Robotics Embeded AI

SLAM Toolbox – Công cụ mạnh mẽ giúp robot “tự tìm đường và ghi nhớ thế giới quanh mình”

Khác với gmapping hay karto, SLAM Toolbox được tối ưu cho ROS2, hỗ trợ multi-session mapping, lưu / tải map động, pose graph optimization và khả năng localization-only mode cực ổn định.

1️⃣ Cấu trúc tổng thể
SLAM Toolbox được triển khai như một node ROS2 duy nhất có thể chạy ở hai chế độ:
✅ Online SLAM (Mapping mode)
- Xây dựng bản đồ trong khi robot di chuyển.
- Thực hiện pose graph optimization định kỳ để giảm drift.
- Cho phép serialization bản đồ (save state) để tiếp tục mapping sau này.
✅ Localization mode
- Không cập nhật bản đồ, chỉ định vị robot trên map có sẵn.
- Sử dụng scan matching + pose graph để tăng độ chính xác định vị.

2️⃣ Các topic chính:
/slam_toolbox/scan : Nhận dữ liệu LIDAR (LaserScan)
/slam_toolbox/map: Xuất bản đồ occupancy grid
/slam_toolbox/pose: Vị trí và hướng hiện tại của robot
/slam_toolbox/serialized_map: Map dạng binary để lưu / load
/slam_toolbox/graph_visualization: Hiển thị graph các node và constraint

3️⃣ Các tham số quan trọng
- use_sim_time: đồng bộ với thời gian mô phỏng Gazebo.
- resolution: độ phân giải của bản đồ (mỗi ô pixel).
- minimum_travel_distance & minimum_travel_heading: ngưỡng để thêm keyframe mới.
- map_update_interval: chu kỳ cập nhật bản đồ.
- do_loop_closing: bật/tắt loop closure.
- mode: mapping hoặc localization.

4️⃣ Bên trong thuật toán
SLAM Toolbox dựa trên Karto + Ceres Solver, với các bước chính:
- Scan matching để ước lượng pose tương đối.
- Pose graph optimization (dùng nonlinear least squares) để giảm sai lệch tích lũy.
- Loop closure detection giúp hiệu chỉnh bản đồ khi robot quay lại vùng đã đi qua.
- Điểm mạnh là khả năng chạy liên tục, cập nhật graph động mà không reset mapping.

Cartographer ROS2 – Bản đồ hóa thế giới xung quanh Robot!

Nếu bạn từng tự hỏi: "Làm sao robot biết mình đang ở đâu và xung quanh có gì?" — thì Cartographer chính là câu trả lời!

Cartographer là một gói SLAM (Simultaneous Localization and Mapping) mã nguồn mở do Google phát triển, nay đã được tích hợp trong ROS2, giúp robot tự vẽ bản đồ môi trường và xác định vị trí của chính nó trong thời gian thực.

1️⃣ Với Cartographer ROS2, robot có thể:
- Tạo bản đồ 2D hoặc 3D chính xác từ dữ liệu LiDAR, IMU và - encoder.
- Xác định vị trí liên tục khi di chuyển, kể cả trong môi trường phức tạp.
- Dễ dàng kết hợp với Nav2 để lập kế hoạch đường đi và tránh vật cản.

2️⃣ Nguyên lý hoạt động:
Cartographer thực hiện SLAM dựa trên pose graph optimization:

- Mỗi submap được tạo từ chuỗi scan liên tiếp.
- Các constraint giữa scan và submap được tạo thông qua scan matching (Correlative Scan Matching hoặc Ceres-based).
- Hệ thống pose graph sau đó được tối ưu bằng Ceres Solver để giảm sai lệch tích lũy (drift).

Nhờ vậy, Cartographer duy trì độ chính xác cao kể cả trong môi trường lớn hoặc có vòng lặp (loop closure).

3️⃣ Cấu trúc trong ROS2:
Cartographer ROS2 gồm các node chính:

✅ cartographer_node: xử lý dữ liệu cảm biến và thực thi thuật toán SLAM.
✅ occupancy_grid_node: xuất bản đồ occupancy grid từ submap để dùng với Nav2.

Các topic phổ biến:
/scan – dữ liệu LiDAR
/imu – dữ liệu quán tính
/odom – dữ liệu encoder
/map – bản đồ kết quả
/map->odom – tf nội suy pose

Tất cả được điều khiển thông qua file cấu hình .lua – nơi ta có thể tinh chỉnh các tham số scan matching, submap size, optimization frequency,…

📌Tóm lại:
Cartographer ROS2 là một lựa chọn mạnh mẽ và đáng tin cậy cho những ai muốn triển khai SLAM thời gian thực trên robot di động, đặc biệt khi dùng LiDAR 2D hoặc IMU chất lượng cao.

SLAM – Trái tim định vị của Robotics & Xe tự hành

🔍 SLAM là gì?
SLAM giúp robot tự xác định vị trí của mình trong không gian đồng thời xây dựng bản đồ môi trường xung quanh – hoàn toàn không cần bản đồ có sẵn.
Nói đơn giản: robot vừa “đi” vừa “vẽ bản đồ”, và đồng thời “biết mình đang ở đâu trên bản đồ đó.”
Để làm được điều này, SLAM kết hợp giữa:
✅ Cảm biến đo khoảng cách như LiDAR, Depth Camera, hoặc Radar.
✅ Hệ thống định vị quán tính (IMU).
✅ Thuật toán lọc và tối ưu (như Kalman Filter, Graph Optimization).

⚙️ Ý nghĩa của SLAM
SLAM là nền tảng giúp robot có khả năng tự chủ thực sự:
✅ Không còn phụ thuộc vào vạch từ hay beacon gắn sẵn.
✅ Tự học, tự ghi nhớ, và tự điều hướng.
✅ Thích ứng với môi trường thay đổi theo thời gian.
Vì thế, SLAM chính là “bộ não không gian” – giúp robot nhìn, nhớ và hiểu thế giới xung quanh.

🌟 Tiềm năng của SLAM
Công nghệ SLAM vẫn đang phát triển mạnh mẽ với sự hỗ trợ của AI và học sâu (Deep Learning), giúp robot:
✅ Hiểu ngữ cảnh không gian (Semantic SLAM).
✅ Làm việc trong môi trường 3D phức tạp (Visual SLAM, LiDAR SLAM).
✅ Tích hợp vào hệ thống điều hướng tự động (Nav2, MoveIt) trong ROS.

“SLAM chính là sự kết hợp giữa tri giác và trí nhớ – giúp robot không chỉ thấy, mà còn hiểu mình đang ở đâu trong thế giới này.”

Welcome to Robotics & Embedded AI!

I am Doanh (Jayson), graduated from Hanoi University of Science and Technology, currently working as a software development engineer, robotic system (ROS).

This page is dedicated to exploring the future of intelligent machines — where robotics meets embedded artificial intelligence.

Here, I’ll be sharing my journey in building autonomous robots, embedded systems, and AI-powered devices — from hardware design to real-world applications.

Whether you're a student, engineer, or DIY maker, I hope you’ll find something valuable here to inspire your next project.

Let’s build the future of robotics together. 🤖

— Doanh