chuyển, tính toán phương thức tiếp cận an toàn, liên tục phản ứng trước các chướng ngại vật động, đồng thời duy trì kiểm soát chuyển động ổn định khi vận hành trong môi trường thực tế phức tạp. Trong các hệ thống AMR hiện đại, hệ thống điều hướng không phải là một thuật toán đơn lẻ mà là một kiến trúc phần mềm tích hợp cao, bao gồm các hệ thống định vị, khung bản đồ, công cụ lập kế hoạch toàn cục, bộ lập quỹ đạo cục bộ, mô-đun xử lý chướng ngại vật, hệ thống bản đồ chi phí (costmap), bộ điều khiển chuyển động, hệ thống điều phối hành vi, cơ chế phục hồi và các lớp giám sát an toàn theo thời gian thực. Hệ thống điều hướng vận hành như một quy trình ra quyết định trung tâm giữa hệ thống nhận thức và chuyển động cơ học của robot. Các hệ thống nhận thức liên tục phân tích môi trường xung quanh thông qua camera, LiDAR, hệ thống radar, cảm biến độ sâu, camera nhiệt, IMU, thiết bị thu GNSS và cảm biến đo quãng đường qua bánh xe (wheel odometry). Hệ thống định vị ước tính tư thế (pose) của robot so với bản đồ hoặc hệ tọa độ quy chiếu. Hệ thống điều hướng tiếp nhận các thông tin vị trí và môi trường này nhằm thiết lập các quỹ đạo chuyển động, cho phép robot tự hành tiến về mục tiêu nhiệm vụ, tránh va chạm, tuân thủ các ràng buộc động học và thích ứng với biến đổi của môi trường. Về bản chất, các hệ thống điều hướng hiện đại mang tính phân cấp. Thay vì chuyển đổi trực tiếp dữ liệu cảm biến thành các lệnh điều khiển bánh xe, robot tự hành phân chia quá trình điều hướng thành nhiều tầng trừu tượng, tách biệt giữa việc lập kế hoạch đường đi mang tính chiến lược với khâu thực thi chuyển động cấp thấp. Kiến trúc phân cấp này giúp nâng cao tính mô-đun, khả năng mở rộng, năng lực gỡ lỗi và độ bền vững trong vận hành. Do đó, hầu hết các hệ thống điều hướng robot đều bao gồm tối thiểu một tầng lập kế hoạch toàn cục, một tầng lập kế hoạch cục bộ, một tầng điều khiển chuyển động và một tầng điều phối hành vi. Hệ thống lập kế hoạch toàn cục chịu trách nhiệm thiết lập lộ trình tầm xa trong các môi trường quy mô lớn. Các bộ lập kế hoạch toàn cục sử dụng bản đồ môi trường để tính toán lộ trình tối ưu hoặc gần tối ưu từ vị trí hiện tại của robot tới điểm đích chỉ định. Các bộ lập kế hoạch này thường hoạt động dựa trên lưới chiếm dụng (occupancy grid), bản đồ tô-pô, bản đồ ngữ nghĩa, bản đồ vectơ hoặc các mô hình biểu diễn môi trường dạng lai. Bộ lập kế hoạch toàn cục thường ưu tiên tính hiệu quả của lộ trình, khả năng lưu thông, biên độ an toàn, các ràng buộc vận hành và các mục tiêu ở cấp độ nhiệm vụ. Các thuật toán quy hoạch đường đi cổ điển vẫn được ứng dụng rộng rãi trong các hệ thống điều hướng (navigation stack) nhờ độ tin cậy và hiệu quả tính toán. Phương pháp quy hoạch dựa trên thuật toán Dijkstra bảo đảm tìm ra giải pháp đường đi ngắn nhất, song có thể đòi hỏi chi phí tính toán lớn trong các môi trường quy mô rộng. Thuật toán A-star nâng cao hiệu quả thông qua định hướng tìm kiếm heuristic, đồng thời vẫn bảo đảm tính tối ưu trong nhiều điều kiện. Các biến thể như Theta-star, Jump Point Search và Hybrid A-star giúp cải thiện độ mượt của quỹ đạo và khả năng mở rộng tính toán. Robot công nghiệp hiện đại tiếp tục phụ thuộc lớn vào các thuật toán tất định này nhờ khả năng cung cấp các hành vi điều hướng có thể giải thích và dự đoán được. Các thuật toán quy hoạch dựa trên phương pháp lấy mẫu cũng giữ vai trò quan trọng trong các môi trường điều hướng phức tạp. Rapidly Exploring Random Trees (RRT) và Probabilistic Roadmaps (PRM) đặc biệt hữu ích trong các không gian quy hoạch nhiều chiều đối với robot nhiều khớp nối, hệ thống kéo đẩy, thao tác đỗ xe hoặc điều hướng trên địa hình gồ ghề. Các bộ quy hoạch dựa trên tối ưu hóa như CHOMP, STOMP và các khung tối ưu hóa quỹ đạo tạo ra các quỹ đạo mượt mà, khả thi về mặt động lực học, đồng thời xử lý tốt các ràng buộc động học của robot và điều kiện môi trường. Tầng quy hoạch cục bộ chịu trách nhiệm điều hướng phản xạ ngắn hạn. Khác với quy hoạch toàn cục, bộ quy hoạch cục bộ liên tục đánh giá môi trường tức thời bằng dữ liệu cảm biến trực tiếp để thiết lập các quỹ đạo chuyển động khả thi về động lực học. Bộ quy hoạch cục bộ phải phản ứng nhanh trước các vật cản chuyển động, người đi bộ, xe nâng, phương tiện giao thông, các yếu tố bất định từ môi trường và các luồng dữ liệu cập nhật từ cảm biến. Do đó, khả năng đáp ứng theo thời gian thực là một trong những yêu cầu mang tính quyết định đối với hệ thống điều hướng cục bộ. Phương pháp Dynamic Window Approach (DWA) hiện vẫn là một trong những thuật toán quy hoạch cục bộ được ứng dụng rộng rãi nhất trong lĩnh vực kỹ thuật robot. DWA đánh giá các quỹ đạo vận tốc ứng viên dựa trên các tiêu chí: tránh vật cản, bám sát lộ trình, tiến trình hướng tới mục tiêu và độ mượt của chuyển động. Các bộ quy hoạch Timed Elastic Band tối ưu hóa quỹ đạo ngắn hạn kết hợp xử lý các ràng buộc động học và giới hạn chuyển động theo thời gian của robot. Các bộ quy hoạch cục bộ dựa trên phương pháp Điều khiển dự báo mô hình (MPC) ngày càng khẳng định vai trò trọng yếu nhờ khả năng tối ưu hóa chuyển động tương lai của robot thông qua các mô hình động lực học và dữ liệu dự báo môi trường. Hệ thống điều hướng cục bộ được tích hợp chặt chẽ với các khung xử lý chướng ngại vật. Quy trình phát hiện chướng ngại vật tiếp nhận dữ liệu từ LiDAR, camera, hệ thống radar, cảm biến siêu âm, camera đo chiều sâu và hệ thống ảnh nhiệt. Các hệ thống này liên tục cập nhật mô hình chướng ngại vật động nhằm cung cấp dữ liệu cho bộ quy hoạch cục bộ. Hệ thống theo dõi chướng ngại vật thực hiện ước tính vận tốc cùng quỹ đạo tương lai của đối tượng, hỗ trợ công tác chủ động phòng ngừa va chạm. Bản đồ chi phí (costmap) là một trong những cấu trúc dữ liệu quan trọng nhất trong các hệ thống điều hướng hiện đại. Bản đồ chi phí mô phỏng môi trường dưới dạng lưới không gian, trong đó mỗi ô dữ liệu phản ánh mức độ khó khăn khi di chuyển, cự ly tiếp cận vật cản, biên độ an toàn, độ phức tạp của địa hình hoặc rủi ro vận hành. Các thuật toán điều hướng sử dụng bản đồ chi phí để đánh giá các phương án chuyển động tiềm năng.