Perpustakaan Digital ITB

Sebanyak 16% dari populasi dunia merupakan penyandang disabilitas dengan salah satu kondisi disabilitas terbanyak adalah amputasi tangan. Salah satu solusi dari diamputasinya tangan adalah tangan bionik. Tangan bionik umumnya terbuat dari material kaku seperti plastik dan logam yang tidak seadaptif tangan manusia. Dengan menggunakan material lunak, tangan bionik dapat berinteraksi secara lebih adaptif dan aman. Tim Riset Biomekanika ITB telah mengembangkan tangan bionik soft robot dengan struktur kaku, pembatas regangan, dan terbuat dari perpaduan dua material hiperelastis. Gerakan tangan bionik tersebut dapat dikembangkan lebih lanjut salah satunya dengan membuat rentang pergerakan tangan bionik seperti layaknya tangan manusia asli. Optimasi desain soft robot memerlukan beban komputasi yang besar karena kompleksitas geometri dan ketidaklinearannya. Dengan demikian, pendekatan machine learning digunakan untuk menemukan desain optimal dengan waktu dan beban komputasi yang lebih rendah. Algoritma regresi linear, decision tree, random forest, k-nearest neighbours, dan support vector machine digunakan dalam penelitian ini. Data pelatihan dihasilkan menggunakan simulasi metode elemen hingga dengan masukan berupa nilai parameter desain yang divariasikan. Prediksi model machine learning disimulasikan menggunakan metode elemen hingga untuk divalidasi. Algoritma decision tree berhasil menghasilkan desain manipulator jari telunjuk dengan peningkatan akurasi sudut tekuk sebesar 16% sedangkan algoritma support vector machine berhasil menghasilkan desain manipulator ibu jari dan jari kelingking dengan peningkatan akurasi sudut tekuk sebanyak 11% dan 21% dibandingkan dengan desain sebelumnya. Studi lebih lanjut dapat dilakukan untuk mengeksplorasi algoritma dan metode optimasi machine learning lebih luas.