SISTEM PREDIKSI JENIS MEDAN PADA ROBOT OUTDOOR BERODA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Abstrak

Selip roda adalah salah satu kesulitan yang dihadapi ketika menggunakan robot luar ruangan yang menggunakan roda. Selip roda dapat terjadi ketika kecepatan roda tidak sesuai dengan kondisi lanskap. Kontrol cengkeraman sangat penting untuk menjaga keandalan dan mencegah selip roda. Penyesuaian berdasarkan jenis medan diperlukan untuk memastikan fungsionalitas optimal karena nilai kontrol cengkeraman dapat berbeda untuk berbagai jenis medan. Dengan demikian, sistem prediksi medan yang terintegrasi sangat penting bagi robot luar ruangan untuk membantu menyesuaikan nilai kontrol cengkeraman yang telah diatur berdasarkan medan yang dihadapi. Metode visual melalui kamera robot dapat digunakan untuk mendeteksi medan. Tujuan penelitian ini untuk mendesain arsitektur Convolutional Neural Network (CNN) yang sesuai dalam prediksi jenis medan. Penelitian ini juga bertujuan untuk mengukur kesuksesan sistem dalam memprediksi medan yang dilalui oleh robot yang bergerak secara langsung. Model CNN yang dikembangkan berhasil mencapai tingkat keakuratan sebesar 95%. Sistem prediksi mampu melakukan prediksi secara langsung dengan rata-rata waktu 0.094 detik. Dalam pengujian keseluruhan sistem pada robot yang bergerak maju, akurasi mencapai 84.61%.