Path Planning dan Obstacle Avoidance Mobile Robot Khepera-IV pada Platform CoppeliaSim Berbasis Deep Q-Network (DQN) dan Braitenberg
Nabilla Destrianty, Jans Hendry, S.T., M.Eng.
2024 | Tugas Akhir | D4 Teknologi Rekayasa Instrumentasi dan Kontrol
Penelitian ini membahas tentang path planning dan
obstacle avoidance mobile robot Khepera-IV pada platform CoppeliaSim
berbasis Deep Q-Network (DQN) dan Braitenberg yang berfokus pada improvisasi
algoritma kontrol robot melalui penggabungan dari kedua metode, yakni DQN
dan Braitenberg (DQN-Braitenberg). Metode DQN-Braitenberg menggunakan output
nilai kecepatan roda kanan dan kiri robot dari algoritma DQN sebagai input
algoritma Braitenberg yang akan menghasilkan nilai kecepatan baru roda
kanan dan kiri robot sehingga kecepatan baru ini yang direpresentasikan ke
dalam pengambilan keputusan tindakan oleh DQN. Penelitian ini melibatkan tahap training
and testing agen DQN-Braitenberg yaitu Khepera-IV pada lingkungan virtual
di CoppeliaSim, tahap pengujian parameter model agen DQN-Braitenberg, dan tahap
validasi model dengan parameter terbaik pada agen. Dilakukan studi perbandingan
dengan membandingkan kinerja antara agen DQN-Braitenberg dan agen DQN guna
mencari metode terbaik yang dapat diterapkan dalam meningkatkan kinerja agen
untuk mencapai target sambil menghindari rintangan di lingkungan. Hasilnya,
agen dengan metode DQN-Braitenberg memiliki kinerja yang lebih baik dari segi
waktu kedatangan ke target dan indeks kinerja error agen di lingkungan
jika dibandingkan dengan agen yang menggunakan hanya metode DQN saja.
This research is about path planning and obstacle avoidance of
mobile robot Khepera-IV on CoppeliaSim platform based on Deep Q-Network (DQN)
and Braitenberg, which focuses on improvising the robot control algorithm by
combining two methods, i.e. DQN and Braitenberg (DQN-Braitenberg).
DQN-Braitenberg method are uses the output value of the robot's right and left
wheel speed from the DQN algorithm as input to the Braitenberg algorithm, which
will generate new values for the robot's right and left wheel speed, so that
this new speed is represented in the decision-making of actions by DQN. This research
involved the training and testing stage of the DQN-Braitenberg agent i.e. Khepera-IV,
in a virtual environment in CoppeliaSim, the testing stage of the
DQN-Braitenberg agent model parameters, and the validation stage of the model
with the best parameters on the agent. A comparative study was conducted by
comparing the performance between the DQN-Braitenberg agent and the DQN agent in
order to find the best method that can be applied to improve the agent's
performance to reach the target while avoiding obstacles in the environment. So,
the results proven that the agent with the DQN-Braitenberg method had better
performance in terms of arrival time to the target and the agent's performance
error index in the environment compared to the agent that used only the DQN
method.
Kata Kunci : DQN, Braitenberg, Khepera-IV, CoppeliaSim