Perpustakaan Digital ITB

Penelitian tentang simultaneous localization and mapping (SLAM) atau lokalisasi dan pemetaan serentak telah banyak dikaji dan dikembangkan oleh banyak peneliti dalam satu dekade ini. SLAM yang diaplikasikan pada robot tunggal atau disebut juga single-robot SLAM telah memberikan hasil estimasi yang baik jika diterapkan untuk memetakan lingkungan dengan luas yang relatif kecil. Keberhasilan penerapan SLAM pada robot tunggal memunculkan ide untuk mengembangkan SLAM yang mampu memetakan lingkungan yang lebih luas. Ide dasarnya adalah dengan mengaplikasikan SLAM pada lebih dari satu robot, metode ini disebut juga dengan multi-robot SLAM. Terdapat dua tipe SLAM robot jamak, yaitu, SLAM tersentral dan SLAM terdistribusi. Penerapan SLAM tersentral memiliki kelemahan bahwa proses tidak dapat dilanjutkan apabila pada saat melakukan eksplorasi terjadi kegagalan sistem pada robot pusat. Pada SLAM robot jamak terdistribusi, kelemahan tersebut diatasi dengan cara: 1) setiap robot membangun peta lokalnya masing-masing yang kemudian akan digabungkan menjadi sebuah peta yang besar, 2) menghilangkan pemrosesan SLAM secara terpusat pada satu robot, 3) menghilangkan ketergantungan pada robot pusat sehingga apabila terjadi kegagalan sistem pada sebagian robot, sistem akan tetap berjalan, dan 4) setiap robot hanya berkomunikasi dengan robot lain dengan posisi yang berdekatan, robot tidak memerlukan komunikasi tersentral. Solusi SLAM robot jamak terdistribusi telah banyak dikembangkan oleh peneliti terdahulu, tetapi solusi tersebut belum memberikan hasil yang baik pada estimasi peta lingkungan, lokalisasi robot, dan konvergensi peta saat terjadi perulangan (loop closure). Penelitian ini mengusulkan metode SLAM robot jamak terdistribusi berbasis konsensus yang dapat diterapkan untuk memetakan lingkungan yang umum. Metode usulan dikembangkan berdasarkan pada algoritma FastSLAM; metode FastSLAM menyelesaikan persoalan SLAM menggunakan kombinasi metode penapisan partikel atau particle filtering (PF) dan penapisan Kalman yang diperluas atau extended Kalman filtering (EKF). Penelitian ini memunculkan dua pilihan parameter konsensus, yaitu, bobot partikel dan posterior parameter. Metode ini menggunakan asumsi bahwa setiap robot menggunakan model pergerakan dan model pengukuran yang sama; oleh karena itu, apabila diterapkan pada lingkungan yang umum maka derau sistem dan derau pengukurannya pun diasumsikan sama. Penelitian ini menggunakan model komunikasi langsung robot ke robot (ad-hoc) untuk melakukan pertukaran data. Masing-masing robot melakukan penyiaran (broadcast) informasi lokal yang dimiliki, robot lain menangkap informasi yang disiarkan menggunakan komunikasi langsung. Kekuatan sinyal komunikasi dijadikan ukuran prioritas pertukaran data antar robot. Tujuan penelitian ini adalah merancang metode SLAM robot jamak terdistribusi berbasis konsensus yang dapat diterapkan pada lingkungan yang umum dan mampu memberikan hasil estimasi peta dan lokalisasi robot yang lebih baik, yaitu hasil estimasi yang memiliki derau yang lebih kecil serta konvergen pada saat terjadinya perulangan (loop closure). Pengujian kinerja metode usulan berfokus pada lima aspek, yaitu: 1) root mean square error (RMSE) atau rata-rata akar kuadrat derau peta untuk melihat kinerja hasil estimasi peta, 2) RMSE lokalisasi robot untuk melihat kinerja hasil estimasi lokalisasi, 3) lama waktu komputasi untuk melihat berapa lama waktu yang dibutuhkan kalkulasi per iterasi SLAM, dan 4) konvergensi pada saat terjadi perulangan. Hasil yang diperoleh dari penelitian ini adalah metode SLAM robot jamak terdistribusi berbasis konsensus memiliki kinerja yang lebih baik dalam hal estimasi peta dan lokalisasi, dan konvergensi peta pada saat perulangan jika dibandingkan dengan metode SLAM robot jamak terdistribusi. Perbaikan kinerja tersebut juga berdampak ada kenaikan pada waktu komputasi.