Computer File
Pengembangan strategi belajar mandiri bagi pemodelan lingkungan dinamis pada robot bergerak otonomus
Robot bergerak otonomus adalah robot yang dapat bergerak secara
mandiri untuk melakukan tugas tertentu tanpa adanya pengaruh atau campur
tangan manusia. Pengertian mandiri adalah keputusan yang dibuat robot
berdasarkan algoritma-algoritma kecardasan yang dimiiikinya. Salah satu
algoritma yang akan dibahas di dalam makalah ini adalah pemodelan lingkungan
tempat robot berada.
Model lingkungan yang dipakai adalah model topologi. Model ini berbasis
pada grid. Dalam hal ini lingkungan dibagi menjadi sekumpulan sel. Setiap sel
dalam grid berisi nilai yang menentukan status halangan (obstacle state) dari
tempat tersebut. Metode untuk memodelkan lingkungan adalah Metode Grid
Penempatan (Occupancy Grid Method / OGA4) dan Metode Nilai Kepastian
(Cerfainfy Value Method).
Metode Grid Penempatan adalah metode yang memakai aturan Bayes
dalam memperbaharui setiap sel. Metode ini mempunyai kelebihan, yaitu dapat
mengintegrasikan informasi sensor yang terbaru dengan pemodelan lingkungan
sebelumnya dan pemakaian sedikit asumsi tentang keberadaan halangan.
Kekurangannya adalah metode ini memerlukan jumlah perhitungan yang cukup
banyak setiap kali pergantian siklus. Dalam kenyataannya tidak seluruh bagian
peta berubah setiap kali pergantian tersebut.
Metode Nilai Kepastian adalah modifikasi dan Metode Grid Penempatan.
Kelebihan dart metode ini adalah kebutuhan jumlah perhitungan yang lebih
sedikit daripada Metode Grid Penempatan. Isi dari sel adalah angka real yang
akan mempercepat perhitungan.
Sistem arsitektur robot bergerak otonomus yang dirancang berupa modul-modul.
Modul-modul tersebut adalah modul sensor, modul pemodelan
lingkungan, modul global planning, modul local reactive, dan modul motor. Dalam
mengimplementasikan sistem arsitektur tersebut, fokus utama penulis terletak
pada modul pemodelan lingkungan dan modul global planning. Modul local
reactive dikendalikan secara manual oleh penulis.
Pengujian dilakukan dengan menggerakkan robot pada lingkungan. Hasil
pengujian berupa peta. Kemudian peta yang dibuat robot dibandingkan dengan
lingkungan. Hasilnya berupa index of accuracy. index of accuracy ini
mengindikasikan berapa persen model yang dibuat dapat mewakili lingkungan
yang sebenarnya tersebut.
Barcode | Tipe Koleksi | Nomor Panggil | Lokasi | Status | |
---|---|---|---|---|---|
skp20766 | DIG - FTI | Skripsi | TI IWA p/98 | Perpustakaan | Tersedia namun tidak untuk dipinjamkan - Missing |
Tidak tersedia versi lain