Perpustakaan Digital ITB

Sebuah robot mobil perlu dilengkapi kemampuan navigasi yang baik sehingga robot mampu bergerak di suatu ruang dan menghindari halangan untuk mencapai satu posisi dari posisi tertentu, terutama untuk robot yang ditujukan mengerjakan suatu pekerjaan seperti robot transporter dan robot layanan. Pencarian jalur terpendek, lokalisasi dan pemetaan, dan penghindaran halangan adalah permasalahan utama navigasi pada robot mobil. Sejauh ini banyak pendekatan yang dilakukan di beberapa penelitian untuk 3 masalah tersebut, termasuk dengan menggunakan metode pembelajaran mesin. Tesis ini bertujuan untuk membuat sistem navigasi robot mobil menggunakan metode pembelajaran mesin, Reinforcement Learning, khususnya menggunakan algoritma Q – Learning. Diharapkan robot mobil mampu menjalankan fungsi pencarian rute terpendek, pemetaan dan lokalisasi, dan mampu menghindari halangan statis dan dinamis pada lingkungan. Untuk menjalankan sistem pada banyak platform perangkat keras di saat yang bersamaan dan membuat suatu stasiun kendali untuk keperluan monitoring robot sebagai HMI (human machine interface) yang dapat menghubungkan manusia dan robot, maka pada penelitian ini dimanfaatkan platform middleware Robot Operating System (ROS). Robot mobil menggunakan roda mekanum sehingga robot memiliki pergerakan holonomik yang lebih fleksibel dibanding yang menggunakan differential drive. Kemampuan navigasi pada robot mobil terhadap lingkungan yang baru, dicapai setelah dilakukan pelatihan sebanyak 400 episode pada simulasi, dan terlihat robot mobil mampu mencari rute baru ketika rute yang sudah ada ditutup atau dihalangi, serta robot mobil mampu menghindari halangan dinamis dengan baik.