Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Secara umum, mobile robot merupakan salah satu tipe platform robot yang memiliki tugas yang kompleks karena robot tersebut akan berada pada lingkungan yang juga bersifat kompleks. Secara khusus, mobile robot harus bisa melakukan lokalisasi agar bisa melakukan tugas-tugas pokok selanjutnya. Oleh karenanya diperlukan sistem lokalisasi yang bisa menyelesaikan permasalahan tersebut. Sistem vision merupakan salah satu jawaban yang paling mungkin untuk menyelesaikan masalah pada platform mobile robot. Beranjak dari hasil penelitian sebelumnya mengenai lokalisasi pada map topologi, maka pada penelitian ini akan dikembangkan sistem lokalisasi berbasis map metric dimana nantinya akan didapatkan pose xr,yr,?r dari mobile robot. Untuk menyelesaikan sistem lokalisasi ini akan digunakan metode pose estimation oleh stereovision untuk mendapatkan pose dalam bentuk translasi x,y,z dan rotasi ?, ?, ? yang akan dimaksimalkan dengan penggunaan FAST sebagai algoritma fitur detection dengan kecepatan tinggi. Akhirnya dengan proses integrasi dengan penelitian sebelumnya akan didapatkan global position yang berguna untuk lokalisasi mobile robot. ......Generally, mobile robot is one of robot that has a complex task because the robot will also work in the complex environment. Particularly, service robot should be able to do localization in order to continue its task. Therefore it will need a localization system that could solve the problem. Vision system is one of the most likely answer to solve the problem in mobile robot platform. Based from the results of previous work on the localization of the topological map, this work will developed localization system for building metrics map which will obtain pose in term of xr, yr, ?r of the mobile robot. In order to complete this localization system, pose estimation method base stereovision will be used to get translational pose x, y, z and rotation pose ?, ?, ? which will be maximized by the use of FAST as the high speed feature detection algorithms. Finally the integration process with prior work will obtain global position that is useful for mobile robot localization.

Abstrak :
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.

Abstrak :

Penggunaan multiple mobile robots dimaksudkan untuk meningkatkan efisiensi dalam mengerjakan suatu tugas yang kompleks. Pada area yang luas, multiple mobile robots banyak digunakan karena dapat bekerja secara paralel. Hingga saat ini, salah satu topik utama pada penelitian multiple mobile robots adalah pengendalian untuk membentuk formasi dan mempertahankan formasi. Metode untuk membentuk formasi antara lain adalah leaderless dan leader-follow. Metode leader-follow memiliki keunggulan pada kemudahannya dalam mengendalikan robot lain berdasarkan pada posisi relatif robot follower terhadap robot leader. Akan tetapi, masalah akan muncul ketika robot follower diharuskan untuk membentuk dan kemudian mengikuti trajectory robot leader. Dalam hal ini, terdapat kondisi di mana robot follower akan berhenti sementara saat nilai galat sudah sangat kecil. Hal ini dikarenakan robot follower hanya menerima informasi posisi relatif terhadap robot leader saja. Maka dari itu, dibutuhkan informasi kecepatan robot leader sebagai kompensasi apabila posisi robot follower terhadap robot leader sudah terpenuhi sehingga robot follower dapat mempertimbangkan posisi dan kecepatannya terhadap robot leader. Penelitian ini membuktikan algoritma sistem kendali formasi dengan referensi posisi dan kecepatan robot leader menghasilkan pembentukan dan pertahanan formasi yang lebih stabil dibandingkan dengan hanya menggunakan referensi posisi robot leader. Hasil pengujian dibuktikan melalui simulasi pada Gazebo dan eksperimen pada perangkat keras.

 

---

The use of multiple mobile robots is intended to improve efficiency in carrying out of complex tasks. In a large area, multiple mobile robots are widely used because of the ability to work in parallel. Until now, one of the main topics in the study of multiple mobile robots are controlling and maintaining the formation. Methods for forming formation are leaderless and leader-follow. The leader-follow method has the easeness in controlling other robot based on the relative position of the robot follower to the robot leader. However, problems will arise when the robot followers are required to form and then follow the trajectory of the robot leader. In this case, there is a condition where the follower robot will stop temporarily when the error value is very small. This is because robot followers only receives position information relative to the robot leader. Therefore, information about the speed of the robot leader is needed so that robot follower can consider the position and speed of the robot leader. This study proves that the formation control system algorithm with reference to the position and speed of the robot leader produces formation and defense of the formation which is more stable compared to only using the robot leader position reference. Numerical simulations and real-time experiments are presented to prove the control strategy.

 

Abstrak :
Penerapan dan penelitian mengenai multi agent system (MAS) saat ini sedang cepat berkembang. Penggunaan pengendali Model Predictive Control (MPC) cukup populer digunakan untuk menyelesaikan permasalahan konsensus pada korvengensi dan stabilitas MAS. Namun pada MPC konvensional masih terdapat masalah, masalah optimasi yang harus diselesaikan secara periodik menyebabkan pemborosan sumber daya komputasi dan komunikasi antar agen. Oleh karena itu, mekanisme tambahan diperlukan agar masalah optimasi dapat diselesaikan secara aperiodik. Pada peneltian ini, mekanisme self triggered ditambahkan pada pengendali MPC, dan dirancang untuk menyelesaikan permasalahan formation pada MAS dengan model nonholonomic mobile robot. Penggunaan mekanisme ini memungkinkan komputasi MPC tidak perlu dilakukan secara terus menerus, tapi digunakan bila dibutuhkan. Pengendali yang dirancang dibentuk dengan mengkombinasikan antara teori graph sebagai topologi komunikasi antar agent, dengan algoritma MPC, dan ditambah dengan mekanisme self triggered untuk menentukan kondisi kapan MPC melakukan optimasi. Pengendali Prediktif atau MPC akan memprediksi sinyal kendali agent sepanjang horizon prediction. Beberapa simulasi dilakukan untuk menguji rancangan desain pengendali self-triggered MPC, kemudian diuji untuk menyelesaikan permsalahan formation, lama waktu komputasi dihitung dan dibandingkan dengan MPC konvensional. Hasil uji simulasi menunjukan bahwa mekanisme self triggered mampu mengurangi beban komunikasi dan beban komputasi pada pengendali MPC.

---

Application and study of multi-agent systems are growing fast. Model Predictive Control (MPC) has been popularly used to solve consensus problem in corvengence and stability of multi agent system (MAS). But conventional MPC is still having probrems, optimization problems is solved periodically, which may lead to a waste of computation and communication resources between agents. Therefore, additional mechanism is needed so optimization problems can be solved aperiodically. In this study, a self triggered mechanism was added to the MPC controller, which was designed to solve the formation problem for MAS on nonholonomic mobile robot. A self triggered condition allows MPC computing not to be done periodically, but is used if needed. The designed controller is build by combining graph theory as a communication topology beetwen agents, with the MPC algorithm, and added with a self triggered mechanism to determine the conditions when does the MPC solved optimization. Predictive controllers or MPC is used to predict control signals along the horizon prediction. Several simulation are conducted to test the self triggered MPC controller design, were then tested to solve the formation problem. The computation time is calculated and compared with conventional MPC. The simulation test results show that the self triggered mechanism is able to reduce the communication load and computational load on MPC controllers.