Giải nhất cho một bài toán nông nghiệp thật
Robot tự hành phục vụ nông nghiệp là thiết bị di chuyển theo luống cây, dùng trí tuệ nhân tạo và cảm biến để nhận diện sâu bệnh, phun thuốc đúng vị trí và theo dõi điều kiện đất trồng. Đội RobotAgri4 thuộc Khoa Điện tử và Trí tuệ nhân tạo, Trường Đại học Bách khoa – Đại học Đà Nẵng, giành giải Nhất AIoT Developer InnoWorks 2026 với dự án này tại vòng chung kết tổ chức ở Đại học Phenikaa ngày 14/11. Thành tích đáng chú ý không chỉ nằm ở giải thưởng: nhóm sinh viên Bách khoa đưa công nghệ vào một công việc nặng nhọc, lặp lại và có rủi ro sức khỏe rõ ràng. Dự án cho thấy một hướng làm đồ án có giá trị hơn: bắt đầu từ vấn đề người trồng trọt gặp mỗi ngày, rồi mới chọn công nghệ để giải quyết.
Nhu cầu ấy không trừu tượng. Người làm nông có thể phải cúi khom lưng, mang bình thuốc nặng 20 kg và trực tiếp hít hóa chất khi phun cây. Với cây trồng trên giàn hẹp như dưa leo, khổ qua, việc tiếp cận và xử lý từng vị trí càng vất vả. Robot nông nghiệp của RobotAgri4 nhắm thẳng vào khoảng trống đó: tự động bám luống, tìm dấu hiệu bệnh và phun có mục tiêu thay vì phủ thuốc tràn lan. Đây là lựa chọn công nghệ có lý do, bởi hiệu quả của tự động hóa cần được đo bằng việc giảm gánh nặng và rủi ro cho người lao động, không chỉ bằng số lượng tính năng.

Từ nhận diện bệnh đến theo dõi đất
Giải pháp kết hợp AIoT với Edge AI để xử lý dữ liệu ngay trên thiết bị, qua đó hỗ trợ nhận diện bệnh cây, phun thuốc điều trị và tự động giám sát thổ nhưỡng. Điểm quan trọng là robot không chỉ quan sát cây rồi gửi cảnh báo; nó hướng tới thực hiện luôn một phần công việc tại vườn. Theo thông tin về dự án, robot có thể tiết kiệm 65–70% lượng thuốc bảo vệ thực vật so với cách phun tràn lan, đồng thời giúp giảm đến 80% công lao động trong hoạt động phun thuốc. Những con số này cần được kiểm chứng ở nhiều điều kiện canh tác, nhưng chúng nêu đúng thước đo mà một robot nông nghiệp nên theo đuổi: giảm tiếp xúc hóa chất, hạn chế lãng phí và giữ nông sản ít tồn dư hơn.
Khả năng giám sát còn mở rộng sang độ ẩm và hàm lượng dinh dưỡng N-P-K trong đất. Nhóm dùng mô hình LSTM để dự báo độ ẩm, với sai số RMSE từ 2,46–2,8% và hệ số R² đạt 0,918. Kết hợp quan sát cây với dữ liệu đất giúp robot có thể hỗ trợ quyết định chăm sóc thay vì chỉ tự động hóa một thao tác riêng lẻ. Tuy vậy, thông số kỹ thuật tốt trong thử nghiệm chưa tự động bảo đảm hiệu quả ngoài trang trại: độ bền cơ khí, chi phí triển khai và độ ổn định qua nhiều vụ mùa vẫn là những phép thử quyết định.

Dấu ấn của đội sinh viên trong sân chơi AIoT
AIoT Developer InnoWorks là sân chơi toàn quốc khuyến khích sinh viên và học viên sau đại học phát triển ứng dụng kết hợp trí tuệ nhân tạo với Internet vạn vật để xử lý vấn đề thực tế. Vòng chung kết năm 2026 chọn 10 đội từ 85 dự án của 32 cơ sở giáo dục đại học. Trong bối cảnh ấy, giải Nhất của RobotAgri4 có ý nghĩa vượt ra ngoài một cuộc thi: dự án cho thấy nhóm sinh viên có thể phối hợp cơ khí, điện tử, AI và IoT thành một sản phẩm hướng tới người dùng. Đây cũng là điểm khác biệt giữa trình diễn thuật toán và phát triển thiết bị làm việc được trong môi trường thật. Thành tích của đội vì thế ghi dấu cả năng lực kỹ thuật lẫn cách đặt đúng câu hỏi về nhu cầu sản xuất.
Để bước từ nguyên mẫu sang ứng dụng rộng hơn, robot cần được hoàn thiện về độ bền cơ khí, tối ưu chi phí và kiểm chứng trên quy mô lớn hơn. Nếu vượt qua các khâu đó, dự án có thể tiến tới thương mại hóa hoặc chuyển giao cho các chuỗi trang trại đạt chuẩn VietGAP, GlobalGAP. Đây không phải chặng đường có thể rút ngắn bằng một giải thưởng; nó đòi hỏi thử nghiệm thực địa và sự đồng hành của giảng viên, doanh nghiệp, chuyên gia. Nhưng hướng đi đã rõ: một robot tự hành chỉ thực sự thành công khi người trồng trọt thấy nó an toàn, dễ dùng và đem lại lợi ích ổn định.







