VEDC 2026: 10 đội thi, 10 hướng sáng tạo công nghệ vào chung kết toàn quốc

Từ thiết bị đeo cảnh báo khí độc, phao cứu hộ tự hành đến hệ thống chống nghe lén IoT và xe phân loại rác bằng AI, 10 đội thi vào chung kết VEDC 2026 mang đến những giải pháp điện tử khác biệt, gắn nghiên cứu công nghệ với các bài toán thực tiễn.

Danh sách 10 đội thi lọt vào chung kết VEDC 2026

Ban Tổ chức Cuộc thi Thiết kế Điện tử Việt Nam 2026 (VEDC 2026) vừa công bố 10 đội thi xuất sắc giành quyền vào vòng chung kết toàn quốc, gồm ba đội miền Bắc, ba đội miền Trung và bốn đội miền Nam.

Vòng bán kết Cuộc thi Thiết kế Điện tử Việt Nam 2026 (VEDC 2026) khu vực miền Bắc diễn ra vào ngày 21/10/2026 tại Học viện Kỹ thuật Quân sự (MTA), Hà Nội.

Điểm đáng chú ý trong danh sách năm nay không chỉ là sự hiện diện của trí tuệ nhân tạo (AI), mà còn nằm ở cách mỗi đội lựa chọn một bài toán riêng, từ bảo vệ con người trong tình huống khẩn cấp đến bảo đảm an toàn dữ liệu, giám sát hạ tầng và xử lý chất thải.

Vòng bán kết Cuộc thi Thiết kế Điện tử Việt Nam 2026 (VEDC 2026) khu vực miền Trung diễn ra vào ngày 24/10/2026 tại Trường Đại học Công nghệ Thông tin và Truyền thông Việt - Hàn (VKU), Đại học Đà Nẵng.

Theo thông báo ngày 27/10/2026, kết quả được xác định trên cơ sở chấm thi tại vòng bán kết và biên bản họp thống nhất kết quả tuyển chọn ngày 26/10/2026. Các đội được đánh giá về chất lượng mô hình, giải pháp phần cứng và phần mềm, khả năng trình diễn, thử nghiệm, tính ứng dụng cũng như năng lực thuyết trình và phản biện.

Vòng bán kết Cuộc thi Thiết kế Điện tử Việt Nam 2026 (VEDC 2026) khu vực miền Trung diễn ra vào ngày 24/10/2026 tại Trường Đại học Khoa học Tự nhiên (HCMUS), ĐHQG TP. Hồ Chí Minh.

Miền Bắc: Từ thiết bị đeo cảnh báo khí độc đến lá chắn an ninh IoT

Ba đội miền Bắc thể hiện ba hướng tiếp cận khác nhau: phát hiện nguy hiểm đối với con người, hỗ trợ cứu hộ bằng AI tại biên và bảo vệ dữ liệu trên mạng truyền thông IoT.

Đội thi S-ResTracking – Đại học Phenikaa: Đưa cảnh báo nguy hiểm đến thiết bị đeo

Điểm riêng của S-ResTracking nằm ở việc kết hợp thiết bị đeo, cảm biến và hệ thống AIoT để theo dõi vị trí trong nhà, đồng thời cảnh báo khí độc theo thời gian thực trong tình huống khẩn cấp. Đề tài ứng dụng kỹ thuật Hybrid Learning, hướng tới hỗ trợ phát hiện nguy cơ và xác định vị trí trong những môi trường mà việc quan sát trực tiếp có thể gặp khó khăn.

Đội thi S-ResTracking – Đại học Phenikaa

Thay vì chỉ giám sát một khu vực từ bên ngoài, giải pháp đặt thiết bị đeo và thông tin về người sử dụng vào trung tâm của hệ thống. Đây là hướng nghiên cứu có thể gắn với nhu cầu bảo đảm an toàn tại những môi trường tiềm ẩn khí độc hoặc có nguy cơ xảy ra sự cố. Giá trị của đề tài sẽ phụ thuộc vào độ chính xác của cảm biến, khả năng định vị và mức độ tin cậy của cảnh báo khi vận hành thực tế.

Đội thi MTA MicroWings – Học viện Kỹ thuật Quân sự: Xử lý AI ngay tại thiết bị cứu hộ

Với EdgeAI-Rescue, MTA MicroWings lựa chọn bài toán cứu hộ, cứu nạn thời gian thực, tích hợp xử lý AI tại biên trên nền tảng KV260. Nét đáng chú ý của đề tài là đưa năng lực xử lý AI đến gần hệ thống thực thi, thay vì phụ thuộc hoàn toàn vào việc gửi dữ liệu tới máy chủ bên ngoài.

Đội thi MTA MicroWings – Học viện Kỹ thuật Quân sự

Trong các tình huống khẩn cấp, thời gian phản hồi có thể ảnh hưởng trực tiếp đến hiệu quả xử lý. Vì vậy, hướng tiếp cận của đội tập trung vào khả năng xử lý tại chỗ, tạo nền tảng cho các ứng dụng cần phản hồi nhanh. So với đề tài S-ResTracking cũng hướng đến an toàn con người, MTA MicroWings nhấn mạnh hơn vào nền tảng tính toán và khả năng tích hợp AI phục vụ hoạt động cứu hộ.

Đội thi KLM - KMA – Học viện Kỹ thuật mật mã: Bảo vệ mạng IoT bằng cơ chế phòng thủ nhiều lớp

Không tập trung vào thiết bị cứu hộ hay giám sát môi trường, KLM - KMA đi sâu vào bài toán an toàn thông tin với hệ thống chống nghe lén ba lớp dành cho mạng truyền thông LoRa/IoT.

Đội thi KLM - KMA - Học viện Kỹ thuật mật mã

Điểm riêng của đề tài là sự kết hợp giữa phòng thủ thụ động, phòng thủ chủ động và cơ chế mã hóa AES thích nghi bằng học tăng cường đa tác nhân. Cách tiếp cận nhiều lớp hướng tới tăng cường khả năng bảo vệ dữ liệu trong hệ thống kết nối thiết bị, nơi yêu cầu về an toàn thông tin cần được cân đối với tài nguyên xử lý và đặc điểm truyền thông.

Nếu hai đội còn lại của miền Bắc hướng công nghệ đến việc phát hiện nguy hiểm và hỗ trợ ứng phó, KLM - KMA lựa chọn bảo vệ chính hạ tầng kết nối đứng sau các ứng dụng số. Đề tài cho thấy thiết kế điện tử không chỉ tạo ra những sản phẩm hữu hình mà còn có thể góp phần củng cố an toàn cho hệ thống truyền thông.

Miền Trung: Ba bài toán về môi trường, an ninh mạng và giao thông

Ba đại diện miền Trung không đi theo một hướng công nghệ duy nhất. Mỗi đội lựa chọn một đối tượng giám sát khác nhau: môi trường tự nhiên, lưu lượng dữ liệu trên mạng và tình trạng mặt đường.

Đội thi ECO UAV - Trường Đại học Bách khoa, Đại học Đà Nẵng: Đưa thiết bị bay vào quan trắc môi trường

ECO UAV phát triển UAV phục vụ quan trắc môi trường và tuần tra thông minh. Khác với các đề tài sử dụng cảm biến cố định hoặc camera gắn trên một hệ thống tại chỗ, đội lựa chọn nền tảng bay không người lái để phục vụ hoạt động quan sát và thu thập thông tin trên thực địa.

Đội thi ECO UAV - Trường Đại học Bách khoa, Đại học Đà Nẵng

Hướng nghiên cứu này gắn công nghệ điện tử với khả năng di chuyển linh hoạt của UAV, mở ra tiềm năng ứng dụng trong giám sát những khu vực rộng hoặc cần kiểm tra thường xuyên. Điểm cần quan tâm khi đánh giá sản phẩm là khả năng thu thập dữ liệu, chất lượng thông tin quan trắc và tính ổn định của hệ thống khi triển khai trong các điều kiện vận hành khác nhau.

Đội thi VKU_OnTheTop - Trường Đại học Công nghệ Thông tin và Truyền thông Việt - Hàn, Đại học Đà Nẵng: Tăng tốc phát hiện xâm nhập mạng bằng FPGA

VKU_OnTheTop lựa chọn bài toán phát hiện xâm nhập mạng theo thời gian thực, với điểm nhấn là sử dụng phần cứng FPGA để tăng tốc xử lý.

Đội thi VKU_OnTheTop - Trường Đại học Công nghệ Thông tin và Truyền thông Việt - Hàn, Đại học Đà Nẵng:

Trong khi nhiều giải pháp an ninh mạng tập trung vào thuật toán và phần mềm, đề tài này chú trọng vai trò của phần cứng trong việc nâng cao năng lực xử lý dữ liệu. FPGA cho phép thiết kế cấu trúc xử lý phù hợp với nhiệm vụ cụ thể, qua đó mở ra hướng tiếp cận nhằm đáp ứng yêu cầu phát hiện bất thường trong thời gian ngắn.

Nét riêng của đội nằm ở sự kết hợp giữa kiến thức an toàn thông tin và thiết kế phần cứng có khả năng tăng tốc. Đây cũng là hướng tiếp cận khác với KLM - KMA của miền Bắc: một đội tập trung vào phát hiện xâm nhập bằng tăng tốc phần cứng, đội còn lại xây dựng cơ chế phòng thủ nhiều lớp cho mạng LoRa/IoT.

Đội thi QNU-AI - Trường Đại học Quy Nhơn: Dùng AIoT phát hiện hư hỏng mặt đường

Với RoadSense AIoT, QNU-AI đưa camera, Edge-AI và hệ thống đa cảm biến vào một nền tảng nhúng phục vụ giám sát, định vị và cảnh báo hư hỏng mặt đường theo thời gian thực.

Đội thi QNU-AI - Trường Đại học Quy Nhơn

Điểm nổi bật của đề tài là lựa chọn một đối tượng cụ thể của hạ tầng giao thông: tình trạng mặt đường. Thông qua việc kết hợp nhiều nguồn dữ liệu, hệ thống hướng tới hỗ trợ nhận diện vị trí có dấu hiệu hư hỏng và cung cấp thông tin phục vụ công tác theo dõi, kiểm tra.

So với EdgeFlow AI của đội 31µF ở miền Nam, cùng gắn với giao thông nhưng hai đề tài tiếp cận hai vấn đề khác nhau. RoadSense AIoT tập trung vào tình trạng hạ tầng, trong khi EdgeFlow AI hướng tới điều khiển đèn tín hiệu và tối ưu hóa dòng phương tiện.

Miền Nam: Công nghệ tự hành phục vụ cứu nạn, giao thông và môi trường

Bốn đội miền Nam đem đến những đề tài có tính ứng dụng rõ nét, từ tìm kiếm nạn nhân sau thiên tai đến định vị trong nhà và tự động hóa việc phân loại rác.

Đội thi MLIoT_RedgeSCUE - Trường Đại học Bách khoa, Đại học Quốc gia TP. Hồ Chí Minh: Phao cứu hộ tự hành sau lũ lụt

MLIoT_RedgeSCUE phát triển phao cứu hộ tự hành tích hợp Edge AI, hướng đến hỗ trợ tìm kiếm nạn nhân sau lũ lụt. Nét riêng của đề tài là kết hợp khả năng di chuyển tự hành của phao với xử lý AI tại biên, đưa công nghệ vào một tình huống ứng phó thiên tai cụ thể.

Đội thi MLIoT_RedgeSCUE - Trường Đại học Bách khoa, Đại học Quốc gia TP. Hồ Chí Minh

Trong môi trường ngập lụt, dòng nước và điều kiện tiếp cận phức tạp có thể gây khó khăn cho lực lượng cứu hộ. Một thiết bị tự hành có khả năng hỗ trợ tìm kiếm sẽ mở ra hướng nghiên cứu đáng chú ý, dù hiệu quả thực tế còn cần được kiểm chứng qua khả năng định hướng, vận hành và nhận diện trong điều kiện hiện trường.

Đặt cạnh EdgeAI-Rescue của Học viện Kỹ thuật Quân sự, hai đề tài cùng hướng tới cứu hộ cứu nạn nhưng khác nhau ở trọng tâm: MTA MicroWings nhấn mạnh nền tảng xử lý AI phục vụ cứu hộ, còn MLIoT_RedgeSCUE phát triển trực tiếp một phương tiện cứu hộ tự hành.

Đội thi 31µF - Trường Đại học FPT TP. Hồ Chí Minh: Điều khiển đèn giao thông bằng AI nhúng

EdgeFlow AI của đội 31µF hướng đến bài toán điều tiết giao thông đô thị thông qua hệ thống điều khiển đèn giao thông phân tán ứng dụng AI nhúng. Đề tài sử dụng mô hình mạng lưới đồ thị đường phố có biên trọng số để tối ưu hóa dòng phương tiện.

Đội thi 31µF - Trường Đại học FPT TP. Hồ Chí Minh

Khác với cách tiếp cận chỉ xử lý một nút giao riêng lẻ, mô hình mạng lưới cho phép xem xét mối liên hệ giữa các tuyến đường và nút giao trong quá trình tối ưu hóa. Đây là điểm đáng chú ý của đề tài khi bài toán giao thông đô thị không chỉ phụ thuộc vào lưu lượng tại một vị trí mà còn chịu tác động từ các khu vực lân cận.

Đề tài thể hiện nỗ lực đưa AI nhúng vào điều khiển hạ tầng giao thông. Khả năng cải thiện lưu lượng thực tế sẽ cần được đánh giá thông qua thử nghiệm với các kịch bản giao thông và điều kiện vận hành phù hợp.

Đội thi AD Connected - TTLab - Trường Đại học Công nghệ Thông tin, Đại học Quốc gia TP. Hồ Chí Minh: Định vị trong nhà bằng thẻ không dùng pin

AD Connected - TTLab chọn một hướng nghiên cứu khác biệt với các đề tài AI nhúng: phát triển hệ thống định vị trong nhà sử dụng Tag NFC-BLE không dùng pin.

Đội thi AD Connected - TTLab - Trường Đại học Công nghệ Thông tin, Đại học Quốc gia TP. Hồ Chí Minh

Điểm đáng chú ý nằm ở thiết kế thẻ định vị không cần pin, hướng tới giảm nhu cầu cấp nguồn cho thiết bị gắn trên đối tượng cần theo dõi. Giải pháp sử dụng các công nghệ kết nối không dây NFC và BLE, đặt ra bài toán về cách thức nhận dạng, trao đổi tín hiệu và xác định vị trí trong không gian trong nhà.

Trong khi nhiều đội tập trung vào xử lý dữ liệu bằng AI hoặc tự động hóa phương tiện, AD Connected - TTLab đi sâu vào một thành phần của hạ tầng định vị. Đây là hướng nghiên cứu có thể được xem xét trong những ứng dụng cần xác định vị trí trong tòa nhà, cơ sở đào tạo hoặc không gian kín, tùy thuộc vào độ chính xác và điều kiện triển khai của hệ thống.

Đội thi ECOBOT - Liên trường Đại học Công nghệ Kỹ thuật (UTE) và Đại học Khoa học Tự nhiên (HCMUS): Xe tự hành xử lý và phân loại rác

ECOBOT phát triển hệ thống xe tự hành tích hợp xử lý và phân loại rác tại biên bằng Edge AI. Khác với các đề tài sử dụng AI để giám sát hoặc cảnh báo, giải pháp này hướng đến một hệ thống có khả năng kết hợp di chuyển tự hành với hoạt động xử lý, phân loại rác.

Đội thi ECOBOT - Liên trường Đại học Công nghệ Kỹ thuật (UTE) và Đại học Khoa học Tự nhiên (HCMUS)