Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
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.

Abstrak :
Permasalahan tentang robot sepak bola saat ini sudah masuk pada tahap penggunaan koordinasi multi agent karena melibatkan banyak robot. Swarm merupakan salah satu dari banyak konsep multiagen communication dan coordination. Swarm membahas tentang koordinasi yang didasarkan pada prilaku sekumpulan serangga yang saling bekerja sama dalam mencapai tujuan yaitu mendeteksi makanan dan jalur migrasi. Hal ini dituangkan dalam permainan sepak bola dimana beberapa robot akan saling bekerja sama untuk mendeteksi target berupa bola dan membawanya ke gawang lawan dengan saling bekerja sama. Strategi pergerakan yang diberikan mengadopsi konsep Particle Swarm Optimization yang diimplementasikan untuk mencapai efisiensi yang lebih baik untuk mencapai tujuan yaitu mencetak lebih banyak gol ke gawang lawan. Hasil dari penelitian ini menunjukkan bahwa swarm dapat digunakan dengan baik untuk melakukan koordinasi dalam pencarian bola dan pengambilan keputusan untuk mengeksekusi bola pada simulasi robot sepak bola.

---

Current problems about soccer robots already entered at this stage is using of multi agent coordination because it involves many robots. Swarm is one of the many concepts of multi agent communication and coordination. Coordination of Swarm based on the behavior of a group of insects that cooperate to achieving the goals, namely to detect food and migration routes. And these are poured in a football game where some robots will mutually cooperate to detect targets in this case is ball and took it to the opponent gates with mutually cooperate. The given movement strategy adopted the concept of Particle Swarm Optimization implemented in order to achieve a better efficiency to achieve a goal that is scored more goals to the opponent. The results of this research show that the swarm can be used well to do coordination in the search sphere and decision making to execute the ball on a simulated of soccer robot.

Abstrak :
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.