Hasil Pencarian  ::  Simpan CSV :: Kembali

"Permasalahan utama pada pergerakan robot humanoid adalah kestabilan ketika berjalan. Tujuan penelitian ini adalah mendesain robot dengan basis biaya yang rendah dan melakukan standarisasi kecepatan dan tingkat kestabilan robot. Umumnya, riset pada humanoid robot menggunakan metode static walking atau dynamic walking. Penggunaan static walking pada robot menekankan pada keseimbangan setiap pose berjalan sedangkan dynamic walking menekankan pada efisiensi mobilitas robot. Kombinasi dari kedua metode ini dapat memperoleh keseimbagan dan efisiensi pergerakan robot dimana pada penelitian ini di aplikasikan dengan metode zero momen point dan kinematika terbalik. Penggunaan metode elemen hingga dilakukan untuk mengoptimasi titik massa dari humanoid robot dan memilih material yang optimal sehingga dapat mengurangi biaya produksi dari humanoid robot. Penelitian ini diselesaikan dengan pengujian real dan dibandingkan dengan simulasi untuk mendapatkan stabilitas dan kecepatan dari robot untuk membuktikan pergerakan yang cepat dan mudah. Hasilnya stabilitas humanoid didapatkan sebesar 3.44 mm dan kecepatannya 8.11 m/s.

---

Main problem of humanoid locomotion is walking stability. Goal of this research is designing low-cost humanoid robot and standarize the velocity and stability of robot. Commonly, research of humanoid robot use the method of static walking or dynamic walking for its stability. The usage of static walking on robots emphasize on stability pose while dynamic walking emphasizes on its mobility efficiency. The combination of both walking methods can achieve a stable and efficient humanoid robot movement, in which applies the rule of Zero Moment Point and Invers Kinematic. Using finite elemen analysis to optimize centre of mass from humanoid robot and select optimum material so it will decrease the production cost of humanoid robot. This research will be done by simulation and real examiner to get a stability margin and also velocity of robot to ensure a quick and easy robot motion planning. The result of humanoid robot stabiliy margin is 3.44 mm and its velocity 8.11cm/s."

"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."

"Humanoid Robot Soccer adalah sebuah robot yang dapat bermain sepak bola layaknya manusia secara otomatis. Untuk membuat sebuah robot humanoid sepak bola dibutuhkan sistem tertanam yang mumpuni dan terpadu disebabkan oleh kebutuhan akan beberapa sensor sebagai pendukung kecerdasan yang diambil secara kontinu dan kalkulasi yang besar pada sistem pengendalian dan pengolahan citranya. Penelitian skripsi ini fokus pada perancangan dan penerapan Odroid XU-4 Komputer Papan Tunggal sebagai pengendali utama didukung dengan sensor Inertial Measurement Unit dan aktuator Dynamixel MX-28T dan MX-64T. Hasil dari penelitian ini menunjukkan bahwa perangkat yang diusulkan mumpuni untuk menjadi sistem tertanam pada Humanoid Robot Soccer.

---

Humanoid Robot Soccer is a robot with human like form tha could play soccer autonomously. To create Humanoid Robot Soccer, a robust, compact and rich of feature embedded system is needed caused by the need of many sensors data sampled continously, weight of running process and complex calculation espesially for its control system and image processing. This thesis focus on designing and implementing Odroid XU 4 Single Board Computer as Main Controller support by Inertial Measurement Unit sensors and Dynamixel MX 28T and MX 64T actuators for Humanoid Robot Soccer. The result of this reasearch indicate that the purposed device is qualified to be an embedded system in Humanoid Robot Soccer."

"Seni tari pada umumnya dilakukan oleh manusia dan diturunkan ke generasi muda sebagai bentuk pelestarian tarian tersebut. Sebagai bentuk lain dari pelestarian seni tari digunakanlah Robot Humanoid. Robot akan akan melakukan pembelajaran gerakan manusia (imitation learning) melalui kemera Microsoft Kinect, yang dapat menangkap gerakan manusia (motion capture). Gerakan tersebut juga dikompensasi untuk penyeimbangan robot dengan metode Zero Moment Point (ZMP). Sistem ini dilakukan dengan framework dari Robot Operating System (ROS) dan berhasil melakukan imitation learning dengan rate 5Hz pada pengiriman data ke joint robot serta waktu sampling sekitar 10Hz.

---

The art of dance is generally performed by humans and handed down to the younger generation as a way to preserve the dance. As another form of preservation is used Humanoid Robot. The Robot will be imitation learning of human movement through the Microsoft Kinect camera, which can capture human motion (motion capture). The movement is also compensated for balancing robot with Zero Moment Point (ZMP) method. This system is done with the framework of the Robot Operating System (ROS) and managed to imitation learning with rate 5Hz for sending data and the sampling time 10Hz."

"ABSTRAKKestabilan dari pergerakan kaki adalah salah satu tantangan robot humanoid. Maka desain dalam pergerakan robot menjadi penting. Penelitian ini bertujuan untuk mendesain gerak jalan menggunakan model kinematika terbalik dan mengukur kestabilan robot menggunakan pendekatan zero momen point. Pemilihan material dan mengukur kekuatan struktur robot menggunakan metode elemen hingga juga dilakukan guna mendapat desain yang optimal. Permodelan gerakan menggunakan pendekatan Matlab dan disimulasikan dengan Inventor. Hasil yang didapat pada penelitian ini adalah joint trajectory kaki robot dan perbandingan nilai ZMP data real robot dengan data simulasi robot.

---

ABSTRACTBipedal locomotion stability is one of the challenging problem in humanoid robot. So, design for the robot movement becomes important. This paper aims to design the walking motion using inversee kinematics model and measure the stability of the robot using the zero moment point approach. Material selection and measuring the strength of robot structure using finite element method is also done to get optimal design. Motion modeling using Matlab approach and simulated with Inventor. The result of this research are joint trajectory of robot leg and comparison of ZMP value between real robot data with robot simulation data."

"Lokalisasi robot adalah permasalahan dalam melakukan estimasi posisi dan orientasi robot dalam suatu lokasi yang diketahui sebelumnya. Untuk melakukan lokalisasi diri, robot harus memproses gambar dari kamera menjadi landmark, yaitu persimpangan crossing garis lapangan. Landmark yang terdeteksi kemudian dibandingkan dengan peta landmark garis lapangan, untuk dihitung oleh algoritma lokalisasi vision-based, yang menghasilkan data lokalisasi posisi dan orientasi. Data lokalisasi dari algoritma vision-based digabungkan dengan metode particle filter, bersama dengan odometri dan pembacaan data kompas. Hasil yang didapat antara lain persentase keberhasilan deteksi crossing 93.33 , lokalisasi dengan rata-rata error posisi sebesar 57.66cm, dan mengurangi error akibat kidnapped robot problem hingga sebesar 87.88

---

Robot localization is the problem of estimating the position and orientation of a robot, given a known absolute location. To achieve self localization, robot must be able to process camera images into landmarks, which is the crossing of field lines. The detected landmarks are compared to a field line landmark map to be further processed by a vision based localization algorithm, resulting in robot position and orientation estimate. The resulting localization data is then integrated with particle filter, along with odometry and compass readings. Among the achievements made in this research are 93.33 field line landmark detection success rate, self localization with 57.66cm average positional error, and reducing up to 87.88 of errors caused by the beginning of a kidnapped robot problem."

"Industri di Indonesia saat ini berkembang pesat, pada industri manufaktur banyak memerlukan system otomisasi yang akan mempercepat proses produksi dan untuk menaikan kualitas produk, teknologi yang di pakai saat ini adalah teknologi otomasi dan Robotic, khususnya di bidang manufaktur otomotif robotik ini wajib dipakai. Pada Sistem umumnya benda kerja dan Robot memiliki sistem Open-Loop dimana robot hanya di teaching untuk melakukan pergerakan tertentu yang sifatnya permanen, tidak ada keterkaitan antara benda kerja dan robot pada saat proses untuk itu diperlukan adanya sistem pengolahan citra yang dapat memungkinkan robot mengenali perubahan letak ataupun perubahan bentuk pada benda kerja. Sistem ini menggunakan Kamera dan Kontroller yang mempunyai beberapa port komunikasi dan software untuk merubah parameter tujuannya adalah agar sistem vision ini bisa di pakai pada robot-robot industri yang sudah ada. Sistem Close-Loop antara benda kerja dan robot berdasarkan visual-based motion ini akan mengurangi tingkat error yang dihasilkan hingga dapat meningkatkan kualitas dan kuantitas produksi.

---

Industry in Indonesia is growing rapidly, in many manufacturing industries require automation system that will speed up the production process and to increase the quality of products, technologies in use today is automation and robotic technology, especially in the field of automotive manufacturing robotics is compulsory.

In the current system, the workpiece and the robot has a system of Open-Loop where the robot only in teaching to perform certain movements that are permanent, there is no linkage between the workpiece and the robot during the process it is necessary for processing system citta which can allow the robot to recognize change of location or change of shape in the workpiece. The system uses camera and Controller that has multiple communication ports and software to modify the parameters the aim is for this vision system can be used in industrial robots already exist. Close-loop system between the workpiece and the robot based on visual-based motion will reduce the level of error is generated to improve the quality and quantity of production."

"Permasalahan utama pada humanoid robot adalah vision dan motion. Untuk masalah vision terletak bagaimana untuk melihat dan mengidentifikasi suatu objek, sedangkan untuk motion yaitu kestabilan ketika berjalan. Tujuan penelitian ini adalah mengoptimalkan penelitian yang sudah ada sebelumnya dan melakukan standarisasi kecepatan dan tingkat kestabilan humanoid robot sehingga permasalahan utama yang akan diangkat penelitian ini adalah motion. Umumnya, penelitian pada humanoid robot menggunakan metode static walking dan dynamic walking. Penggunaan metode static walking pada robot menekankan pada keseimbangan setiap pose berjalan, sedangkan dynamic walking menekankan pada efisiensi mobilitas robot saat berjalan. Kombinasi dari kedua metode ini dapat memperoleh keseimbagan dan efisiensi pergerakan robot dimana pada penelitian ini di aplikasikan dengan metode zero moment point dan kinematika terbalik. Selain itu juga, ada beberapa faktor pendukung untuk keseimbangan yakni desain robot dan sistem aliran data pada robot yang akan mempermudah pergerakan robot.Pada penelitian ini, untuk mendukung zero moment point dan kinematika terbalik digunakan inertial measurement unit dengan penerapan metode Kalman filter serta PD controller. PD controller menggunakan feedback dari IMU untuk memperbaiki posisi servo yang didapatkan dari perhitungan zero moment point dan kinematika terbalik ketika dalam kondisi berjalan. Penelitian ini diselesaikan dengan pengujian real dan dibandingkan dengan simulasi untuk mendapatkan stabilitas dan kecepatan dari robot. Hasilnya stabilitas humanoid didapatkan sebesar 5.367 mm pada sumbu X dan 10.567 mm pada sumbu Y, dan kecepatan minimal 0.0524 m/s dan maksimal 0.0633 m/s pada rumput dengan ketinggian 3 cm dan kecepatan minimal 0.0933 m/s dan maksimal 0.1048 m/s pada rumput dengan ketinggian 1.5 cm.

---

The main problems in humanoid robots are vision and motion. For the vision, the problem is how to detect and identify an object. For the motion, the problem is walking stability. The goal of this research is to optimize previous research and standardize the velocity and stability of humanoid robot, the main problem presented in this research is motion. Commonly, research on humanoid robots use static walking and dynamic walking methods for its stability. The usage of static walking methods on robots emphasize on the stability of every pose, while dynamic walking emphasizes on its efficiency in mobility while walking. The combination of both walking methods can achieve a stable and efficient humanoid robot movement, in which applies the rule of Zero Moment Point and Invers Kinematic. Other than that, there are other supporting factors in stability, such as the mechanical design and electrical system which helps the movement of humanoid robots.

In this research, we will use inertial measurement unit for supports Zero Moment Point and Invers Kinematic methods with the application of Kalman filter and PD controller on data from inertial measurement unit. PD controller use feedback data from IMU for adjusting the position of servos that was calculated by Zero Moment Point and Invers Kinematic methods when the robot is in a walking state. This research will be done by comparing results from simulation and direct examination of a humanoid robot to get its stability margin and velocity. The result of humanoid robot stability margin is 5.367 mm in X axis and 10.567 mm in Y axis, and its minimum velocity 0.0524 m s and maximum velocity 0.0633 m s on grass with altitude 3 cm and minimum velocity 0.0933 m s and maximum velocity 0.1048 m s on grass with altitude 1.5 cm."

"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."