Seminar Transfromasi dan Integrasi Ilmu Sains Dalam Robotika

Presentasi berjudul: "Seminar Transfromasi dan Integrasi Ilmu Sains Dalam Robotika"— Transcript presentasi:

1 Seminar Transfromasi dan Integrasi Ilmu Sains Dalam Robotika
Sofa Sofiana, M.Kom. MOS, MCE

2 PREDIKSI Menerjemahkan perintah manusia pada tahun 2024,
Menulis esai perguruan tinggi pada tahun 2026,  Mengendarai truk pada tahun 2027, Bekerja sebagai pramusaji pada tahun 2031,  Menulis buku pada tahun 2049 dan Menjalankan operasi pada tahun 2053.

3 Aplikasi Program & Simulator Robot
Microsoft Robotics Developer Studio

4 2. V-REP 3. OpenHRP3 4. Gazebo

5

6 Robot Localization Relative atau local
Menggunakan encoder, gyroscope, accelerometer, ultrasonic, system penglihatan dan lain-lain. Global Menggunakan Global Positioning System (GPS) Laser dan Landmark Systems Probabilistic localization Menggunakan statistik untuk mengurangi kesalahan

7 LEGO Menggunakan Algoritma Dead Reckoning:

8 Dead Reckoning adalah sebuah proses dalam memperkirakan posisi berdasarkan posisi sebelumnya yang telah diketahui kecepatan, waktu dan jarak yang telah diketahui. zero-order convergence dan first-order convergence

9 zero-order convergence
For each shared object { PredictedPathVector = Last_KnownPos - Last_Last_KnownPos DeltaTime = Last_KnownTime - Last_Last_KnownTime DeltaVelocity = PredictedPathVector / DeltaTime NewDeltaTime = CurrentTime - LastLastKnownTime NewPos = LastKnownPos + NewDeltaTime * DeltaVelocity }

10 For each shared object{ PrevPredictedPathVector = Last_KnownPos[1]-Last_KnownPos[2] PrevDeltaTime = Last_KnownTime[1] - Last_KnownTime[2] StartDeltaTime = Last_KnownTime[0] - Last_KnownTime[2] PrevVelocity = PrevPredictedPathVector / PrevDeltaTime StartPos = Last_KnownPos[2] + StartDeltaTime * PrevVelocity CurrentDeltaTime = Now - Last_KnownTime[0] PredictedPathVector = Last_KnownPos[0] - Last_KnownPos[1] DeltaTime = Last_KnownTime[0] - Last_KnownTime[1] EndPos = Last_KnownPos[0] + CurrentDeltaTime * PredictedPathVector / DeltaTime LinearConvergenceVector = EndPos - StartPos Velocity = LinearConvergenceVector / DeltaTime NewPos = StartPos + CurrentDeltaTime * Velocity }

11 Algoritma Follow Wall function maze(kanan, atas, kiri, bawah){  set array[#][#] as maze start[x][y] = array[0][0] // start dimulai dari titik (0,0) if(start[x+1][y])==null //kanan turn right; maze(bawah, kanan, atas, kiri); if(start[x][y+1])==null //atas turn ahead; maze(kanan, atas, kiri, bawah); if(start[x-1][y])==null//kiri turn left; maze(atas, kiri, bawah, kanan); if(start[x][y-1])==null//bawah turn down; maze(kiri, bawah, kanan, atas); }

12 Begitu seterusnya hingga menemukan jalan keluar.
Periksa kanan: jika ada tembok, periksa atas. Jika tidak ada tembok, belok kanan. Periksa atas: jika ada tembok, periksa kiri. Jika tidak ada tembok, jalan lurus. Periksa kiri, jika ada tembok, periksa bawah. Jika tidak ada tembok, belok kiri. Periksa bawah, jika ada tembok, kembali periksa kanan. Jika tidak ada tembok, jalan mundur. Begitu seterusnya hingga menemukan jalan keluar. Periksa bawah, jika ada tembok, kembali periksa kanan. Jika tidak ada tembok, jalan mundur."

13 Cheetah

14 Sumber Adriansyah, Andi. (2014). PERANCANGAN ROBOT LOCALIZATION MENGGUNAKAN METODE DEAD RECKONING. SINERGI