536 Nguyễn Văn Tính, Phạm Thượng Cát, Phạm Minh Tuấn, Trần Thuận Hoàng VCM2012 Một phương pháp tránh vật cản VFH cải tiến cho robot di động An Improved-VFH Obstacle Avoidance Method for Mobile Robot Nguyễn Văn Tính*, Phạm Thượng Cát*, Phạm Minh Tuấn*, Trần Thuận Hoàng** *Viện Công nghệ Thông tin, Viện Khoa học và Công nghệ Việt Nam **Đại Học Công Nghệ, Đại Học Quốc Gia Hà Nội e-Mail: nvtinh@ioit.ac.vn Tóm tắt Bài báo này trình bày một phương pháp tránh vật cản đã được kế thừa và cải tiến từ phương pháp VFH của J. Borenstein. Phương pháp VFH truyền thống cho phép tránh vật cản không xác định từ trước đồng thời hướng robot chuyển động về phía mục tiêu và chỉ thích hợp với các robot di động có gắn bộ các cảm biến siêu âm (sonar) được phân bố đều xung quanh robot. Phương pháp VFH cải tiến được đề xuất sẽ khắc phục đòi hỏi về phân bố đều các cảm biến này. Kết quả thực nghiệm trên robot di động Pioneer-P3-DX cho thấy tính hiệu quả của phương pháp mới. Abstract This paper presents of a VFH-based obstacle avoidance method for mobile robots which has been improved from the original one by J. Borenstein. The original VFH method can orient the robot to move toward its target while avoiding unknown obstacles along the path and be suitable for mobile robots with equally distributed onboard sonar sensors. The improved VFH method compensates this equal distribution requirement for the sonar sensors. Experiments on the Pioneer-P3-DX mobile robot showed that the efficiency of the proposed method. Keyword: VFH, VFF, sonar sensors, navigation, obstacles avoidance. Chữ viết tắt VFF Virtual Force Field VFH Virtual Field Histogram 1. Giới thiệu Tránh vật cản là một trong những vấn đề chính trong điều khiển robot di động. Hầu hết các robot di động đều có một một kiểu tránh vật cản nào đó, bao gồm từ các thuật toán đơn giản, cho phép robot xác định vật cản và dừng lại ở khoảng cách ngắn so với vật cản để tránh va chạm, đến các thuật toán tinh tế hơn, cho phép robot di chuyển theo đường viền quanh vật cản. Phần 2 trình bày bản tóm tắt tổng quan về các phương pháp tránh vật cản bảo gồm: phương pháp phát hiện sườn, phương pháp trường thế năng, phương pháp trường lực ảo (VFF), phương pháp trường tọa độ cực (VFH). Phần 3 trình bày phương pháp tránh vật cản Improved-VFH của chúng tôi. Đóng góp của chúng tôi là, cải tiến phương pháp VFH của J. Borenstein cho phù hợp với cấu trúc phân bố các cảm biến siêu âm trên phần cứng robot của chúng tôi. 2. Các phương pháp tránh vật cản 2.1 Phương pháp phát hiện sườn Một phương pháp tránh vật cản phổ biến là dựa trên sườn. Trong phương pháp này, thuật toán sử dụng các cảm biến camera, range finder, sonar … để xác định vị trí các đường sườn thẳng đứng của vật cản. Các đoạn thẳng nối liền các sườn thẳng đứng này được gọi là các đường biên của vật cản. Sau đó điều khiển robot di chuyển theo nhưng cách một đoạn ngắn các đoạn thẳng nối liền các sườn này. Nhược điểm của phương pháp này là robot phải dừng ở phía trước vật cản rồi thu thập thông tin các đường sườn thẳng đứng từ các cảm biến. Ngoài ra, các độ chính xác của các cảm biến ảnh hưởng rất nhiều tới khả năng thực hiện các phương pháp này. Các cảm biến siêu âm bộc lộ rất nhiều những nhược điểm như sau: a. Xác định hướng tương đối nghèo nàn: làm hạn chế độ chính xác trong việc xác định vị trí của sườn từ 10 đến 50cm [8]. b.Thường xuyên đọc thông tin sai: được gây ra bởi các nhiễu siêu âm. Các nguồn nhiễu có thể là các nguồn siêu âm từ bên ngoài hoặc phản chiếu lệch hướng từ các senror lân cận (phản xạ chéo). Đọc sai không thể luôn luôn được loại bỏ và chúng làm thuật toán phát hiện sườn sai [8]. Tuyển tập công trình Hội nghị Cơ điện tử toàn quốc lần thứ 6 537 Mã bài: 126 2.2 Phương pháp trường thế năng Phương pháp thiết kế quỹ đạo sử dụng các trường thế năng nhân tạo được dựa trên nguyên lý đơn giản và hiệu quả của O. Khatib [13]. Robot được xem như một chất điểm dịch chuyển trong trường thế năng. Trường thế năng này được tạo bởi “mục tiêu” và các vật cản trong môi trường. Mục tiêu tạo ra lực hút trong khi các vật cản tạo ra các lực đẩy. Một trường thế năng có thể được xem như một trường năng lượng và gradient của nó tại mỗi điểm là một lực. Robot di chuyển trong trường thế năng là điểm tựa của lực hút lái robot tới mục tiêu đồng thời luôn tránh xa các vật cản (do tác động của lực đẩy được tạo ra từ độ dốc (gradient) của thế năng đẩy). Các hàm thế năng cũng được coi là một trường có các núi và các thung lũng, điểm thấp nhất của thung lũng chính là mục tiêu. Robot đi theo đường cong dọc theo độ dốc âm của hàm thế năng – tức di chuyển hướng xuống điểm thấp nhất trong thung lũng. Đặt q biểu diễn vị trí của robot, được xem như một phần tử đang di chuyển trong không gian n chiều R n . Để đơn giản, xem robot như một chất điểm di chuyển trong mặt phẳng, tức n = 2 và vị trí robot được định nghĩa bởi q = (x,y). Trường thế năng nhân tạo là một hàm vô hướng   2 : U R R q được tạo ra bởi các thế năng hút và đẩy. Thế năng đẩy tạo ra từ tổng của các hàm thế năng riêng biệt được tạo ra từ các vật cản. Thế năng hút dược tạo ra từ mục tiêu.       i att rep i U U U   q q q (1) Trong đó     , i rep att U U q q biểu diễn thế năng đẩy được tạo ra bởi vật cản thứ i và thế năng hút từ mục tiêu [13]. Hàm U(q) là khả vi. Ở mỗi vị trí q, độ dốc của trường thế năng, được định nghĩa bởi   U q , chỉ hướng tăng tới giá trị lớn nhất cục bộ của U(q). Lực lái robot là độ dốc ngược của thế năng nhân tạo, tức:           att rep att rep F F F U U    q q q q q (2) Lực trong (2) là một véc tơ chỉ hướng giảm giá trị lớn nhất cục bộ của U. Lực này có thể được xem như véc tơ vận tốc để điều khiển robot điểm [13]. Thế năng hút tỷ lệ với bình phương khoảng cách từ robot đến mục tiêu [13]:     2 1 2 att att goal U k d q q (3) Trong đó goal goal d  q q là khoảng cách của robot tới mục tiêu; k att là hệ số vô hướng. Robot càng cách xa mục tiêu, biên độ của trường véc tơ hút càng lớn. Lực hút chính là độ dốc ngược của trường thế năng hút [13]:       att att att goal F U k    q q q q (4) Đặt véc tơ vận tốc robot tỷ lệ với lực hút. Lực hút (4) điều khiển robot đi tới đích với vận tốc tỷ giảm dần khi robot tiến tới đích. Lực (4) biểu diễn một sự phụ thuộc tuyến tính vào mục tiêu, nghĩa rằng nó có thể tăng lên vô cùng khi q dịch chuyển ra xa mục tiêu. Khi robot ở xa mục tiêu, lực này tác động làm robot tiến nhanh tới mục tiêu. Mặt khác, lực và vận tốc hướng tới 0 khi robot tiến tới đích. Bởi vậy robot tiếp cận mục tiêu chậm dần. Thế năng đẩy giữ robot cách xa các vật cản, bao gồm các vật cản được biết trước và các vật cản được phát hiện bởi các cảm biến siêu âm. Thế năng đẩy này càng lớn khi robot càng gần vật cản. Thế năng cản là tổng của tất cả các hiệu ứng cản do các vật cản gây ra, tức:     i rep rep i U U  q q (5) Ảnh hưởng của một vật cản bị giới hạn trong phạm vi lân cận đó với một khoảng cách cho trước. Một vật cản ở rất xa robot dường như không đẩy robot ra xa nó. Biên độ của thế năng đẩy phải tăng khi robot tiếp cận vật cản. Biểu thức tính toán thế năng đẩy như sau [13]:         2 0 0 0 1 1 1 2 0 i i i obst obst i rep obst i obst k d d U dd d d                   q q q q (6) Trong đó   i obst d q là khoảng cách từ vật cản thứ i tới q; i obst k là hệ số tỷ lệ và d 0 là ngưỡng ảnh hưởng của vật cản. Ngược dấu của gradient của thế năng đẩy,     i i rep rep F U  q q Nhược điểm : Phương pháp này bộc lộ nhiều nhược điểm, đặc biệt là nhạy cảm với cực tiểu cục bộ và robot bị dao động khi đi qua một không gian hẹp. Hiện hượng cực tiểu cục bộ thường xuyên xuất hiện do sự đối xứng của môi trường. H. 1 Thế năng đẩy và thế năng hút [13]. 538 Nguyễn Văn Tính, Phạm Thượng Cát, Phạm Minh Tuấn, Trần Thuận Hoàng VCM2012 Kết quả thực nghiệm của thuật toán tránh vật cản được mô tả bởi đường nét liền như hình vẽ dưới đây: H. 2 Quĩ đạo tránh vật cản khi robot đi từ A đến B. H. 3 Cực tiểu cục bộ của tổng thế năng do vật cản lõm tạo ra. H. 4 Cực tiểu cục bộ do sự đối xứng của môi trường gây ra. Trên H.3, một trường hợp khi robot bị hút bởi đích (goal) trong khi nó đang đi vào tọa độ q*. Ở đó lực hút cân bằng với lực đẩy do các bức tườn tạo ra, tức   0 U    q . Hiện tượng cực tiểu cục bộ cũng xảy ra khi robot đi vào vùng được mô tả như H.4. Ở đó thế năng do lực hút cân bằng với tổng thế năng do các lực đẩy tạo ra. Đối với các robot có ràng buộc không khả tích (nonholonomic) cũng hạn chế khả năng áp dụng phương pháp trường thế năng. Bởi nếu lực F(q) có hướng vuông góc với hướng chuyển động tức thời của robot thì coi như lực này không có ảnh hưởng gì lên robot. 2.3 Phương pháp trường lực ảo VFF Phương pháp này sử dụng biểu đồ lưới hai chiều Đề Các C để biểu diễn môi trường xung quanh robot. Mỗi ô (i,j) trong biểu đồ lưới C chứa một giá trị c ij để biểu diễn độ tin cậy của thuật toán về sự tồn tại của vật cản ở vị trí tương ứng đó. VFF xây dựng và cập nhật biểu đồ lưới bằng cách tăng +1 cho chỉ một ô duy nhất trong biểu đồ lưới như H. 5 (a). Khi robot chuyển động, biểu đồ lưới C bao gồm w s ×w s ô bao trùm lên robot và luôn đi cùng nó. Đồng thời ta cũng áp dụng ý tưởng của phương pháp trường thế năng trong biểu đồ lưới trên robot, trong đó mỗi ô chứa c ij ≠ 0 được coi là một vật cản. Mỗi ô tạo ra một lực ảo F ij hướng về robot như H. 6. Biên độ của F ij tỷ lệ thuận với giá trị c ij và tỷ lệ nghịch với bình phương khoảng cách từ ô (i,j) tới robot. Tổng hợp các lực đẩy là véc tơ lực R. Đồng thời, cũng có một lực hút ảo F t hút robot về phía mục tiêu. Với phương pháp này, robot đáp ứng nhanh hơn, linh hoạt hơn so với phương pháp trường thế năng. Nhưng ngược lại, nó vẫn tồn tại một số nhược điểm chính như:  Không đi qua được cửa phòng, vì khi đó các lực đẩy từ hai bên thành cửa tạo thành hợp lực đẩy robot ra xa cửa.  Khi robot di chuyển từ ô này sang ô khác trong biểu đồ lưới, tổng hợp lực đẩy thay đổi lớn cả về biên độ và hướng. 2.4 Phương pháp tọa độ cực VFH Phương pháp VFH cũng sử dụng một biểu đồ lưới C như trong VFF để làm bản đồ cho môi trường xung quanh robot. Ngoài ra, phương pháp VFH này sử dụng một quá trình xử lý nhằm thu gọn dữ liệu trong hai giai đoạn để tính các lệnh điều khiển mong muốn (vận tốc dài, vận tốc góc) cho robot. H. 5 (a) chỉ một ô được tăng thêm +1 đối với mỗi lần đọc cảm biến siêu âm; (b) biểu đồ lưới được cập nhật trong quá trình chuyển động của robot. H. 6 Biểu đồ lưới và các lực hút và lực đẩy ảo tác động lên robot. Các giá tr ị chiếm giữ Biểu đồ lưới (a) (b) Các giá trị chiếm giữ Tuyển tập công trình Hội nghị Cơ điện tử toàn quốc lần thứ 6 539 Mã bài: 126 Trong giai đoạn thứ nhất, biểu đồ lưới được chuyển đổi sang dạng biểu đồ cực. Biểu đồ cực này được xây dựng xung quanh vị trí tức thời của robot. Mỗi sector trong biểu đồ cực chứa 1 giá trị biểu diễn mật độ vật cản trong hướng của sector đó. Trong giai đoạn thứ hai, thuật toán lựa chọn sector phù hợp nhất trong số tất cả các sector trong biểu đồ cực với điều kiện sector đó phải có giá trị mật độ vật cản nhỏ hơn một giá trị ngưỡng cho trước, sau đó robot sẽ lái theo hướng của sector đó. Trong phương pháp VFH, có ba bước biểu diễn dữ liệu tồn tại [8]: i. Bước đầu tiên nắm giữ tập dữ liệu miêu tả môi trương xung quanh robot: Trong bước này, biểu đồ lưới Đề Các hai chiều được cập nhật liên tục trong thời gian thực với dữ liệu khoảng cách tới vật cản d được thu từ các cảm biến siêu âm. Nội dung của mỗi ô (cell) trong biểu đồ lưới được xem như một vector vật cản mà hướng của nó được xác định bởi hướng từ tọa độ tâm robot tới ô đó. 0 0 atan j ij i y y x x     và biên độ của nó được xác định bởi:     2 ij ij ij m c a bd   [8]. trong đó: a,b là các hằng số dương c ij là giá trị CV của (active cell) (i,j) d ij là khoảng cách giữa (active cell) (i,j) và tâm robot. m ij là biên độ của vector vật cản. x 0 , y 0 là tọa độ tức thời của robot. x i , y j là tọa độ của (active cell)  ij là hướng từ tâm robot tới (active cell) (i,j) a,b được chọn sao cho max 0 a bd   với   max 2 1 / 2 s d w  là khoảng tời tâm robot tới active cell. Mỗi sector k tương ứng với một góc  =5.k với k= 0, 1, 2,…, 71. Sự tương ứng giữa c ij và k được thiết lập qua. k = INT(  ij /5). Trong đó INT(x) là hàm lấy số nguyên lớn nhất nhỏ hơn x. ii. Ở bước trung gian: Biểu đồ cực H được xây dựng xung quanh vị trí tức thời robot. H bao gồm 72 sector, mỗi séc tơ có bề rộng 5 0 . Một phép biến đổi ánh xạ biểu đồ lưới C vào H được thực hiện. Khi đó mỗi vùng (sector) k nắm giữ giá trị h k để biểu diễn mật độ vật cản (polar obstacle density) trong hướng tương ứng với vùng k. Đối với mỗi sector k, hàm mật độ tương ứng h k được tính bởi: , k ij i j h m   với active cell (i,j) thuộc sector k. Tuy nhiên, do bản chất rời rạc của histogram grid nên kết quả của phép ánh xạ từ biểu đồ lưới sang biểu đồ cực H cũng bị rung (không trơn). Để khắc phục, ta áp dụng một hàm làm trơn trong biểu đồ cực H. ' 5 1 1 5 5 6 5 11 k k k k k k h h h h h h              , ' k h được gọi là biểu đồ cực được làm trơn. iii. Ở bước cuối cùng: Dữ liệu chính là đầu ra của thuật toán và cũng chính là giá trị đầu vào (vận tốc dài và vận tốc góc) của bộ điều khiển robot. Ta sẽ điều khiển hướng  d mong muốn để robot có thể di chuyển tới đích mà không va chạm với vật cản. Biểu đồ cực được làm trơn được chia thành các đỉnh (peak), gồm các vùng có ' k h lớn hơn một ngưỡng h thread , và các khe rãnh (valley), gồm các sector có ' k h nhỏ hơn ngưỡng đó như minh họa trong H. 8. Khi có hai hoặc nhiều khe rãnh thì thuật toán VFH lựa chọn một rãnh gần với hướng k target nhất. Một khi rãnh được lựa chọn, thì cũng cần phải lựa chọn vùng thích hợp trong phạm vi rãnh đó làm hướng đi cho robot. H. 7 Phép ánh xạ của các biểu đồ lưới vào biểu đồ cực [8] 540 Nguyễn Văn Tính, Phạm Thượng Cát, Phạm Minh Tuấn, Trần Thuận Hoàng VCM2012 H. 8 Ngưỡng để xác định hướng đi an toàn và không an toàn. Trước tiên, thuật toán đo kích thước của rãnh được lựa chọn (số các vùng liên tiếp được lựa chọn có giá trị ' k h nhỏ hơn ngưỡng h thread ). Tuy nhiên, trong thực tế, có hai dạng rãnh là dạng rộng và hẹp. Một rãnh được gọi là rộng nếu có nhiều hơn 18 vùng như H.10. (a),(b),(c) miêu tả. H. 9 Đồ thị biểu đồ cực được làm trơn Vùng ở gần k target nhất và có ' k h nhỏ hơn ngưỡng được định nghĩa là k n . Nếu rãnh là rộng thì ta định nghĩa vùng xa mục tiêu nhất là 18 f n k k   . Hướng mong muốn được định nghĩa bởi:   5 / 2 d n f k k    . Trường hợp thứ hai, một rãnh hẹp, được tạo ra khi trước mặt robot là hai vật cản ở gần nhau như trong H. 10.(d). Ở đây khoảng cách giữa k f và k n nhỏ hơn 18. Bởi vậy, hướng của robot được chọn   5 / 2 d n f k k    để đảm bảo robot di chuyển vào giữa hai vật cản. H. 1 Các rãnh rộng và hẹp, (a) robot hướng ra xa vật cản khi robot ở gần vật cản; ( b) robot hướng về phía mục tiêu (target); (c) robot di chuyển song song với bề mặt vật cản khi nó ở khoảng cách thích hợp; (d) rãnh hẹp [8] H. 2 Phân bố cảm biến siêu âm trên phân cứng robot Pioneer-P3-DX. 2.5 Phương pháp Improved-VFH Với phương pháp VFH ở trên, hầu hết các nhược điểm của các phương pháp trên đã được khắc phục. Nhưng để ứng dụng được phương pháp VFH trên, cấu trúc phần cứng của robot phải có phân bố cảm biến siêu âm trải đều xung quanh robot. Ví dụ, robot có 24 cảm biến siêu âm thì các cảm biến này được đặt cách nhau 15 o . Nhưng trường hợp robot có phân bố cảm biến siêu âm như hình H. 11 thì sao? Từ đây, chúng tôi đã phát triển một phương pháp tránh vật cản mới được gọi là Improved-VFH là sự cải tiến từ phương pháp VFH. Phương pháp này vẫn sử dụng biểu đồ lưới như trong VFH nhưng với luật cập nhật được minh họa như H. 13. Nghĩa là mỗi lần đọc thông tin từ cảm biến siêu âm, thuật toán chỉ gán các giá trị 2 hoặc 3 tại các ô như trong hình vẽ, ngoài ra tất cả các ô khác đều được gán giá trị 0. Luật chuyển đổi dữ liệu từ biểu đồ lưới sang biểu đồ cực vẫn được kế thừa từ VFH. Sau đó, quá trình tính góc hướng  d được chia làm hai bước: Tuyển tập công trình Hội nghị Cơ điện tử toàn quốc lần thứ 6 541 Mã bài: 126 Bước 1: Vẫn tính các rãnh như trước nhưng chỉ giới hạn các vùng trong phạm vi sao cho 100 o d     . Nếu có rãnh thỏa mãn 100 o d     thì robot sẽ điều khiển góc hướng sao cho d    . Bước 2: Nếu không có rãnh nào thỏa mãn điều kiện trên thì robot sẽ thực hiện phép quay trái hoặc phải một góc 100 o . Robot quay trái nếu t    và ngược lại. Trong đó   atan2 , t t t y y x x     , với , , , t t x y x y lần lượt là các tọa độ của mục tiêu và tọa độ tức thời của robot. Sau đó, thuật toán tiếp tục tìm rãnh trong phạm vi ±100 o mới. Tức quay lại Bước 1. Nếu trong phạm vi ±100 o tồn tại nhiều hơn một rãnh, thì thuật toán sẽ lựa chọn rãnh tùy theo từng trường hợp:  Trường hợp 1: Nếu 90 o t     thì thuật toán sẽ lựa chọn rãnh nào có góc hướng d  sao cho d t    nhỏ nhất.  Trường hợp 2: Nếu 90 o t     thì thuật toán sẽ lựa chọn rãnh nào có góc hướng d  sao cho d    nhỏ nhất. Thuật toán điều khiển vận tốc góc được lựa chọn đơn giản như sau:   10 d      và 25 / . o s   Thuật điều khiển vận tốc dài được lựa chọn như sau:  Nếu robot cách xa vật cản thì V=V max =0,5m/s.  Nếu robot ở gần vật cản thì V=5(d 30 -0.4) m/s. Với d 30 là khoảng cách từ robot tới vật cản gần nhất trong phạm vi -30 o  30 o trong hệ tọa độ cực gắn với robot.  Nếu 10 / o s   thì vận tốc dài V được thay bằng 2,5 V V   . 3. Kết quả thí nghiệm và kết luận Phương pháp tránh vật cản Improved-VFH đã được thử nghiệm trên robot Pioneer-P3-DX tại Viện Công nghệ Thông tin thuộc Viện Khoa học và Công nghệ Việt Nam. Kết quả thí nghiệm cho kết quả rất tốt. Ở đó, robot hoàn toàn có thể tự tìm đường ra khi gặp ngõ cụt, chuyển động qua hành lang hẹp mà không hề bị rung lắc Bài báo này đã trình bày một phương pháp VFH cải tiến được gọi là Improved-VFH để tránh vật cản nhanh. Phương pháp này kế thừa từ phương pháp VFH nên nó cũng có tính bền vững cao, tính toán hiệu quả, không nhạy cảm với các phép đọc thông tin sai từ các cảm biến siêu âm H. 3 Ảnh chụp Pioneer-P3-DX di chuyển thoát khỏi ngõ cụt hay đi qua hành lang hẹp H. 4 Cơ chế cập nhật thông tin môi trường trong biểu đồ lưới trong Improved-VFH. Nguyễn Văn Tính nhận bằng kỹ sư tại Đại Học Bách Khoa Hà Nội năm 2008. Anh đang làm nghiên cứu viên tại Viện Công nghệ Thông tin thuộc Viện Khoa học Công nghệ Việt Nam, số 18 Hoàng Quốc Việt, Cầu Giấy, Hà Nội. Pham Thuong Cat received his M.S degree in Computer Engineering from Budapest Technical University in 1972 and Ph.D. in Control Engineering from Hungarian Academy of Sciences (MTA) in 1977. From 1985 to 1988, he was a Postdoctoral Fellow at MTA SzTAKI the Research Institute of Computer and Automation of MTA and received D.Sc. degree in Robotics from Hungarian Academy of Science in 1988. He is a Honorary Research Professor in Computational Sciences of MTA SzTAKI Hungary. From 1979 he is researching and teaching PhD. Courses at the Institute of Information Technology, Vietnamese Academy of Science and Technology. 542 Nguyễn Văn Tính, Phạm Thượng Cát, Phạm Minh Tuấn, Trần Thuận Hoàng VCM2012 D.Sc. Cat serves as Editor-in-Chief of the Journal of Computer Science and Cybernetics of Vietnamese Academy of Science and Technology. He is a Vice President of the Vietnamese Association of Mechatronics. His research interests include robotics, control theory, cellular neural networks and embedded control systems. He co-authored 4 books and published over 150 papers on national and international journals and conference proceedings. TS. Phạm Minh Tuấn tốt nghiệp Đại học Bách khoa Hà Nội, chuyên ngành Công nghệ Thông tin năm 1997, sau đó nhận bằng Thạc sĩ và Tiến sĩ về Kỹ thuật Điều khiển ở trường Đại học Công nghệ Nanyang, Singapore, vào các năm 2002 và 2006. Từ 2006 đến 2011, ông làm việc tại Phòng Công nghệ Tự động hóa, Viện Công nghệ Thông tin, Viện KHCNVN. Hiện tại, ông đang là Phó Giám đốc Trung tâm Điều khiển và Khai thác Vệ tinh nhỏ thuộc Viện Công nghệ Vũ trụ, Viện KHCNVN. Lĩnh vực nghiên cứu chính của ông bao gồm điều khiển xe tự hành, điều khiển tư thế vệ tinh, các hệ nhúng, và hệ thống năng lượng tái tạo. Ông đã cho đăng trên 30 bài báo tại các hội nghị, tạp chí trong nước và quốc tế. Ông còn là thành viên Hội Cơ điện tử Việt Nam. Trần Thuận Hoàng sinh năm 1970 Anh nhận bằng thạc sỹ về Đo lường và các hệ thống điều khiển của trường Đại học Bách Khoa Đà Nẵng năm 1998, nhận bằng thạc sỹ Mạng và hệ thống điện năm 2009 của Đại Học Đà Nẵng. Hiện nghiên cứu sinh tại Khoa Điện tử-Viễn thông, Đại học Công Nghệ- Đại Học Quốc Gia Hà Nội từ năm 2010. Hướng nghiên cứu chính tổng hợp các cảm biến cho định vị và dẫn đường robot di động Tài liệu tham khảo [1] Arkin, R. C., “Motor Schema-Based Mobile Robot Navigation”. The International Journal of Robotics Research, August 1989, pp. 92-112. [2] Borenstein, J. and Koren, Y., “A Mobile Platform For Nursing Robots” IEEE Transactions on Industrial of Dynamics, Vol. 32, No. 2, 1985, pp158-165. [3] Borenstein, J. and Koren, Y., “Motion Control Analysis of a Mobile Robot”. Transactions ASME, Journal of Dynamic, Measurement and Control, Vol. 109, No. 2, 1987, pp 73-79. [4] Borenstein, J. and Koren, Y., “Obstacle Avoidance With Ultrasonic Sensors”. IEEE Journal of Robots and Automation, Vol. RA-4, No. 2, 1988, pp. 213-218. [5] Borenstein, J. and Koren, Y., “Real-time Obstacle Avoidance for Fast Mobile Robots” IEEE Transactions on Systems, Man, and Cybernetics, Vol. 19, No. 5, Sep/Oct 1989, pp. 1179-1187. [6] Borenstein, J. and Koren, Y., “Histogramic In- Motion Mapping for Mobile Robot Obstacle Avoidance”. IEEE Journal of Robotics and Automation, Vol. 7, No. 4, 1991, pp. 535-539. [7] Borenstein, J. and Koren, Y., “Real-time Map- building for Fast Mobile Robot Obstacle Avoidance”. SPIE Symposium on Advances in Intelligent Systems, Mobile Robots, V, Boston, MA, Nov.4-9, 1990. [8] Borenstein, J. and Koren, Y., “The Vector Field Histogram-Fast Obstacle Avoidance for Mobile Robot”, IEEE Journal of Robots and Automation, Vol. 7, No. 3, June 1991, pp. 278- 288. [9] Crow, J. L., “World Modeling and Positon Estimation for a Mobile Robot Using Ultrasonic Ranging”. Proceedings of the 1989 IEEE International Conference on Robotics and Automation Scottsdale, Arizona, May 14-19, 1989, pp. 674-680. [10] Kuc, R. and Barshan, B., “Navigating Vehicles Through an Unstructured Environment With Sonar”. Proceedings of the 1989 IEEE International Conference on Robotics and Automation, Scottsdale, Arizona, May 14-19, 1989, pp. 1422-1426. [11] Lumelsky V. and Skewis, T., “A Paradigm for Incorporating Vision in the Robot Navigation Function”. Proceedings of the 1988 IEEE International Conference on Robotics and Automation, Philadelphia, April 25, 1988, pp. 734-739. [12] Newman, W. S. and Hogan, N., “High Speed Robot Control and Obstacle Avoidance Using Dynamic Potential Functions” Proceedings of the 1987 IEEE International Conference on Robotics and Automation, Raleigh, North Carolina, March 31-April 3, 1987, pp. 14-24. [13] Khatib, O., “Real-time Obstacle Avoidance for Manipulators and Mobile Robots”. 1985 IEEE International Conference on Robotics and Automation, St. Louis, Missouri, March 25-28, 1985, pp. 500-505. [14] Krogh, B. H., “A Generalized Potential Field Approach to Obstacle Avoidance Control” International Robotics Research Conference, Bethlehen, Pensylvania, August, 1984. . một phương pháp tránh vật cản đã được kế thừa và cải tiến từ phương pháp VFH của J. Borenstein. Phương pháp VFH truyền thống cho phép tránh vật cản không xác định từ trước đồng thời hướng robot. Phạm Minh Tuấn, Trần Thuận Hoàng VCM2 012 Một phương pháp tránh vật cản VFH cải tiến cho robot di động An Improved -VFH Obstacle Avoidance Method for Mobile Robot Nguyễn Văn Tính*, Phạm Thượng. chính trong điều khiển robot di động. Hầu hết các robot di động đều có một một kiểu tránh vật cản nào đó, bao gồm từ các thuật toán đơn giản, cho phép robot xác định vật cản và dừng lại ở khoảng