Làm sao robot lau nhận ra khu vực bừa bộn để báo người?

• Robot lau
• Vật nằm trên sàn
• Máy tính cộng điểm bừa bộn
• Điện thoại nhận cảnh báo
• Đường dữ liệu

Bạn sẽ học được gì

• Nêu các tín hiệu cho thấy một khu sàn bừa bộn và gộp chúng thành điểm bừa bộn theo khu.
• Giải thích robot gửi gì về máy tính khi dùng camera, và giữ gì ở lại để bảo vệ quyền riêng tư.
• Chọn ngưỡng, số lượt xác nhận và nội dung cảnh báo, rồi đo chất lượng bằng độ chính xác và độ phủ.

Cần biết trước

Nên biết cảm biến gần của robot lau qua bài Cảm biến nào giúp robot lau nhỏ tránh vực và va chạm? và cách nhận diện vật thể từ ảnh qua bài Phát hiện vật thể từ drone khác ảnh mặt đất ra sao?. Bài này chỉ dạy phần riêng của robot lau.

Bừa bộn với robot lau là gì, và nó đo bằng gì?

Bừa bộn là mọi vật nằm trên sàn làm robot không lau trọn một lượt: dây sạc, tất, giày, đồ chơi. Chúng chắn đường, bị ướt hoặc làm robot kẹt. Robot chưa cần nhìn thấy vật để biết khu đó có vấn đề, vì chính chuyển động của nó để lại dấu vết.

Cách đơn giản nhất là cảm biến va chạm. Một khảo sát về robot lau dọn mô tả cách robot dựa vào cảm biến va chạm đơn giản để phát hiện vật cản và chỉnh đường. Thiết kế minh họa dùng thêm ba tín hiệu từ chính robot.

Với mật độ vật cản, trung tâm có thể dựa vào bản đồ chi phí (costmap) như của Nav2. Lớp vật cản của Nav2 đánh dấu vật cản từ dữ liệu cảm biến. Cũng trong tài liệu đó, lớp khử nhiễu lọc các vật cản giả do nhiễu khỏi bản đồ. Ý tưởng này quan trọng cho bừa bộn: một lần đo lạ chưa đủ để kết luận.

• Va chạm và kẹt
• Mật độ vật cản
• Ô không tới được
• Lập lại đường
• Bước cộng điểm
• Khu điểm cao: báo người
• Khu điểm vừa: theo dõi
• Khu điểm thấp

Camera giúp thêm gì, và robot gửi gì về máy tính?

Camera cho biết vật gì đang nằm trên sàn, thứ mà va chạm không phân biệt được. Việc nhận diện vật thể chạy ở máy tính, không chạy trên vi điều khiển của robot. Tài liệu ML Kit mô tả API phát hiện và theo dõi vật thể trong một ảnh hoặc luồng camera trực tiếp. Cũng theo tài liệu đó, API có thể phân loại vật đã phát hiện bằng bộ phân loại thô có sẵn. Việc API phát hiện được vật chưa chứng minh nó nhận ra dây, tất hay một vùng nguy hiểm. Trong mô hình minh họa, chỉ dùng kết quả làm tín hiệu bổ sung sau khi thử với ảnh sàn thật; chọn mô hình phía máy tính phù hợp thay vì coi API di động này là phần mềm PC đã sẵn dùng.

Robot không cần truyền video liên tục. Thiết kế minh họa chọn hai cách gửi:

• Ảnh chụp theo yêu cầu: robot chụp một ảnh khi gặp va chạm lặp lại hoặc khi trung tâm hỏi, rồi gửi một ảnh đó.
• Sự kiện nhận diện: nếu nhận diện chạy gần robot, chỉ gửi loại vật, vị trí trên bản đồ và độ tin cậy.

Vị trí vật trong ảnh chưa phải vị trí trên bản đồ. Trong mô hình minh họa, trung tâm cần vị trí robot và quan hệ hình học đã hiệu chỉnh để gắn vật vào khu sàn, kèm độ bất định. Nếu chưa quy đổi được, cảnh báo chỉ nêu vùng robot đang quan sát, không gắn một tọa độ chính xác giả.

Cách làm này cũng giúp quyền riêng tư. Trong nhà hoặc văn phòng, ảnh sàn có thể lẫn người và đồ cá nhân. Hướng dẫn nhận dạng số của NIST có yêu cầu cho phép chỉ thu thập thông tin cá nhân cần thiết cho mục đích đã nêu. Áp dụng ý đó vào thiết kế: xử lý ảnh ngay trên máy tính trong nhà, xóa ảnh sau khi cho ra kết quả, chỉ giữ ảnh đi kèm một cảnh báo chưa xử lý, và báo cho người trong nhà biết robot có camera. Đây là lập luận thiết kế, không phải điều NIST quy định cho robot lau.

• Robot lau
• Một khung ảnh chụp
• Ô nhận diện quanh vật lạ
• Máy tính trong nhà
• Ranh giới trong nhà
• Khung ảnh đã xóa
• Luồng video liên tục, không gửi

Điểm bừa bộn, ngưỡng và xác nhận nhiều lượt giảm báo nhầm ra sao?

Trung tâm cộng các tín hiệu của từng khu thành một điểm bừa bộn, rồi chỉ báo khi điểm cao qua nhiều lượt lau liên tiếp. Mỗi tín hiệu có một trọng số: va chạm lặp lại trong một ô nặng hơn một cú chạm, vật nhận diện được là dây hay giày nặng hơn bóng đổ. Trọng số là lựa chọn thiết kế cần chỉnh theo nhà thật.

Ngưỡng có trễ (hysteresis) dùng hai mức thay cho một. Điểm phải vượt mức cao để bật cảnh báo, và chỉ tắt khi rơi xuống dưới mức thấp hơn. Nhờ vậy điểm dao động quanh một mức không làm cảnh báo bật tắt liên tục.

Xác nhận qua nhiều lượt bổ sung cho ngưỡng. Cảnh báo thường chỉ gửi khi điểm vượt ngưỡng đủ số lượt xác nhận; vật cản được đánh dấu và tránh ngay lần gặp đầu. Trường hợp không còn đường đi an toàn hoặc kẹt kéo dài phải dừng và báo ngay, không chờ nhiều lượt. Lý do cần cẩn thận nằm ở người nhận. Một tổng quan về mệt mỏi vì cảnh báo mô tả hiện tượng người nhận chịu nhiều cảnh báo thường xuyên hoặc không cần hành động, dẫn tới quá tải và dần bớt nhạy. Tổng quan đó cũng nói tần suất cảnh báo nhầm cao tạo ra sự mất tin vào hệ thống. Một biện pháp được nêu là chỉnh ngưỡng về mức người xử lý nổi. Với robot lau, mỗi cảnh báo nhầm làm người đọc tin ít hơn vào cảnh báo thật sau đó.

• Điểm của khu có dây chắn
• Ngưỡng cao để bật cảnh báo
• Ngưỡng thấp để tắt cảnh báo
• Lượt gửi cảnh báo
• Khu chỉ vượt ngưỡng một lượt

Cảnh báo nên gửi gì, và đo chất lượng ra sao?

Một cảnh báo tốt nói được ở đâu, vì sao và người cần làm gì, trong vài chữ. Thiết kế minh họa gồm bốn phần: vị trí khu trên bản đồ, ảnh chụp nếu có, một câu ngắn như "có dây sạc chắn lối", và hai lựa chọn: đã dọn hoặc hoãn. Hoãn làm khu đó tạm bỏ qua cảnh báo trong một khoảng người chọn, còn robot vẫn lau phần còn lại.

Để biết cảnh báo có tốt không, đếm hai thứ. Tài liệu Machine Learning của Google định nghĩa độ chính xác (precision) là tỷ lệ các lần báo dương tính mà thật sự dương tính, và độ phủ (recall) là tỷ lệ các trường hợp dương tính thật được báo đúng. Với robot lau, độ chính xác cho biết trong số các cảnh báo gửi đi, bao nhiêu khu thật sự bừa bộn. Độ phủ cho biết trong số khu bừa bộn thật, bao nhiêu đã được báo.

Hai số này kéo ngược chiều nhau. Hạ ngưỡng thường tăng độ phủ và có thể giảm độ chính xác; cần đo trên cùng tập tình huống đã gán nhãn. Cũng theo tài liệu trên, số đo cần ưu tiên khi chọn ngưỡng phụ thuộc vào chi phí, lợi ích và rủi ro của bài toán. Ở đây cảnh báo nhầm tốn sự chú ý của người, còn báo sót tốn một lượt lau bị kẹt hoặc sàn bị ướt chỗ có đồ. Người dùng cần chọn bên nào đau hơn.

• Khu bừa bộn thật, chưa được báo (báo sót)
• Khu bừa bộn thật và đã được báo (báo đúng)
• Khu đã được báo nhưng không bừa bộn (báo nhầm)

Ví dụ trong đời sống

Một văn phòng nhỏ có khu hành lang gần cửa. Đây là kịch bản thiết kế, chưa phải kết quả thử. Lượt lau đầu, robot chạm vào một cuộn dây sạc nằm ngoài ổ cắm, lùi, đánh dấu ô và đi vòng. Điểm vượt mức cao lần đầu, nhưng chưa đủ số lượt xác nhận nên chưa gửi cảnh báo thường. Robot vẫn đánh dấu và tránh ngay ô có dây.

Lượt hai, robot kẹt lại ở cùng chỗ và chụp một ảnh gửi về máy tính. Nhận diện thấy một vật lạ trên sàn, điểm vượt mức cao lần hai liên tiếp, và điện thoại của quản lý văn phòng nhận cảnh báo kèm bản đồ và ảnh. Người đó dọn dây rồi bấm "đã dọn". Máy tính xóa ảnh, điểm khu về thấp và robot lau lại phần bị bỏ.

Cùng buổi, khu cạnh tủ cũng có điểm cao vì ghế bị kéo ra một lần. Lượt sau ghế đã được xếp lại, điểm xuống dưới mức thấp và không có cảnh báo nào được gửi. Nếu hệ thống báo ngay ở lượt đầu, người sẽ nhận một cảnh báo nhầm.

Hiểu lầm thường gặp

Nhận diện bằng camera là đủ. Camera trong gầm giường thiếu sáng, và ảnh chỉ có khi robot chụp. Va chạm, kẹt và ô bị bỏ vẫn cho tín hiệu khi ảnh không dùng được.

Báo càng sớm càng tốt. Báo sớm tăng cảnh báo nhầm, và cảnh báo nhầm thường xuyên làm người dùng mất tin. Báo muộn hơn một lượt thường đổi lấy ít nhầm hơn.

Gửi video về máy tính cho tiện. Robot chỉ cần gửi ảnh khi cần hoặc sự kiện nhận diện. Video liên tục tăng tải mạng và lượng dữ liệu cá nhân phải giữ.

Câu hỏi thường gặp

Robot lau sàn làm sao biết sàn đang bừa?

Nó dựa vào dấu vết chuyển động: va chạm lặp lại, kẹt, ô phải bỏ và đường bị lập lại. Camera là tín hiệu thêm để biết đó là vật gì.

Robot lau có cần camera để báo khu bừa bộn không?

Không bắt buộc. Va chạm, dòng động cơ và ô bị bỏ đủ để đánh dấu khu có vấn đề. Camera có thể giúp phân biệt vật nếu mô hình đã được kiểm trên ảnh sàn phù hợp; chưa có phép đo thì không khẳng định nó giảm báo nhầm. Ảnh cũng làm tăng trách nhiệm bảo vệ quyền riêng tư.

Làm sao giảm báo nhầm từ robot lau?

Dùng ngưỡng có trễ, xác nhận qua vài lượt lau và cho người hoãn cảnh báo. Theo dõi độ chính xác của các cảnh báo đã gửi để chỉnh ngưỡng.

Tóm tắt

• Điểm bừa bộn theo khu gộp va chạm, kẹt, ô bị bỏ, lập lại đường và kết quả nhận diện từ ảnh.
• Robot chỉ gửi ảnh chụp hoặc sự kiện nhận diện, xử lý trong nhà và xóa ảnh sau khi dùng.
• Ngưỡng có trễ và xác nhận nhiều lượt giảm báo nhầm; độ chính xác và độ phủ cho biết cảnh báo có đáng tin.