Limo ROS2 Humble
Hướng dẫn:
https://github.com/agilexrobotics/limo_ros2_doc/blob/master/LIMO-ROS2-humble(EN).md
Tài liệu hướng dẫn sử dụng:
Bài 1: Tóm tắt nội dung 2 bài báo hỗ trợ chat gpt, gemini
https://www.researchgate.net/publication/390397352_Using_the_LIMO_platform_to_learn_mobile_robotics
Tài liệu, bài báo:
https://drive.google.com/drive/folders/1BqUWeH3GudQ3HmkQ8YaqrLCoG71cFNZw?usp=sharing
Nội dung đề tài:
TRIỂN KHAI CÁC THUẬT TOÁN SLAM TRÊN ROBOT LIMO ROS2 VÀ SO SÁNH( COMPARISON OF VARIOUS SLAM SYSTEMS FOR MOBILE ROBOT ON LIMO ROS2)
Nghiên cứu này trình bày một đánh giá chuẩn đối sánh (benchmarking) toàn diện về các hệ thống Định vị và Bản đồ hóa đồng thời (SLAM) hiện đại, bao gồm Gmapping, Cartographer và SLAM Toolbox, được triển khai trên robot di động LIMO. Vận hành trong môi trường ROS 2 Humble, mục tiêu của nghiên cứu là đánh giá sự cân bằng giữa độ chính xác của bản đồ và chi phí tính toán trong điều kiện phần cứng hạn chế. Phương pháp luận bao gồm việc triển khai robot LIMO—được trang bị cảm biến 2D LiDAR và IMU—vào các môi trường trong nhà với độ phức tạp hình học khác nhau. Hiệu năng được đánh giá nghiêm ngặt thông qua các chỉ số định lượng, cụ thể là sai số quân phương (RMSE) trong ước tính quỹ đạo, độ hỗn loạn thông tin (entropy) của bản đồ để kiểm tra tính nhất quán cấu trúc, và mức độ sử dụng CPU/RAM thực tế. Kết quả nghiên cứu cung cấp một lộ trình kỹ thuật để lựa chọn cấu hình SLAM tối ưu, đảm bảo tính bền vững và hiệu quả, làm nền tảng quan trọng cho các nhiệm vụ tự hành cấp cao như điều hướng chính xác và tránh vật cản trong các hệ thống cơ điện tử.
Viết bài so sánh 3 thuật toán SLAM cơ bản nhất theo bài báo:
https://arxiv.org/abs/2501.09490
Điểm mới đề tài:
Triển khai 3 thuật toán SLAM, so sánh kết quả độ chính xác .
📝 Yêu cầu kỹ thuật: Báo cáo cần được chuẩn hóa theo mẫu của Tạp chí KH&CN.
🔗 Hướng dẫn chi tiết & Mẫu trình bày:
https://jst.vn/index.php/index/guide-for-author