1. Bài toán Hệ thống điều khiển robot tự hành UGV (SMB-ARL) trong bệnh viện giả lập bằng chatbot ngôn ngữ tự nhiên, giúp nhân viên y tế vận hành dễ dàng mà không cần biết lệnh ROS 2. Thách thức cốt lõi là:

VLM 2D nhận diện được vật thể nhưng không biết khoảng cách vật lý thực tế. Tránh xung đột hàng đợi đa người dùng gây mất lộ trình A-star (khiến robot đâm tường hoặc xoay tại chỗ vô hạn). Regression hệ truyền động lái (được khắc phục bằng cấu trúc Dual-DiffDrive). 2. Giải pháp kỹ thuật Sensor Fusion & Sparsifier: Chiếu đám mây điểm 3D LiDAR (lọc thưa để giảm băng thông) lên Bounding Box 2D của VLM (Qwen3-VL-8B) để đo khoảng cách chính xác từng cm. Hàng đợi & Điều hướng A-star: Đồng bộ hàng đợi đa nhiệm qua API Cloudflare Tunnel bảo mật, dẫn đường chính xác qua các Waypoints và vẽ bản đồ Minimap thời gian thực. Tự động khôi phục: Triển khai lệnh đi lùi tránh kẹt (BackUp), phanh khẩn cấp (Emergency Stop), và duy trì luồng tự hành liên tục để xử lý tuần tự hàng đợi. 3. Tính khả thi Được kiểm chứng qua thử nghiệm 30 episodes trong simulator Gazebo. Benchmarking thực nghiệm: Lựa chọn cụm cảm biến Precision Focus tối ưu (Recall 32.0%, Precision 36.4%) hoặc Wide Coverage tối ưu độ trễ (1269.85 ms). Tích hợp các lớp bảo vệ an toàn (Giới hạn tối đa 3 robot spawn, phanh khẩn cấp $< 0.8$m, giới hạn tốc độ). 4. Hướng phát triển Huấn luyện thêm mô hình YOLO chuyên dụng cho y tế để tăng tỷ lệ Recall nhận diện nguy cơ. Nâng cấp Semantic Graph Planner để chủ động tránh các vật cản động (con người, xe đẩy di chuyển). Mở rộng điều phối nhiều robot cùng lúc (Fleet Management) và thử nghiệm trên phần cứng robot thật.