Laporkan Masalah

Perencanaan Gerakan pada Kobuki Yujin untuk Aplikasi Robot Pembawa Multifungsi di Bandara : Perencanaan Lokalisasi

RAYHAN TITHO KHARISMA, Adha Imam Cahyadi, S.T., M.Eng., D.Eng. ; Dr. Ir. Samiadji Herdjunanto, M.Sc.

2020 | Skripsi | S1 TEKNIK ELEKTRO

Salah satu faktor yang menyebabkan keterlmabatan keberangkatan pesawat adalah keterlambatan penumpang untuk check-in. Menurut Kementrian Perhubungan, faktor non teknis seperti keterlambatan kru pesawat, keterlambatan katering, keterlambatan karena menunggu penumpang yang akan check-in, ketidaksiapan pesawat dan keterlambatanan penanganan di darat menyumbang sebesar 49.63% terhadap keterlambatan pesawat. Hal ini disebabkan karena kurangnya penerapan automasi dalam lalu lintas bandara. Dalam penelitian ini dibuat prototype dengan Turtlebot Kobuki Yujin dan Kinect Camera XBOX 360, yang akan berjalan secara otomatis melalui rute yang telah ditentukan sembari melakukan penghindaran objek. Hal ini disebut juga perencanaan gerakan atau motion planning. Solusi yang diajukan terdiri dari beberapa tahapan. Tahap pertama adalah mengakuisisi peta dari lingkungan sekitar robot. Tahap ini digunakan metode Simultaneous Localization and Mapping (SLAM). Pada SLAM ini, untuk mapping-nya algoritma yang digunakan adalah algoritma bawaan dari ROS yaitu Gmapping algorithm, sedangkan untuk lokalisasi robot, algoritma yang digunakan adalah Adaptive Monte Carlo Localization. Kemudian tahap kedua adalah Path Planning dengan algoritma navfn (djikstraa) sebagai perencana global (global planner) dan Dynamic Window Approaches Planner (DWA Planner) sebagai perencana lokal (local planner). Uji coba navigasi yang dilakukan pada laboraturium Schneider DTETI FT UGM menghasilkan navigasi yang memiliki error sebesar 9.75%. Pada tugas akhir ini juga terdapat penelitian mengenai SLAM, AMCL dan metode perencanaan jalur yang digunakan. Pada penelitian SLAM kesimpulan yang didapatkan adalah bahwa perubahan parameter Resample Threshold dan Particles akan mempengaruhi performa sistem dalam hal ini kapasitas CPU dan memori yang digunakan dalam proses SLAM. Pada AMCL, pengaruh akurasi lokalisasi dipengaruhi oleh kecepatan gerak robot selama lokalisasi, semakin cepat robot bergerak, akurasi lokalisasi akan semakin rendah. Perbandingan metode perencanaan jalur navfn dan Relaxed A-Star, pada tugas akhir ini dapat disimpulkan metode navfn dapat lebih cepat mencapai tujuan daripada metode Relaxed A-Star.

One of the factors that caused the departure of flight is delayed passengers to check in. According to the Ministry of Transportation, non-technical factors such as flight crew delays, catering delays, delays due to waiting for passengers to check in, aircraft unpreparedness and late handling on land accounted for 49.63% of aircraft delays. This is due to the lack of application of automation in airport traffic. In this study a prototype was made with Turtlebot Kobuki Yujin and Kinect Camera XBOX 360, which will run automatically through the specified route while avoiding objects. This is also called motion planning. The proposed solution consists of several stages. The first stage is to acquire maps of the environment around the robot. This stage uses the Simultaneous Localization and Mapping (SLAM) method. In this SLAM, for the mapping algorithm used is the default algorithm from ROS namely Gmapping algorithm, while for robot localization, the algorithm used is Adaptive Monte Carlo Localization. Then the second step is Path Planning with Navfn algorithm (djikstraa) as a global planner and Dynamic Window Approaches Planner (DWA Planner) as a local planner. The navigation test conducted at the Laboratory of Schneider DTETI FT UGM produces navigation which has an error of 9.75%. In this final project there is also research on SLAM, AMCL and path planning methods used. In the SLAM research the conclusion is that the change in the Resample Threshold and Particles parameters will affect system performance in this case the CPU and memory capacity used in the SLAM process. At AMCL, the effect of localization accuracy is affected by the speed of robot motion during localization, the faster the robot moves, the accuracy of localization will be lower. Comparison of navfn and Relaxed A-Star path planning methods, in this final project it can be concluded that the navfn method can reach its destination faster than the Relaxed A-Star method.

Kata Kunci : SLAM, Gmapping, AMCL, path planning

  1. S1-2020-384958-abstract.pdf  
  2. S1-2020-384958-bibliography.pdf  
  3. S1-2020-384958-tableofcontent.pdf  
  4. S1-2020-384958-title.pdf