Muốn robot nhảy cao hơn không nhất thiết cần motor mạnh hơn: Tối ưu sáu thanh liên kết cho mức tăng 21,5% trong mô phỏng

Một robot muốn nhảy cao hơn thường dẫn tới câu hỏi quen thuộc: motor có đủ mạnh không? Nhưng với robot dùng lò xo và cơ cấu linkage, motor chỉ là một phần của bài toán. Cách các thanh cứng và khớp nối truyền chuyển động có thể quyết định robot nén lò xo hiệu quả đến đâu, bàn chân đi theo quỹ đạo nào và bao nhiêu năng lượng cuối cùng biến thành chuyển động đi lên.

Một nghiên cứu mới trên International Journal of Intelligent Robotics and Applications đi thẳng vào phần cơ khí này. Nhóm của Jing Tian và Zhicheng He tại Hunan University, cùng các cộng tác viên từ China North Vehicle Research Institute và Teesside University, sử dụng một phương pháp tối ưu hóa gọi là Spring-Connected Rigid Block Model (SBM) để tìm một cơ cấu nhảy sáu thanh thay vì bắt đầu từ một linkage do kỹ sư phác thảo sẵn.

Kết quả chính cần đọc đúng phạm vi: trong mô phỏng, khi so với cơ cấu bốn thanh của robot Ascento ở cùng khối lượng, thiết kế mới tăng độ cao nhảy tối đa 21,5% đồng thời giảm 12,5% peak motor torque. Nhóm cũng chế tạo một bệ thử phần cứng và cho thấy quỹ đạo đầu chân trong giai đoạn chân duỗi gần với tính toán. Tuy nhiên, paper không cho thấy phép đo thực nghiệm trực tiếp chứng minh toàn bộ mức tăng 21,5% ở một robot hoàn chỉnh.

Vì sao đổi hình học linkage có thể thay cho một phần sức mạnh của motor?

Trong một robot nhảy dùng cơ cấu đàn hồi, motor thường không cần cung cấp toàn bộ công suất của cú nhảy trong vài chục mili-giây cất cánh. Nó có thể từ từ đưa cơ cấu vào trạng thái tích năng, nén hoặc kéo lò xo, rồi giải phóng năng lượng đó nhanh hơn khi robot bật khỏi mặt đất.

Linkage nằm giữa motor, lò xo, thân robot và điểm tiếp xúc với mặt đất. Hình học của nó quyết định quan hệ giữa góc quay của motor và chuyển động của chân, đồng thời làm thay đổi tỷ số truyền lực trong suốt quá trình co và duỗi. Hai cơ cấu dùng cùng motor và cùng lượng vật liệu vì thế vẫn có thể tạo ra kết quả khác nhau nếu một thiết kế tích năng tốt hơn hoặc giữ quỹ đạo chân gần phương thẳng đứng hơn.

Đây là một vấn đề khó tối ưu bằng trực giác. Một linkage có thể cho biên độ duỗi lớn nhưng đòi torque cao ở một đoạn chuyển động. Một thiết kế khác tích được nhiều năng lượng nhưng khiến đầu chân lệch ngang, làm robot trượt hoặc lắc trong lúc nén lò xo. Muốn cải thiện cú nhảy, nhóm nghiên cứu phải tối ưu đồng thời cả energy storage density lẫn trajectory accuracy.

Thay vì vẽ một cơ cấu rồi tinh chỉnh, SBM cho máy tính tìm topology

Spring-Connected Rigid Block Model không bắt đầu bằng giả định rằng robot nhất định phải dùng một cơ cấu bốn thanh, năm thanh hay sáu thanh cụ thể. Thiết kế ban đầu được biểu diễn bằng các khối cứng nối với nhau bằng những phần tử lò xo ảo. Độ cứng của các kết nối trở thành biến thiết kế; khi quá trình tối ưu diễn ra, cách các khối liên kết dần xác định topology của cơ cấu cuối cùng.

Ý tưởng này đã xuất hiện trong nghiên cứu tổng hợp cơ cấu từ trước. Ưu điểm là nó cho phép giải bài toán “cần chuyển động đầu ra như thế này thì các link và joint nên nối ra sao?” mà không buộc kỹ sư chọn trước một cơ cấu mẫu rồi thử từng chiều dài thanh. Công trình năm 2019 của Jeonghan Yu, Sang Min Han và Yoon Young Kim, chẳng hạn, đã dùng SBM để tối ưu đồng thời hình dạng và topology của planar linkage.

Trong nghiên cứu mới, phương pháp được đưa vào bài toán robot nhảy, nơi yêu cầu không chỉ là tái tạo một quỹ đạo. Cơ cấu còn phải tích được năng lượng đàn hồi đủ lớn và giữ chuyển động của đầu chân ổn định trong giai đoạn tích năng.

Từ bốn thanh của Ascento sang cơ cấu sáu thanh

Nhóm dùng Ascento như mốc so sánh. Robot do ETH Zurich phát triển kết hợp hai bánh xe với chân có khả năng co duỗi để di chuyển nhanh trên mặt phẳng và bật qua chướng ngại vật. Paper Ascento năm 2019 mô tả một hệ bánh-chân nhỏ gọn, trong đó hình học chân được tối ưu để tách tương đối chuyển động lái bánh khỏi chuyển động nhảy.

Thiết kế mới của nhóm Hunan University đi theo hướng khác: thay vì giữ topology bốn thanh rồi chỉ chỉnh kích thước, quá trình tối ưu sinh ra một linkage sáu thanh. Nhiều khâu liên kết hơn không tự động có nghĩa là tốt hơn; chúng cũng làm cơ cấu phức tạp hơn, tăng số joint và có thể làm fabrication khó hơn. Lợi ích nằm ở việc có thêm tự do hình học để kiểm soát cách lực và chuyển động được truyền trong suốt hành trình.

Trong mô phỏng với cùng khối lượng, cơ cấu sáu thanh đạt độ cao nhảy tối đa cao hơn 21,5% so với cấu hình Ascento được dùng làm benchmark. Đồng thời, torque cực đại mà motor phải cung cấp giảm 12,5%. Hai kết quả đi cùng nhau mới là phần đáng quan tâm: nhóm không đơn giản đổi một cú nhảy cao hơn lấy một actuator phải chịu tải lớn hơn.

21,5% là kết quả mô phỏng, còn phần cứng xác nhận điều gì?

Đây là điểm dễ bị headline làm quá. Abstract của paper nói rõ phần so sánh 21,5% về độ cao và 12,5% về peak torque đến từ simulation results. Thử nghiệm vật lý được thực hiện trên một platform của wheeled jumping robot trong điều kiện vận hành chân telescopic.

Ở phần thử nghiệm đó, quỹ đạo thực tế của đầu chân bám khá sát quỹ đạo tính toán, cho thấy cơ cấu có thể duy trì chuyển động dự kiến trong giai đoạn tích năng. Đây là bằng chứng hữu ích vì một thiết kế chỉ đẹp trong mô phỏng nhưng lệch nhiều do khe hở khớp, ma sát hoặc sai số chế tạo sẽ khó dùng thực tế.

Nhưng nó chưa tương đương với việc đặt hai robot hoàn chỉnh cạnh nhau, dùng cùng motor, cùng pin và cùng khối lượng rồi đo trực tiếp một bên nhảy cao hơn 21,5%. Muốn khẳng định lợi thế ở cấp robot, nhóm còn cần các thử nghiệm jumping đầy đủ, lặp nhiều lần và báo cáo thêm hiệu suất năng lượng, độ ổn định khi hạ cánh, độ bền joint, backlash và ảnh hưởng của ma sát.

Một bài học cơ khí giữa thời đại robot chạy bằng AI

Robot hiện đại thường được nói tới qua perception, reinforcement learning hoặc foundation model, nhưng bài toán di chuyển vẫn bị ràng buộc bởi hình học và truyền lực. Một controller tốt không thể tạo ra torque mà motor không có; ngược lại, một cơ cấu truyền lực tốt có thể giúp actuator hiện có làm được nhiều việc hơn.

Điểm mạnh của nghiên cứu này vì thế không nằm ở việc phát minh ra sáu thanh kim loại. Six-bar linkage đã tồn tại từ lâu và được dùng trong nhiều robot nhảy khác. Điều mới là một quy trình thiết kế tự động cố gắng tìm topology phù hợp với đồng thời hai mục tiêu vốn xung đột: tích nhiều năng lượng hơn nhưng vẫn giữ quỹ đạo chân chính xác.

Nếu cách làm này tiếp tục được kiểm chứng trên robot hoàn chỉnh, nó có thể hữu ích cho những nền tảng cần vừa chạy bánh xe hiệu quả trên mặt phẳng vừa vượt curb, bậc thềm hoặc vật cản bằng một cú nhảy. Trong các hệ như vậy, lắp motor lớn hơn thường kéo theo pin lớn hơn, khung nặng hơn và tải hạ cánh cao hơn. Tối ưu cơ cấu trước khi tăng công suất actuator có thể là một đường thiết kế kinh tế hơn về khối lượng.

Bước tiếp theo là chứng minh mức tăng đó ngoài mô phỏng

Paper hiện đã làm được hai việc: đưa topology synthesis dựa trên SBM vào một bài toán jumping linkage cụ thể, và cho thấy cơ cấu được tạo ra có thể được chế tạo với quỹ đạo đầu chân phù hợp dự đoán. Phần còn thiếu là phép đo trực tiếp hiệu năng nhảy của robot hoàn chỉnh so với benchmark.

Đó sẽ là bài test quan trọng nhất. Nếu mức tăng độ cao vẫn giữ được sau khi tính đủ ma sát, backlash, tổn hao lò xo, khối lượng actuator, điện tử và va chạm khi cất cánh, nghiên cứu sẽ cho thấy một điều rất thực dụng: đôi khi giới hạn của robot không nằm ở motor, mà ở cách phần cơ khí đang buộc motor phải làm việc.

Nguồn: Jing Tian, Zhicheng He, Yuanhao Long, Zhi Qi, Yijie Chen và Eric Li, Design and synthesis of a novel jumping mechanism for wheeled jumping robots using the spring-connected rigid block model, International Journal of Intelligent Robotics and Applications, 2026; ETH Zurich Research Collection — Ascento: A Two-Wheeled Jumping Robot; và nghiên cứu nền về SBM, Simultaneous Shape and Topology Optimization of Planar Linkage Mechanisms Based on the Spring-Connected Rigid Block Model.