IAESCOREIAESCORE

IAES International Journal of Robotics and Automation (IJRA)IAES International Journal of Robotics and Automation (IJRA)

COVID-19 telah menjadi perhatian dunia karena penyebaran dan jumlah kasus yang meningkat. Tenaga medis menjadi kelompok pertama yang terpapar karena mereka memiliki kontak langsung dengan pasien, sehingga diperlukan kendaraan untuk menggantikan tugas logistik, pengiriman, dan transportasi limbah pasien. Robot mobile roda otonom (AWMR) merupakan robot beroda yang dapat bergerak bebas dari satu tempat ke tempat lain dan memerlukan kemampuan navigasi serta kontrol trajektori yang baik. Penelitian ini bertujuan mengembangkan model sistem navigasi AWMR berbasis algoritma Simultaneous Localization and Mapping (SLAM) yang akurat pada lingkungan dinamis. Penelitian dilakukan dalam dua tahap; tahap pertama berfokus pada pemodelan sensor, perancangan model navigasi berbasis SLAM, dan pembuatan testbed sistem navigasi. Hasil penelitian menghasilkan sistem navigasi dan kontrol trajektori yang dapat diimplementasikan pada platform AWMR untuk keperluan logistik, transportasi, dan pengelolaan limbah pasien di rumah sakit.

Algoritma Google Cartographer SLAM berhasil diimplementasikan untuk pemetaan dan lokalisasi real‑time pada AWMR, menghasilkan posisi akurat dan peta lingkungan yang konsisten.Eksperimen menunjukkan bahwa penggabungan odometri roda dengan data LiDAR memberikan akurasi tinggi dengan drift minimal pada lintasan linier, rotasional, dan diagonal, serta mampu beradaptasi dengan perubahan dinamis tanpa kebutuhan GPS.Hasil ini membuka peluang penggunaan Cartographer SLAM sebagai dasar untuk pengembangan keputusan otonom, koordinasi multi‑robot, dan pemetaan semantik dalam aplikasi robotika indoor seperti layanan, otomatisasi gudang, dan pencarian‑penyelamatan.

Penelitian selanjutnya dapat menyelidiki integrasi sensor inertial unit (IMU) dengan LiDAR untuk meningkatkan estimasi pose robot dalam kondisi dinamis, dengan menguji berbagai algoritma fusi data dan menilai dampaknya terhadap akurasi lokalisasi. Selain itu, perlu dikembangkan model pembelajaran mendalam yang ringan untuk implementasi SLAM secara real‑time pada perangkat tepi (edge devices), sehingga beban komputasi dapat diminimalkan tanpa mengorbankan performa pemetaan. Selanjutnya, eksplorasi kolaborasi multi‑robot dalam skema SLAM terdistribusi dapat dilakukan untuk meningkatkan skalabilitas dan ketahanan sistem, dengan mempelajari mekanisme berbagi peta dan koordinasi tugas antar robot dalam lingkungan indoor yang kompleks.

Read online
File size821.3 KB
Pages10
DMCAReport

Related /

ads-block-test