Perpustakaan Digital ITB

Coverage path planning merupakan sebuah masalah pemrograman yang biasa digunakan dalam robotika yang mana sebuah agen perlu melintasi seluruh area tempatnya bekerja. Hal ini sering dilakukan untuk melakukan pemetaan atau eksplorasi terutama di area-area yang tidak diketahui strukturnya. Akan tetapi, karena area eksplorasi ini tidak diketahui struktur dan luas areanya, agen yang dipekerjakan dapat memiliki kemampuan pemetaan yang tidak sesuai. Pada penelitian ini, algoritma retracking spiral algorithm dibuat untuk melakukan covergae path planning pada daerah yang tidak diketahui dengan pasti strukturnya. Selain itu, algoritma lifelong reinforcement learning berupa model as partition juga diimplementasikan untuk mengatasi luas area yang tidak diketahui pada environment tempat agen bekerja. Akan tetapi, kedua algoritma ini didasarkan pada model reinforcement learning yang mana memiliki kelemahan dari sisi kecepatan, skalabilitas, dan fleksibilitas. Oleh karena itu, hardware accelerator untuk kedua algoritma ini juga dibuat untuk menghadapi kelemahan-kelemahan tersebut. Berdasarkan hasil yang didapatkan, algoritma retracking spiral algorithm yang diteliti memilik rata-rata nilai coverage ratio sebesar 1.16 dan path efficiency sebesar 0.93 dengan kemampuan untuk melakukan coverage di area yang tidak diketahui. Untuk algoritma model as partition sendiri memiliki rata-rata coverage ratio sebesar 1.37 dan rata-rata path efficiency sebesar 0.78. Ditemukan pula tren kenaikan coverage ratio dan penurunan path efficiency ketika jumlah training dan obstacle naik. Model hardware accelerator yang dibuat juga diimplementasikan pada FPGA PYNQ-Z1 yang mana saat diukur resource utilization dari desain memiliki nilai di bawah 6% kecuali pada BRAM Tile dan memiliki frekuensi maksimum mencapai 142 MHz untuk retracking spiral algorithm dan mencapai 160 MHz untuk model as partition. Speedup antara hardware accelerator. Penelitian ini menunjukkan bahwa algoritma yang dibuat masih memiliki kemungkinan untuk dikembangkan, terutama dari sisi performa dan ukuran arena maksimal yang dapat dipetakan.