Project C2-App-137

IndoorSceneAI

Hệ thống AI hỗ trợ robot di động hiểu cảnh quan và cảnh báo rủi ro trong môi trường trong nhà.

Lưu ý về Demo: Do mô hình AI phân tích ảnh yêu cầu tài nguyên GPU rất lớn và tốn kém để duy trì liên tục, nhóm quyết định thực hiện báo cáo thông qua Video Demo. Hệ thống web thực tế sẽ được tắt sau thời gian bảo vệ đồ án.

Khám Phá Dự Án

Giới Thiệu Bài Toán & Nỗi Đau (Pain Points)

Robot dùng camera quan sát môi trường, nhưng dữ liệu thô chưa đủ để hiểu nhanh tình huống.

Người Dùng

Operator (Người vận hành)

  • Theo dõi robot theo thời gian thực.
  • Xem cảnh báo và mức rủi ro.
  • Hỏi AI về tình huống hiện tại & xem lại Scene Log.

Admin (Quản trị viên)

  • Quản lý tài khoản, cấu hình Risk Rules.
  • Theo dõi trạng thái toàn bộ hệ thống.

Pain Points

  • Camera thô: Chỉ cung cấp hình ảnh, khó hiểu ngữ cảnh nhanh.
  • Thiếu giải thích: Cần cảnh báo có giải thích thay vì chỉ báo nguy hiểm chung chung.
  • Lưu trữ: Cần lưu lịch sử phân tích để truy vết và kiểm tra sau.
  • Triển khai: Model AI nặng, khó deploy trực tiếp trên VPS thông thường.

Kiến Trúc & Phương Pháp Tiếp Cận

Camera Input
→
FastAPI Backend
→
AI Core (Qwen2.5-VL)
→
Risk Assessment
React + Vite + TS
FastAPI + JWT + RBAC
MongoDB + Motor
Qwen2.5-VL / 3D-R1
Docker + Compose

Kết Quả Đánh Giá (Pros & Cons)

Ưu Điểm

  • Luồng demo end-to-end ổn định từ frontend đến backend.
  • Chi phí MVP cực thấp — chỉ ~$6/tháng với VPS nhỏ.
  • Fallback mock reasoner hoạt động mượt mà khi model thật chưa sẵn sàng.
  • Auth, RBAC, input validation và logging được triển khai đầy đủ.
  • Kiến trúc tách AI endpoint dễ dàng thay model hoặc deploy GPU riêng.

Nhược Điểm

  • Model thật nặng — không phù hợp chạy trực tiếp trên VPS nhỏ.
  • Runpod GPU chưa thực sự ổn định như production GPU service.
  • Throughput thấp — Runpod GPU chỉ xử lý tốt 1 request cùng lúc.
  • Video hiện tại chưa được xử lý keyframe / multi-view chuyên sâu.
Mock API Latency ~5 ms
Runpod GPU Latency ~8-15 giây
Risk Accuracy ~72%
Chi phí MVP ~$6/tháng

Hướng Phát Triển

Phase 1: MVP Demo

Hoàn thiện demo end-to-end ổn định, tích hợp mock reasoner, Auth + roles.

Phase 2: GPU AI Service

Deploy model lên GPU endpoint, tách keyframe video, hỗ trợ multi-view/depth.

Phase 3: Production

Đo đạc tối ưu Latency/Cost/Accuracy, Monitoring & Logging, Security hardening.

Nhóm 3 Thành Viên

P

Phạm Trần Nguyên Phú

MSSV: 2A202600857

H

Bùi Minh Hiếu

MSSV: 2A202600876

S

Phạm Văn Sơn

MSSV: 2A202600701