បញ្ហា (The Problem)៖ ឯកសារនេះដោះស្រាយបញ្ហាអំពីការវិវត្តនៃបច្ចេកវិទ្យាម៉ាស៊ីនកាត់ស្មៅស្វ័យប្រវត្តិ ដោយផ្តោតលើការកាត់បន្ថយការពឹងផ្អែកលើកម្លាំងពលកម្មមនុស្ស ការកាត់បន្ថយការបំពុលបរិស្ថាន និងការបង្កើនប្រសិទ្ធភាពក្នុងការថែរក្សាទីធ្លា។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់វិធីសាស្ត្រវាយតម្លៃអក្សរសិល្ប៍បែបប្រព័ន្ធ (Systematic Literature Review) ដើម្បីប្រមូល និងវិភាគទិន្នន័យពីឯកសារស្រាវជ្រាវកន្លងមកដែលពាក់ព័ន្ធនឹងម៉ាស៊ីនកាត់ស្មៅស្វ័យប្រវត្តិ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Boundary Wire Topologies (VO, WO) & Visual Odometry ការប្រើខ្សែព្រំដែន និងការវាស់ចម្ងាយដោយរូបភាព |
វិធីសាស្ត្រ Weighted Odometry (WO) និង Loop Closure ដំណើរការបានយ៉ាងល្អក្នុងការស្វែងរកទីតាំង និងមានភាពជាក់លាក់ខ្ពស់ក្នុងការកាត់ស្មៅក្នុងសួនបិទជិត។ | ទាមទារឱ្យមានការរៀបចំខ្សែព្រំដែនរូបវន្តជាមុន ហើយការប្រើ Visual Odometry ត្រូវការភ្លើងបំភ្លឺសិប្បនិម្មិតនៅពេលយប់។ | ដំណើរការបានយ៉ាងរលូននៅក្នុងការធ្វើតេស្តជាក់ស្តែងលើសួនច្បារចំនួន ៥ ផ្សេងគ្នាសម្រាប់ការកំណត់ព្រំដែនកាត់ស្មៅ។ |
| RTK-GPS Navigation ការរុករកដោយប្រព័ន្ធកំណត់ទីតាំង RTK-GPS |
មានសមត្ថភាពខ្ពស់ក្នុងការប៉ាន់ស្មានតំបន់កាត់ស្មៅដោយមិនចាំបាច់ប្រើខ្សែព្រំដែន និងដំណើរការបានយ៉ាងល្អទោះបីនៅក្បែរអគារខ្ពស់ៗក៏ដោយ។ | តម្លៃប្រព័ន្ធអាចមានកម្រិតខ្ពស់ ហើយអាចមានភាពរអាក់រអួលខ្លះនៅតំបន់ដែលមានដើមឈើក្រាស់ៗបាំងសញ្ញាផ្កាយរណប។ | ផ្តល់នូវភាពបត់បែនខ្ពស់ និងអាចបង្កើតចំណុចចាប់ផ្តើមព្រមទាំងកាលវិភាគកាត់ស្មៅបានយ៉ាងល្អប្រសើរ។ |
| Computer Vision via OpenCV & Infrared (Raspberry Pi) ប្រព័ន្ធទស្សនវិស័យកុំព្យូទ័រនិងសេនស័រអ៊ីនហ្វ្រារ៉េដ (ដំណើរការដោយ Raspberry Pi) |
មានតម្លៃទាប និងអាចត្រាប់តាមសមត្ថភាពរបស់មនុស្សក្នុងការស្គាល់និងចៀសវាងឧបសគ្គបានល្អប្រសើរ។ | អាចប្រឈមនឹងបញ្ហាល្បឿនដំណើរការទិន្នន័យ (Processing power) និងរងឥទ្ធិពលពីពន្លឺព្រះអាទិត្យខ្លាំងដែលជះលើសេនស័រ។ | ជួយបង្កើនសុវត្ថិភាពម៉ាស៊ីនតាមរយៈការចាប់យកឧបសគ្គដោយស្វ័យប្រវត្តិ និងបង្កើតគំរូកាត់ស្មៅបានច្រើនទម្រង់។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអភិវឌ្ឍនិងដាក់ឱ្យប្រើប្រាស់ម៉ាស៊ីនកាត់ស្មៅស្វ័យប្រវត្តិទាមទារការវិនិយោគរួមគ្នារវាងផ្នែករឹង ផ្នែកទន់ និងចំណេះដឹងផ្នែកវិស្វកម្មរ៉ូបូត។
ការសិក្សានេះគឺជាការត្រួតពិនិត្យឯកសារស្រាវជ្រាវ (Literature Review) ចំនួន ៥០ ចាប់ពីឆ្នាំ ១៩៨០ ដល់ ២០២៣ ដែលភាគច្រើនបានធ្វើឡើងនៅបណ្តាប្រទេសអភិវឌ្ឍន៍។ ទិន្នន័យទាំងនេះអាចមិនទាន់ឆ្លុះបញ្ចាំងពេញលេញអំពីបញ្ហាប្រឈមក្នុងប្រទេសកំពុងអភិវឌ្ឍន៍ ដូចជាប្រភេទស្មៅដុះក្រាស់ និងលក្ខខណ្ឌអាកាសធាតុក្តៅសើម ឬភ្លៀងធ្លាក់ខ្លាំង (រដូវវស្សា) នៅកម្ពុជាឡើយ។ ហេតុនេះ ការសាកល្បងជាក់ស្តែងក្នុងបរិបទអាកាសធាតុត្រូពិចគឺជារឿងចាំបាច់។
បច្ចេកវិទ្យាម៉ាស៊ីនកាត់ស្មៅស្វ័យប្រវត្តិនេះមានសក្តានុពលខ្ពស់ក្នុងការអនុវត្តនៅប្រទេសកម្ពុជា ជាពិសេសក្នុងវិស័យទេសចរណ៍ ការកម្សាន្ត និងការអភិវឌ្ឍទីក្រុងឆ្លាតវៃ (Smart City)។
ការចាប់យកបច្ចេកវិទ្យានេះនឹងជួយជំរុញឱ្យកម្ពុជាឈានទៅរកការគ្រប់គ្រងហេដ្ឋារចនាសម្ព័ន្ធបៃតងប្រកបដោយភាពឆ្លាតវៃ ចីរភាព និងប្រសិទ្ធភាពសេដ្ឋកិច្ចខ្ពស់។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Visual odometry | ដំណើរការវិភាគរូបភាពជាបន្តបន្ទាប់ពីកាមេរ៉ា ដើម្បីគណនានិងតាមដានទីតាំងព្រមទាំងគន្លងចលនារបស់រ៉ូបូតកាត់ស្មៅក្នុងលំហ ដោយមិនចាំបាច់ពឹងផ្អែកលើ GPS ទាំងស្រុង។ | ដូចជាពេលយើងដើរបិទភ្នែកក្នុងបន្ទប់ ដោយគ្រាន់តែបើកភ្នែកមើលមួយភ្លែតៗ ដើម្បីប៉ាន់ស្មានថាយើងដើរដល់ទីណាហើយ ដោយប្រៀបធៀបទីតាំងរបស់របរជុំវិញខ្លួន។ |
| RTK-GPS | បច្ចេកវិទ្យាកំណត់ទីតាំងតាមប្រព័ន្ធផ្កាយរណបប្រភេទ Real-Time Kinematic ដែលប្រើប្រាស់ស្ថានីយ៍គោល (Base station) ដើម្បីកែកំហុសសញ្ញា GPS ធម្មតា ធ្វើឱ្យវាមានភាពសុក្រឹតខ្ពស់បំផុតរហូតដល់កម្រិតសង់ទីម៉ែត្រ។ | ប្រៀបដូចជាការប្រើ GPS ធម្មតា បូកផ្សំជាមួយមិត្តភក្តិម្នាក់ទៀតឈរនៅមួយកន្លែងចាំប្រាប់ផ្លូវផ្ទាល់បន្ថែម ដើម្បីធានាថាអ្នកដើរមិនវង្វេងសូម្បីតែមួយចំអាម។ |
| Sensor fusion | ដំណើរការនៃការច្របាច់បញ្ចូលគ្នានូវទិន្នន័យដែលទទួលបានពីឧបករណ៍ចាប់សញ្ញា (Sensors) ច្រើនប្រភេទផ្សេងគ្នា (ដូចជា កាមេរ៉ា អ៊ីនហ្វ្រារ៉េដ និងរ៉ាដា) ដើម្បីបង្កើតបានជាព័ត៌មានជុំវិញបរិស្ថានរ៉ូបូតដែលច្បាស់លាស់ ត្រឹមត្រូវ និងអាចទុកចិត្តបានជាងការប្រើសេនស័រតែមួយ។ | ដូចជាការប្រើទាំងភ្នែកមើល ត្រចៀកស្តាប់ និងច្រមុះធុំក្លិនក្នុងពេលតែមួយ ដើម្បីវាយតម្លៃបរិយាកាសជុំវិញខ្លួនបានកាន់តែច្បាស់លាស់។ |
| geo-fencing | ការបង្កើតរបាំងឬព្រំដែននិម្មិត (Virtual boundary) តាមរយៈកម្មវិធីកុំព្យូទ័រនិងប្រព័ន្ធ GPS សម្រាប់កំណត់តំបន់ប្រតិបត្តិការរបស់ម៉ាស៊ីន ដោយមិនចាំបាច់ប្រើខ្សែព្រំដែនរូបវន្តពិតប្រាកដឡើយ។ | ដូចជាការគូសរង្វង់ក្នុងចិត្តឬលើផែនទីទូរស័ព្ទ ដើម្បីកំណត់ទីតាំងដែលរ៉ូបូតអាចដើរបាន ដោយមិនចាំបាច់ធ្វើរបងពិតប្រាកដនៅខាងក្រៅផ្ទះ។ |
| Swarm robotics | ប្រព័ន្ធបច្ចេកវិទ្យាដែលប្រើប្រាស់រ៉ូបូតខ្នាតតូចជាច្រើនគ្រឿងឱ្យធ្វើការងារសហការគ្នាជាក្រុម ដើម្បីសម្រេចកិច្ចការធំមួយ ដោយរ៉ូបូតនីមួយៗអាចទាក់ទងគ្នានិងបែងចែកការងារគ្នាបានដោយស្វ័យប្រវត្តិ។ | ដូចជាហ្វូងស្រមោចសហការគ្នាជញ្ជូនចំណី ឬសាងសង់សំបុកដោយមិនចាំបាច់មានមេកើយបញ្ជាផ្ទាល់ គឺពួកវាចេះធ្វើការងារតាមតួនាទីរៀងៗខ្លួន។ |
| Gaussian Process (GP) | ម៉ូដែលគណិតវិទ្យានិងស្ថិតិក្នុង Machine Learning ដែលប្រើប្រាស់ប្រូបាប៊ីលីតេ ដើម្បីទស្សន៍ទាយឬធ្វើផែនទីនៃតំបន់ដែលម៉ាស៊ីនមិនទាន់បានរុករក ដោយផ្អែកលើទិន្នន័យសំណាក (Samples) តិចតួចដែលមានស្រាប់។ | ដូចជាការភ្លក់ទឹកស៊ុបតែមួយស្លាបព្រា ក៏អាចស្មានដឹងពីរសជាតិនៃស៊ុបទាំងមូលនៅក្នុងឆ្នាំងបានយ៉ាងត្រឹមត្រូវអញ្ចឹងដែរ។ |
| OpenCV | បណ្ណាល័យកូដកម្មវិធីបើកចំហ (Open-source library) ដែលត្រូវបានប្រើប្រាស់យ៉ាងទូលំទូលាយសម្រាប់អភិវឌ្ឍប្រព័ន្ធ Computer Vision ដើម្បីជួយឱ្យកុំព្យូទ័រឬរ៉ូបូតអាចមើលឃើញ ចំណាំ និងវិភាគរូបភាពក្នុងពេលវេលាជាក់ស្តែង (Real-time)។ | ដូចជាការបំពាក់នូវ "ខួរក្បាលអ្នកមើល" ទៅដល់ម៉ាស៊ីន ដើម្បីឱ្យវាចេះបែងចែកដឹងថាណាមួយជាដើមឈើ ណាមួយជាមនុស្ស និងណាមួយជាស្មៅ។ |
| boundary wire topologies | ការរៀបចំបណ្តាញខ្សែភ្លើងកប់ក្រោមដី ឬដាក់លើផ្ទៃសួន ដើម្បីបញ្ចេញសញ្ញាអេឡិចត្រូម៉ាញ៉េទិចកំណត់ព្រំដែនប្រាប់ម៉ាស៊ីនកាត់ស្មៅកុំឱ្យឆ្លងកាត់ទៅតំបន់ផ្សេង។ | ដូចជាការធ្វើរបងខ្សែភ្លើងលាក់ក្រោមដី ពេលរ៉ូបូតដើរទៅកៀកវានឹងទទួលបានសញ្ញាព្រមានឱ្យបត់ត្រឡប់មកក្រោយវិញ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
