បញ្ហា (The Problem)៖ និក្ខេបបទនេះមានគោលបំណងបង្កើតគំរូរថយន្តស្វ័យប្រវត្តិតម្លៃថោក ដែលមានសមត្ថភាពអាចធ្វើមូលដ្ឋានីយកម្ម និងបង្កើតផែនទី 2D ក្នុងពេលដំណាលគ្នា ព្រមទាំងអាចស្វែងរកឧបសគ្គ និងបញ្ចៀសការប៉ះទង្គិច។
វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះប្រើប្រាស់រថយន្តយន្តតូច (Redbot) បំពាក់ឧបករណ៍ចាប់សញ្ញា Lidar និងប្រព័ន្ធបញ្ជូនទិន្នន័យឥតខ្សែដើម្បីប្រមូលទិន្នន័យសម្រាប់ដំណើរការបង្កើតផែនទីក្នុងកុំព្យូទ័រ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Hector SLAM ក្បួនដោះស្រាយ Hector SLAM (មិនតម្រូវឱ្យមានអូដូមេទ្រី/Odometry) |
អាចដំណើរការបានដោយមិនត្រូវការទិន្នន័យពីកង់ (Odometry) និងស័ក្តិសមសម្រាប់ប្រព័ន្ធ Lidar ដែលមានល្បឿនស្កេនលឿន។ | មិនមានសមត្ថភាពកំណត់ទីតាំងចាស់ត្រឡប់មកវិញ (Explicit loop closing) ដោយស្វ័យប្រវត្តិទេ ដែលអាចបណ្តាលឱ្យមានកំហុសបន្តិចបន្តួចនៅពេលទីតាំងធំ។ | បានប្រើប្រាស់យ៉ាងជោគជ័យនៅក្នុងគំរូនេះ ក្នុងការបង្កើតផែនទី 2D ទោះបីជាមានការបញ្ជូនទិន្នន័យយឺតត្រឹមតែ ២០ ចំណុចពី Lidar ក្នុងមួយការស្កេនក៏ដោយ។ |
| Gmapping ក្បួនដោះស្រាយ Gmapping (ផ្អែកលើ Particle Filter) |
មានប្រសិទ្ធភាពខ្ពស់ក្នុងការបង្កើតផែនទី 2D ប្រភេទ Occupancy Grid Map ដែលផ្តល់ភាពច្បាស់លាស់។ | តម្រូវឱ្យមានទិន្នន័យទីតាំងពីកង់ត្រឹមត្រូវ (Odometry) ដែលធ្វើឱ្យមានភាពស្មុគស្មាញដល់ការរៀបចំផ្នែករឹង (Hardware) លើរថយន្តតូចៗ។ | មិនត្រូវបានជ្រើសរើសយកមកប្រើប្រាស់ក្នុងគម្រោងនេះទេ ដោយសាររថយន្ត Redbot មិនមានប្រព័ន្ធ Odometry ដែលមានភាពសុក្រឹត។ |
| Cartographer ក្បួនដោះស្រាយ Cartographer (អភិវឌ្ឍដោយ Google) |
អាចធ្វើការភ្ជាប់ទីតាំងឡើងវិញ (Loop closure) ក្នុងពេលជាក់ស្តែង (Real-time) និងដំណើរការបានល្អលើឧបករណ៍ដែលមានកម្លាំងម៉ាស៊ីនខ្សោយ។ | តម្រូវឱ្យមានការកំណត់រចនាសម្ព័ន្ធ (Configuration) និងការសរសេរកូដស្មុគស្មាញជាង Hector SLAM ក៏ដូចជាត្រូវការថាមពលកុំព្យូទ័រច្រើនជាងបន្តិច។ | ត្រូវបានលើកឡើងជាជម្រើសដ៏ល្អ ប៉ុន្តែមិនត្រូវបានអនុវត្តជាក់ស្តែងក្នុងគំរូនៃនិក្ខេបបទនេះទេ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះត្រូវបានរចនាឡើងដោយផ្តោតលើការប្រើប្រាស់ធនធានកម្រិតទាបបំផុត និងតម្លៃថោក (Low-Cost) ដើម្បីបង្កើតជាគំរូរថយន្តស្វ័យប្រវត្តិសម្រាប់គោលបំណងសិក្សា។
ការធ្វើតេស្តនិងប្រមូលទិន្នន័យត្រូវបានអនុវត្តនៅក្នុងមន្ទីរពិសោធន៍បិទជិត ដោយប្រើប្រាស់ប្រអប់ក្រដាសតូចៗធ្វើជាឧបសគ្គ និងជញ្ជាំង ដែលមិនឆ្លុះបញ្ចាំងពីបរិស្ថានជាក់ស្តែងដ៏ស្មុគស្មាញនោះទេ។ សម្រាប់ប្រទេសកម្ពុជា ការខ្វះទិន្នន័យតេស្តក្នុងស្ថានភាពផ្លូវពិតប្រាកដ (ឧទាហរណ៍៖ ផ្លូវមានធូលី មានភ្លៀង ឬពន្លឺថ្ងៃខ្លាំង) មានន័យថាប្រព័ន្ធនេះនៅមិនទាន់អាចយកទៅប្រើប្រាស់ផ្ទាល់នៅខាងក្រៅ ឬលើដងផ្លូវសាធារណៈបាននៅឡើយទេ លុះត្រាតែមានការកែលម្អឧបករណ៍សេនស័រ។
ទោះបីជាគំរូនេះមានលក្ខណៈសាមញ្ញ និងប្រើប្រាស់ Hardware កម្រិតទាប ប៉ុន្តែវាជាមូលដ្ឋានគ្រឹះដ៏មានសក្តានុពលខ្ពស់សម្រាប់ការអប់រំ និងការស្រាវជ្រាវបឋមនៅប្រទេសកម្ពុជា។
សរុបមក បច្ចេកវិទ្យាតម្លៃថោកនេះ គឺជាច្រកចូលដ៏ស័ក្តិសមបំផុតសម្រាប់និស្សិត អ្នកស្រាវជ្រាវ និងក្រុមហ៊ុន Startup ក្នុងស្រុក ក្នុងការចាប់ផ្តើមអភិវឌ្ឍប្រព័ន្ធមនុស្សយន្តស្វ័យប្រវត្តិដោយខ្លួនឯង មុននឹងឈានទៅប្រើប្រាស់ឧបករណ៍ពាណិជ្ជកម្មខ្នាតធំ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Simultaneous Localization and Mapping | គឺជាក្បួនដោះស្រាយដែលអនុញ្ញាតឱ្យមនុស្សយន្តឬរថយន្តស្វ័យប្រវត្តិអាចបង្កើតផែនទីនៃបរិស្ថានដែលវាមិនធ្លាប់ស្គាល់ ព្រមទាំងអាចកំណត់ទីតាំងរបស់វានៅក្នុងផែនទីនោះក្នុងពេលតែមួយ។ | វាដូចជាការដែលអ្នកដើរចូលទៅក្នុងបន្ទប់ងងឹតមួយដែលមិនធ្លាប់ស្គាល់ ហើយអ្នកប្រើដៃស្ទាបជញ្ជាំងដើម្បីគូសប្លង់បន្ទប់ក្នុងខួរក្បាល ព្រមទាំងដឹងថាខ្លួនឯងកំពុងឈរនៅត្រង់ណា។ |
| Robot Operating System | វាមិនមែនជាប្រព័ន្ធប្រតិបត្តិការ (OS) ដូច Windows ទេ ប៉ុន្តែវាជាបណ្តុំកម្មវិធី (Middleware) ដែលជួយសម្រួលដល់ការសរសេរកូដបញ្ជាមនុស្សយន្ត ដោយផ្តល់នូវឧបករណ៍ទំនាក់ទំនង និងកញ្ចប់មុខងារស្រាប់ៗសម្រាប់ឱ្យផ្នែកផ្សេងៗរបស់មនុស្សយន្តធ្វើការជាមួយគ្នា។ | វាប្រៀបដូចជាអ្នកបកប្រែភាសានិងជាអ្នកសម្របសម្រួលប្រជុំ ដែលជួយឱ្យផ្នែកផ្សេងៗនៃមនុស្សយន្ត (ដូចជាកាមេរ៉ា កង់ និងសេនស័រ) អាចជជែកគ្នាបានយ៉ាងរលូន។ |
| Lidar | ជាបច្ចេកវិទ្យាប្រើប្រាស់ពន្លឺឡាស៊ែរដើម្បីវាស់ចម្ងាយពីឧបករណ៍ទៅវត្ថុផ្សេងៗ ដោយគណនារយៈពេលដែលពន្លឺបាញ់ចេញទៅប៉ះវត្ថុហើយចំណាំងផ្លាតត្រឡប់មកវិញ ដែលជួយបង្កើតជារូបភាព 2D ឬ 3D នៃបរិស្ថានជុំវិញ។ | វាដំណើរការដូចជាសត្វប្រចៀវដែលបញ្ចេញសំឡេងដើម្បីស្វែងរកទីតាំងវត្ថុអញ្ចឹងដែរ ប៉ុន្តែ Lidar ប្រើប្រាស់ពន្លឺឡាស៊ែរជំនួសឱ្យសំឡេង។ |
| Zigbee | ជាពិធីការទំនាក់ទំនងឥតខ្សែ (Wireless Protocol) ដែលប្រើថាមពលទាប និងត្រូវបានរចនាឡើងសម្រាប់ការបញ្ជូនទិន្នន័យក្នុងបរិមាណតិចរវាងឧបករណ៍អេឡិចត្រូនិចផ្សេងៗក្នុងចម្ងាយជិតទៅមធ្យម។ | វាស្រដៀងនឹង Bluetooth ដែរ ប៉ុន្តែវាផ្តោតលើការសន្សំសំចៃថ្មខ្លាំង និងអាចតភ្ជាប់ឧបករណ៍បានច្រើនក្នុងទម្រង់ជាបណ្តាញសំណាញ់ (Mesh Network) ដូចជាមនុស្សតម្រង់ជួរខ្សឹបប្រាប់តៗគ្នា។ |
| Odometry | គឺជាការប្រើប្រាស់ទិន្នន័យពីឧបករណ៍វាស់ចលនា (ដូចជាការវិលរបស់កង់) ដើម្បីប៉ាន់ស្មានការផ្លាស់ប្តូរទីតាំង និងចម្ងាយដែលមនុស្សយន្តបានធ្វើដំណើរធៀបនឹងទីតាំងដើមរបស់វា។ | វាដូចជាការរាប់ចំនួនជំហានរបស់អ្នកពេលដើរដើម្បីស្មានថាអ្នកបានដើរឆ្ងាយប៉ុណ្ណាពីផ្ទះ។ |
| Sensor Fusion | គឺជាដំណើរការនៃការប្រមូលផ្តុំ និងគួបបញ្ចូលទិន្នន័យដែលទទួលបានពីសេនស័រច្រើនប្រភេទផ្សេងៗគ្នា ដើម្បីបង្កើតបានជាលទ្ធផលមួយដែលមានភាពជាក់លាក់ និងអាចទុកចិត្តបានជាងការប្រើសេនស័រតែមួយមុខ។ | វាដូចជាការពឹងផ្អែកលើទាំងភ្នែក (មើល) និងត្រចៀក (ស្តាប់) របស់អ្នក ដើម្បីដឹងប្រាកដថាមានឡានកំពុងបើកមកក្បែរអ្នក ព្រោះបើប្រើតែភ្នែកអ្នកអាចនឹងមើលមិនឃើញបើឡានមកពីក្រោយ។ |
| Node | នៅក្នុងប្រព័ន្ធ ROS, Node នីមួយៗគឺជាដំណើរការកូដ (Process) តូចមួយដែលទទួលខុសត្រូវលើកិច្ចការតែមួយជាក់លាក់ (ឧទាហរណ៍៖ Node មួយសម្រាប់បញ្ជាកង់, Node មួយទៀតសម្រាប់អានទិន្នន័យ Lidar) ហើយពួកវាអាចទាក់ទងគ្នាទៅវិញទៅមកបានតាមរយៈ Topics។ | Node ប្រៀបដូចជាបុគ្គលិកម្នាក់ៗនៅក្នុងក្រុមហ៊ុនមួយ ដែលម្នាក់ៗមានជំនាញនិងតួនាទីរៀងៗខ្លួន ប៉ុន្តែត្រូវធ្វើការងារប្រាស្រ័យទាក់ទងគ្នាដើម្បីសម្រេចការងារធំមួយ។ |
| Occupancy grid map | ជាប្រភេទផែនទីដែលប្រើប្រាស់ក្នុងប្រព័ន្ធមនុស្សយន្ត ដែលបែងចែកលំហបរិស្ថានជាក្រឡាតូចៗ (Grid) ហើយក្រឡានីមួយៗផ្ទុកតម្លៃប្រូបាប៊ីលីតេដែលបញ្ជាក់ថាមាន ឬគ្មានវត្ថុរារាំងនៅលើទីតាំងនោះ។ | វាដូចជាការយកក្រដាសក្រឡាអុកមកគូសប្លង់បន្ទប់ ដោយផាត់ពណ៌ខ្មៅត្រង់ក្រឡាណាដែលមានតុទូ (មិនអាចដើរទម្លុះបាន) និងទុកពណ៌សត្រង់ក្រឡាណាដែលទទេ (អាចដើរបាន)។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
