Hasil Pencarian  ::  Simpan CSV :: Kembali

"Permasalahan search-and-safe merupakan salah satu contoh robot otonom dapat disimulasikan untuk menggantikan pekerjaan manusia di lingkungan berbahaya, misalnya pada kegiatan evakuasi manusia dari ruang tertutup yang terbakar. Dalam contoh ini, robot otonom harus dapat menemukan objek manusia untuk diselamatkan, serta objek api untuk dipadamkan. Lebih jauh lagi, untuk dapat menyelesaikan permasalahan seperti ini dengan baik, robot otonom harus dapat mengetahui keberadaannya, bukan hanya posisi dalam sistem koordinat global saja tetapi juga posisi relatif terhadap posisi tujuan dan keadaan lingkungan itu sendiri. Permasalahan ini kemudian dikenal juga sebagai lokalisasi yang menjadi bagian penting dari proses navigasi pada robot otonom. Salah satu metode yang dapat digunakan untuk menyelesaikan permasalahan lokalisasi adalah dengan menggunakan representasi internal peta lingkungan kerja dalam pengetahuan robot otonom. Pada kondisi ketika tidak tersedia informasi mengenai konfigurasi lingkungan, atau informasi yang tersedia sifatnya terbatas, robot harus dapat membangun sendiri representasi petanya dengan dibantu oleh komponen sensor yang dimilikinya. Pada paper ini kemudian dibahas salah satu metode yang dapat diterapkan dalam proses pembangunan peta seperti yang dijelaskan, yaitu melalui adopsi algoritma heuristic searching dan pruning yang sudah dikenal pada bidang kecerdasan buatan. Selain itu juga akan dijabarkan desain robot otonom yang digunakan, serta konfigurasi lingkungan yang digunakan pada studi kasus search-and-safe ini. Diharapkan nantinya hasil yang diperoleh dari penelitian ini dapat diterapkan untuk skala yang lebih besar."

"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."