Perpustakaan Digital ITB

Mobilitas mandiri sangat krusial bagi perkembangan kognitif dan fisik anak-anak dengan disabilitas fisik, namun mengoperasikan kursi roda standar dapat berdampak pada kelelahan fisik dan mental yang menghambat partisipasi sosial. Meskipun teknologi navigasi otonom menawarkan solusi menjanjikan untuk mengurangi kelelahan, sistem yang ada saat ini seringkali bersifat umum, sulit dijangkau karena biaya perangkat keras yang tinggi, atau kurang mempertimbangkan desain spesifik yang dibutuhkan anak-anak. Akibatnya, masih terdapat kesenjangan yang signifikan dalam pengembangan alat bantu mobilitas otonom yang aksesibel dan berpusat pada anak yang dapat beroperasi secara andal di lingkungan dalam ruangan (indoor). Untuk mengatasi tantangan ini, penelitian ini merinci pengembangan dan integrasi prototipe kursi roda otonom yang dirancang untuk pemetaan dalam ruangan yang tangguh. Sistem ini beroperasi pada arsitektur Robot Operating System 2 (ROS 2), yang menggabungkan data dari sensor 2D Light Detection and Ranging (LiDAR), Inertial Measurement Unit (IMU), dan sensor efek Hall untuk bernavigasi secara efektif. Extended Kalman Filter (EKF) digunakan untuk menggabungkan data proprioseptif dari odometri roda dan IMU, guna memitigasi efek selip roda dan penyimpangan (drift) untuk memberikan estimasi posisi (pose) yang akurat. Fusi sensor ini mendukung algoritma Simultaneous Localization and Mapping (SLAM) berbasis LiDAR, yang memungkinkan kursi roda membangun peta occupancy grid yang presisi di lingkungan yang tidak diketahui. Validasi eksperimental memverifikasi kemampuan sistem dalam memberikan performa navigasi dengan presisi tinggi. Uji gerak linier menunjukkan linearitas pengukuran yang tinggi (R² ? 0.999) setelah kalibrasi untuk kesalahan sistematis radius roda, sementara konsistensi pemetaan diverifikasi secara kuantitatif melalui uji coba berulang menggunakan Structural Similarity Index Measurement (SSIM), yang menghasilkan skor kemiripan antara 0,66 dan 0,77. Hasil ini mengonfirmasi bahwa sistem SLAM berbasis LiDAR yang dikembangkan dapat membangun peta dalam ruangan yang konsisten secara andal, sehingga menetapkan landasan fungsional dan tangguh bagi kursi roda bantu otonom di masa depan.