Hasil Pencarian  ::  Simpan CSV :: Kembali

"Abad ke-21 adalah abad perkembangan teknologi robotika untuk menuju era kecanggihan. Berbagai jenis robot sedang dikembangkan untuk diaplikasikan di masa mendatang. Salah satu robot yang dapat diaplikasikan adalah robot penerima tamu. Peranan robot penerima tamu dirasakan sangat penting untuk membantu dan mempermudah pekerjaan manusia. Salah satunya adalah dalam menyapa dan menjamu para tamu dalam suatu acara tertentu seperti pesta dan pada tempat-tempat tertentu seperti rumah makan, tempat hiburan dan pameran. Dengan demikian untuk masa mendatang peranan penerima atau penyambut tamu dapat digantikan dengan sebuah robot yang ramah dan mengerti keadaan tamunya. Demi menciptakan robot penerima tamu yang baik, salah satunya adalah melalui sistem navigasi robot yang handal dalam berbagai keadaan. Sistem navigasi robot penerima tamu yang dirancang menggunakan sistem mobile robot dengan menggunakan Dead Recockning untuk memperbaharui posisi dan pengendali PD untuk mengkompensasi eror posisi navigasi melalui trajektori tertentu. Pengujian dilakukan dengan Kp=2350 dan Kd=1300 dan didapatkan eror yang kecil. Berdasarkan hasil pengujian yang dilakukan dapat dinyatakan bahwa robot penerima tamu yang didisain mampu bernavigasi dengan baik pada koordinat tertentu untuk menuju suatu objek tanpa menabrak objek tersebut.

---

21st century is a century for robotics development to be great. In that century, some robots have been developing to applicated in the next time. One of robots that will be applicated is receptionist robot. Receptionist robot is very important to help and to be easy the human works to serve the guest in party and other places likes restaurants, recreation parks and exhibitions. Therefore, in the next time, the function as receptionist can be changed by robot that very nice and understand the guest conditions. For creating the great receptionist robot, it can be done through great robot navigation system in some conditions. Navigation system of receptionist robot is designed with mobile robot system and Dead Recockning to update the robot position and PD controller to compensate the position error of the receptionist robot through trajectory planning. Experiments, have been done at basic movement likes forward and rotate movement with low error with Kp = 2750 and Kd = 1300. Base on the result of experiments can be known that receptionist robot can navigate nicely at defined coordinates toward the object without collision."

"Salah satu kemampuan robot yang canggih adalah mampu melakukan adaptasi pada lingkungan sekitarnya. Kemampuan ini merupakan analogi terhadap kemampuan manusia secara khusus. Namun, kebanyakan robot yang dibuat masih terbatas dalam hal interaksi secara sentuhan dengan lingkungan sekitarnya. Oleh karenanya diperlukan sistem sensasi non-kontak yang salah satunya adalah sensasi secara visual. Cara ini termasuk salah satu yang paling advance karena hampir semua proses manipulasi bisa dilakukan dengan hanya menggunakan sensor visual yaitu kamera walaupun computational cost-nya cukup tinggi. Single Board computer jenis BeagleBoard akan digunakan untuk melakukan komputasi sensasi visual yang meliputi face detection, stereo vision, dan bahkan lokalisasi nantinya. Wajah manusia yang akan dikenali oleh sistem computer visualnya akan di-tracking dan diukur jaraknya secara real time melalui teknik stereo vision. Koordinat yang didapat akan ditransformasikan dengan persamaan kinematik berupa invers jacobian menuju pusat robot untuk melakukan aktuasi pada aktuator vision dan navigasi robot secara keseluruhan sampai tujuan untuk melakukan interaksi dengan manusia tercapai. Berdasarkan pengujian yang telah dilakukan dapat dinyatakan bahwa sistem komputer vision yang telah dibangun cukup valid dan handal untuk jarak dibawah 100 cm walaupun dengan waktu komputasi yang cukup besar.

---

One of the advance robot's ability is it can adapt into the around environment. This ability itself is the analogy of human's. But now, most of the robots still have limited in contact sensation. So, it's needed to build non-contact sensations and one of them is reached by build visual system. This way belong to one of advance method because almost of manipulation way can be dealed with this visual sensor like camera, even though the computational cost is high enough.

BeagleBoard, a kind of powerful Single Board computer, will be use to compute the visual sensation in this receptionist robot include face detection, stereo vision, and even localization later. The face of human that will be recognized by visual computer system will be tracked and the distant is calculated real time via stereo vision system. The coordinate that has been gathered will be transformed by invers jacobian into the center of robot to actuate visual actuation and doing robot navigation until receptionist robot is able to do interaction with human. Based on the result of experiment, it can be stated that the developed computer vision system is valid and reliable enough for distant below 100 cm even though spends high computational time."

"Akhir-akhir ini kemajuan teknologi robot sangat pesat. Salah satunya adalah robot yang mempunyai kemampuan berinteraksi dengan manusia dan lingkungan secara langsung, tidak membahayakan, dan lebih bersahabat. Pada penelitian ini, akan diimplemetasikan compliance control pada tangan robot dengan mendapatkan informasi force yang diatur dari compliance strategy yang memberikan robot sebuah real intelligent sehingga robot dapat compliance terhadap lingkungan. Pada penelitian ini dimanfaatkan force/torsi (F/T) feedback dari dynamixel rx-24, dan current feedback dari motor DC. Dengan menerapkan Resolved Motion Rate Control (RMRC), trajectory planning dapat dibuat dan setiap waktu, posisi, kecepatan, serta gaya aktual pada setiap joint dapat terekam melalui sensor yang ada pada dynamixel. Untuk memperoleh dinamika sistem digunakan Newton-Euler equation. Hasilnya, Implementasi compliance control pada tangan robot telah berhasil walaupun masih kaku dan kurang presisi.

---

Nowdays, technology of robotic increase rapidly. One of them is robot which have ability to interact with human and environment directly, not dangerous, and more friendly. In this research, designed robot hand using dynamixel as actuator robot arm and DC gearmotor as actuator hand fingers. In this research, implemented compliance control with get force information from compliance strategy which give robot real intelligent to solve the task well.

In this research is used torque feedback from dynamixel rx-24 and current feedback from DC gearmotor. With implement Resolved Motion Rate Control (RMRC), robot hand can move follow instruction given and every time, position, velocity, and actual force every joint can be recorded by dynamixel's sensors. With using Newton-Euler equation about dynamic, so can be gotten force equation in every moving. The result, implementation of compliance control in hand robot is successful although still rough and bad presision."

"Robot penerima tamu merupakan salah satu jenis service robot. Dengan menggunakan protokol pengiriman data melalui Bluetooth serial, data dari tiap sensor yang berasal dari sistem stereo vision, mobile robot dan juga pergerakan lengan akan diolah oleh sistem android sebagai masukan untuk berinteraksi dengan manusia. Untuk meningkatkan kecerdasan robot agar lebih menghampiri kemampuan manusia dimanfaatkan sistem text to speech dan pengenalan suara dengan voice regornition pada android. Evaluasi kinerja sistem diuji dengan pemberian kombinasi kondisi sistem yang dikomparasi dengan database SQLite.

---

Receptionist robot is one of the service robots type. By using the protocol via Bluetooth serial data transmission, Android system will compute each data from the stereo vision system, and also the movement of mobile robot base and arm movement. To improve the intelligence of the robot to approach human capabilities, text to speech system and voice recognition on android is applied. Performance evaluation of the system was tested by comparing combination of system conditions given with SQLite database."

"Dewasa ini banyak industri pekerjaan yang membutuhkan mobile robot atau robot beroda untuk meningkatkan efisiensi. Agar robot mampu berjalan otonom sesuai perintah, robot harus mengetahui terlebih dahulu peta dan posisi pada suatu lingkungan. Oleh karena itu muncul metode Simultaneous Localization and Mapping atau SLAM. SLAM bertujuan membuat peta dan mengetahui posisinya dalam waktu yang bersamaan. Salah satu wadah robot SLAM yang sedang dikembangkan adalah robot RaceCar dengan tujuan pembelajaran, prototipe mobil otonom, dan keperluan industri lainnya. Pada penelitian ini, sistem navigasi berbasis SLAM diimplementasikan pada robot RaceCar berdasarkan referensi kelompok riset HYPHAROS dengan platform Robot Operating System (ROS). Robot menggunakan Odroid-XU4 sebagai pengendali utama, algoritma GMapping dan sensor RPLidar-A1 untuk pemetaan, sensor IMU Gy-85 untuk lokalisasi, algoritma Dijkstra perencanaan jalur, Arduino Uno untuk menggerakkan motor, serta L1 Controller sebagai pengendalian kemudi. Robot akan diuji performanya dengan beberapa tipe pengujian seperti pengujian lingkungan (lingkungan statik dan dinamik), pengujian pemetaan, dan pengujian performa navigasi. Dari eksperimen tersebut, peneliti membuat program akuisisi data robot menggunakan bahasa C++ dengan bantuan ROS. Hasil persen galat performa ketepatan target navigasi dan pengendalian pada navigasi berbasis peta yang didapat adalah 10.4% untuk sumbu x, 34.6% untuk sumbu y. Sedangkan pada navigasi reaktif adalah 46.7% untuk sumbu x, 20% untuk sumbu y.

---

Nowadays many job industries need mobile robots or wheeled robots to improve efficiency. In order for the robot to run autonomously as commanded, the robot must first know the map and position in an environment. Therefore, Simultaneous Localization and Mapping or SLAM method appears. SLAM aims to create a map and know its position at the same time. One of SLAM robot type that is being developed is a race car robot for the learning objectives, autonomous car prototypes, and other industrial needs. In this study, SLAM-based navigation system was implemented in robot race car based on reference of HYPHAROS research group with Robot Operating System (ROS) platform. The robot uses Odroid-XU4 as the main controller, GMapping algorithm and RPLidar-A1 sensor for mapping, Gy-85 IMU sensor for localization, DWA algorithm for track planning, Arduino Uno to drive motor, and L1 Controller as steering control. The robot will be tested for performance with several types of test such as environmental test (static and dynamic environments), mapping test, and navigation performance test. From these experiments, researchers created a robot data acquisition program using C++ language with the help of ROS. The result of percent performance error of navigation target accuracy and control on map-based navigation obtained was 10.4% for x axis, 34.6% for y axis. While in reactive navigation is 46.7% for x axis, 20% for y axis."

"Sistem navigasi adalah kemampuan utama yang perlu dimiliki autonomous mobile robot. Kemampuan ini memungkinkan robot untuk bergerak dalam jalur optimal untuk mencapai titik tujuan. Sistem navigasi yang dibuat dalam penelitian ini mengandalkan path-planning dan SLAM (Simultaneus Localization and Mapping) untuk menciptakan robot yang dapat bergerak secara otonom dan efisien dalam lingkungan yang sudah dikenali. Robot mengenali lingkungannya dengan memanfaatkan SLAM. SLAM memungkinkan robot untuk melakukan pemetaan lingkungan. Jenis SLAM yang digunakan dalam penelitian ini adalah cartographer SLAM. Hasil pemetaan ini disimpan dalam bentuk occupancy grid map yang merupakan representasi 2D dari lingkungan uji. A* adalah salah satu algoritma path-planning klasik yang memiliki performa sangat baik. Penelitian ini membandingkan algoritma path-planning A* dengan varian A* yaitu Theta* yang menerapkan line of sight dalam sistem pencariannya. Robot diuji dalam tiga lingkungan berbeda dan hasilnya menunjukkan bahwa Theta* lebih unggul dari A* dan mampu menghasilkan jalur yang lebih optimal.

---

Navigation system is a main capability that autonomous mobile robots must possess. This ability allows robots to move along the optimal path to reach a destination point. The navigation system developed in this research relies on path-planning and SLAM (Simultaneus Localization and Mapping) to create a robot that capable to move autonomously and efficient in a known environment. The robot uses SLAM to understand its surroundings. SLAM enables the robot to map its environment. The type of SLAM used in this study is cartographer SLAM. The results of this mapping are stored in the form of an occupancy grid map, which is a 2D representation of the test environment. A* is one of the classic path-planning algorithms with excellent performance. This research compares the A* path-planning algorithm with its variant, Theta*, which implements a line of sight in its search system. The robot was tested in three different environments, and the results showed that Theta* outperformed A* and was able to produces more optimal path."

"Untuk dapat berinteraksi bersama manusia dengan baik, robot sebisa mungkin dibuat agar memiliki berntuk dan gerakan yang mirip dengan manusia. Motion Capture atau sering disebut dengan Imitation Learning adalah salah satu teknik pengendalian robot humanoid dengan manusia sebagai actor dan robot sebagai agen yang akan mengimitasi gerakan actor. Metode ini menawarkan kefleksibelan dan kemudahan dalam memprogram gerakan robot. Namun, dalam proses imitasi perlu dipertimbangkan aspek keseimbangan robot. Pada penelitian ini diimplementasikan metode motion capture untuk mengendalikan robot biped dengan pengendalian keseimbangan yang menerapkan kriteria ZMP pada perubahan gerakan robot. Penelitian dilakukan dengan menggunakan perangkat capture Microsoft Kinect dan dipetakan secara langsung pada biped robot 12 DOF dengan aktuator Dynamixel AX-12. Metode yang diusulkan telah sukses dikembangkan, disimulasikan, diuji langsung kepada robot dan memberikan hasil yang baik.

---

To be able to interact with humans, robot made as much as possible in order to have similar appearance and movement like human. Motion capture or often called Imitation Learning is one of the humanoid robot control techniques with human as an actor and the robot as an agent who will imitate the movement of the actor. This method offers flexibility and ease to modify robot system. But, in imitation process also need to consider robot balance. In this research, motion capture will be implemented to control Biped robot with balance control which applied Zero Moment Point criterion in everychange that occur in robot motion. The study was conducted by using Microsoft Kinect as capture device and the direct implementation of the Biped robot with 12-DOF. The proposed method has been successfully developed, simulated, and evaluated on a real robot and give good results."

"Dengan teknologi yang tersedia saat ini, tangan robot humanoid paling maju yang digunakan dalam prostetik atau robotika dapat berharga sangat mahal, menjadikannya tidak dapat diakses oleh disabilitas dan penggemar robotika. Menggunakan teknologi pencetakan 3D, tangan robot ini dapat diproduksi secara massal dan memiliki fungsi dasar dari tangan mahal yang canggih dan murah. Robot tangan dikendalikan menggunakan sarung tangan sensor yang dapat membaca pergerakan jari dan daya tekan jari tangann penggunanya. Robot tangan memiliki sensor taktil untuk membatasi kemampuan genggaman robot dan juga dapat dikendalikan jarak jauh (teleoperasi). Penelitian ini terdiri atas pemilihan model tangan cetak 3D, perakitan komponen mekanik dan elektronik, pembuatan perangkat lunak, pengujian tangan robot dan integrasinya dengan sensor dan implementasi teleoperasi. Tangan robot mampu menggenggam beban 358 gram, dengan efisiensi hanya 5.98% dibanding keluaran torsi aktuatornya. Kesalahan maksimum pembacaan sensor sebesar 5,61% dan integrasi sebesar 11.73%. Delay sistem <1 detik untuk koneksi kabel, 1-2 detik pada mode Bluetooth, dan 2-3 detik untuk mode Bluetooth pada ruangan berbeda. Tangan Robot dapat mengangkat objek ringan, meniru gerakan jemari tangan, dan dapat berkomunikasi secara nirkabel. Robot dan sensor dapat dikembangkan untuk operasi dan manipulasi pada berbagai aplikasi seperti prostetik untuk para disabilitas, penanganan zat berbahaya, penanggulangan bencana, robot survei antariksa atau bawah laut maupun membantu kebutuhan sehari-hari manusia.

---

With the technology available today, the hands of the most advanced humanoid robots used in prosthetics or robotics can be very expensive, making them inaccessible to disabilities and robotics enthusiasts. Using 3D printing technology, this robotic hand can be mass-produced and has the basic functions of an expensive and sophisticated expensive hand. The hand robot is controlled using sensor gloves that can read the movements of the fingers and the compressive force of the user's fingers. The hand robot has a tactile sensor to limit the grip capability of the robot and can also be controlled remotely (teleoperated). This research consists of selecting 3D hand printing models, assembling mechanical and electronic components, making software, testing robot hands, and integrating them with sensors and implementing teleoperations. The robot hand is able to hold a load of 358 grams, with an efficiency of only 5.98% compared to the output torque of the actuator. Maximum sensor reading error of 5.61% and integration of 11.73%. System delay <1 second for cable connections, 1-2 seconds in Bluetooth mode, and 2-3 seconds for Bluetooth mode in different rooms. Robot hands can lift light objects, mimic the movements of the fingers, and can communicate wirelessly. Robots and sensors can be developed for operations and manipulation in a variety of applications such as prosthetics for people with disabilities, handling hazardous substances, disaster management, space or underwater survey robots, or helping human daily needs."

"Para roboticist selalu berusaha agar robot dapat menghampiri bentuk dan kemampuan manusia sehingga robot dapat berinteraksi bersama manusia dengan baik. Untuk dapat berinteraksi dengan manusia, robot sebisa mungkin dibuat agar memiliki gerakan yang mirip dengan manusia. Imitation Learning atau sering disebut dengan Motion Capture, adalah salah satu teknik pengendalian robot humanoid dengan manusia sebagai aktor dan robot sebagai agen yang akan mengimitasi gerakan aktor. Metode ini menawarkan kefleksibelan dan kemudahan dalam mememodifikasi sistem robot. Pada penelitian ini telah dikembangkan sebuah sistem motion capture untuk mentransformasikan gerakan lengan manusia ke lengan robot humanoid secara real time, dengan setiap lengan terdiri dari 3 DOF serta dilakukan perancangan database motion agar robot dapat melakukan gerakan yang telah dilakukannya. Proses tracking dengan Microsoft Kinect dilakukan pada rate frekuensi 20 Hz dengan dengan satu loop proses komputasi mapping membutuhkan waktu rata-rata 340 us. Rata-rata error pendeteksian vektor skeleton yang dideteksi adalah 1.74 cm.

---

The roboticist always trying to get the robot to approach the form and abilities so that the robot can interact with humans as well. To be able to interact with humans, robot made as much as possible in order to have similar movement to human. Imitation Learning or often called Motion Capture, is one of the humanoid robot control techniques with human as an actor and the robot as an agent who will imitate the movement of the actor. This method offers flexibility and ease to modify robot system.

In this research, we have developed a motion capture system to transform human arm movement to humanoid robot in real time, with each arm consisting of 3 DOF and we have designed database motion so that robot can redo the movement which it can do previously. Tracking process with Microsoft Kinect performed at frequency of 20 Hz with a single loop computation mapping process takes an average of 340 us. The average error detection of skeleton vector is 1.74 cm."

"Dewasa ini, berkembangnya teknologi dalam bidang robotika mendorong manusia untuk terus berinovasi dalam pengembangan teknologi terbaru untuk mempermudah pekerjaan manusia. Salah satu perkembangan dunia robotika saat ini adalah pengembangan mobile robot. Robot mobil atau mobile robot adalah konstruksi robot yang ciri khasnya adalah mempunyai aktuator berupa roda untuk menggerakkan keseluruhan badan robot tersebut, sehingga robot tersebut dapat melakukan perpindahan posisi dari satu titik ke titik yang lain. Pada skripsi ini akan dilakukan perancangan pengendalian mobile robot menggunakan ROS Robotic Operating System. Sehingga pembahasan akan diawali oleh pengendalian motor dengan karakteristiknya. Kemudian, pembahasan akan dilanjutkan ke pengendalian mobile robot dan untuk pengujiannya digunakan beberapa trayektori, yaitu tayektori linier, sinusoidal dan zigzag yang akan dijalankan oleh kooperatif mobile robot. Berdasarkan pengujian didapatkan kombinasi nilai konstanta pengendali yang mampu mengikuti trayektori linier, sinusoidal, dan zigzag yang diberikan dengan baik.

---

Today, the development of technology in the field of robotics encourages people to keep innovating in the development of the latest technology for human work. One of the development in robotics today is the development of mobile robot. Robot car or mobile robot is a robot that has a wheel actuator to move the whole body of the robot, so that the robot can make a movement from one point to another.

This thesis will explain the exploration of mobile robot motion using ROS Robotic Operating System by modeling the condition of motor control with its characteristics. After the model connected with ROS, the discussion will proceed to the mobile robot control and test its movement to follow a few trajectories, ie linear, sinusoidal and zigzag that will be applied to cooperative mobile robot. Based on the tests found the control constant that can be used for linear, sinusoidal, and zigzag trajectory nicely."