MÔ PHỎNG VÀ ĐÁNH GIÁ BỘ ĐIỀU KHIỂN ROBOT UR5 TÍCH HỢP HỌC SÂU ĐỂ PHÂN LOẠI HÌNH DẠNG VÀ GẮP - THẢ ĐA VẬT THỂ TRONG COPPELIASIM

Tóm tắt

Bài báo trình bày quá trình mô phỏng và đánh giá bộ điều khiển Robot UR5 tích hợp Deep Learning để phân loại hình dạng và gắp - thả đa vật thể trong môi trường CoppeliaSim. Hệ thống kết hợp camera vision sensor, mô hình YOLO Detection, chuyển đổi tọa độ pixel-to-world, giải động học ngược và điều khiển chuyển động theo quỹ đạo khớp. Ba loại vật thể hình vuông, hình tròn và hình chữ nhật được bố trí ngẫu nhiên đồng thời trong vùng làm việc. Robot thực hiện gắp - thả tuần tự theo thứ tự confidence từ cao đến thấp vào khay phân loại tương ứng. Kết quả cho thấy mô hình YOLO đạt mAP50 = 0.995, phát hiện đồng thời đủ ba vật thể; sai số chuyển đổi pixel-to-world nhỏ hơn 2 mm; robot UR5 gắp - thả đúng vật thể vào đúng khay trong toàn bộ các lần thực nghiệm. Nghiên cứu chứng minh khả năng tích hợp hiệu quả giữa Deep Learning và điều khiển robot trong môi trường mô phỏng, đồng thời tạo nền tảng cho giảng dạy Robot - AI và triển khai trên hệ thống robot thực trong tương lai.