Đề tài này được thực hiện với mục tiêu xây dựng quy trình huấn luyện UAV sử dụng học tăng cường trong môi trường mô phỏng. Ban đầu, em thử nghiệm trên nền tảng ArduPilot kết hợp Maxproxy, nhưng do gặp giới hạn về tích hợp và tính ổn định, hướng tiếp cận này chưa mang lại kết quả khả quan. Sau đó, em chuyển sang môi trường Isaac Lab – một nền tảng mô phỏng vật lý mạnh mẽ do NVIDIA phát triển, hỗ trợ tích hợp với các framework RL hiện đại.
Trong những năm gần đây, sự phát triển mạnh mẽ của công nghệ máy bay không người lái (UAV - Unmanned Aerial Vehicle) đã mở ra rất nhiều ứng dụng tiềm năng trong nhiều lĩnh vực như: giao thông thông minh, giám sát môi trường, logistics, cứu hộ cứu nạn… Cùng với đó, các bài toán liên quan đến tối ưu hóa vận hành UAV, đặc biệt là điều khiển quỹ đạo bay và tối ưu hiệu năng mạng lưới UAV, đang trở thành mảng nghiên cứu hấp dẫn, được nhiều nhà nghiên cứu trên thế giới quan tâm.
Mục tiêu của đề tài là xây dựng một nền tảng robot tự hành toàn diện, có khả năng nhận thức môi trường thông qua việc hợp nhất dữ liệu từ nhiều loại cảm biến và áp dụng các mô hình học sâu để ra quyết định thông minh. Việc lựa chọn ROS 2 Humble làm nền tảng phát triển không chỉ giải quyết các vấn đề của ROS 1 mà còn cung cấp một kiến trúc mạnh mẽ, linh hoạt và sẵn sàng cho các ứng dụng công nghiệp.
Xây dựng và phát triển một hệ thống thiết bị camera có thể phát hiện được các nguy cơ gây nên cháy nổ trong nhà máy, đồng thời nó có thể cảnh báo những ngọn lửa và khói để cho những người quản lý khu vực nhà máy đó có thể nhận biết và xử lí kịp thời. Hệ thống sử dụng thị giác máy tính, đồng thời cũng được tích hợp thêm cảm biến khói và nhiệt độ khi mà có sự thay đổi thất thường trong nhà máy hoặc các kho lưu trữ thì ngay lập tức sẽ báo động để xử lí kịp thời.
Nghiên cứu chính của đề tài này là so sánh giữa các phiên bản YOLOv8-pose, thu thập các thông số trong quá trình retrain từ các mô hình pretrained với tập dataset được tinh chỉnh nhằm chọn ra một mô hình phù hợp để triển khai thực tế trên các máy tính nhúng trong việc phát hiện người trong môi trường đám cháy có khói thông qua camera quang học. Với nghiên cứu này, trong tương lai nhóm sẽ có thể tích hợp mô hình AI thích hợp lên các thiết bị xe tự hành, kết hợp với các cảm biến để đánh giá chất lượng môi trường đám cháy (nồng độ khí độc, nhiệt độ,…), hỗ trợ công tác cứu hộ (ưu tiên đối tượng cứu hộ, chuẩn bị các công cụ cứu hộ thích hợp,…).
Để giải quyết các vấn đề trên, nghiên cứu đề xuất xây dựng VerifiComerce, một hệ thống thương mại điện tử kết hợp nhiều công nghệ hiện đại nhằm mang lại những ưu điểm vượt trội so với các nền tảng hiện nay. Hệ thống này tập trung vào việc giải quyết hai vấn đề chính: minh bạch trong đánh giá sản phẩm và bảo mật thông tin. Người tiêu dùng thường gặp khó khăn trong việc đánh giá chất lượng sản phẩm trên các nền tảng truyền thống do sự thiếu trung thực trong các nhận xét. Việc áp dụng blockchain giúp đảm bảo tính minh bạch và chính xác của hệ thống, đồng thời công nghệ zero-knowledge được sử dụng để tăng cường tính bảo mật và độ tin cậy của các đánh giá sản phẩm. Nhờ đó, người tiêu dùng có thể an tâm hơn khi đưa ra quyết định mua hàng.
Đề tài tập trung vào việc thiết kế một ứng dụng di động trên hệ điều hành Android với giao diện đơn giản và dễ tiếp cận nhắm hướng đến nhiều đối tượng người dùng. Ứng dụng sẽ điều khiển robot bằng cách thay đổi vị trí của tay gắp trong không gian ba chiều.
