Menurut data dari International Federation of Robotics in World Robotics 2014 Service Robots, pada tahun 2014 penjualan robot berkembang hingga senilai 5,97 juta dollar (Zhaohui, Mei, Bian, Cai, & Ti, 2017). Mulai dari robot yang digunakan untuk rumah tangga, seperti membersihkan rumah, melakukan tugas sederhana, hingga resepsionis di rumah sakit ataupun hotel dengan tugas tertentu. Pabrikan otomotif tidak mau ketinggalan dalam pengembangan robot, Toyota mengembangkan robotnya dengan nama Kirobo, dan Honda dengan Asimo, kedua robot tersebut dapat diprogram untuk tugas tertentu yang spesifik.

Tren robot humanoid dengan meniru pergerakan manusia semakin berkembang, Rodriguez mengembangkan robot bernama NAO. NAO merupakan robot humanoid dengan tinggi 58 cm dengan berat 4,8 kg dengan kemampuan bergerak meniru pergerakan manusia. Data masukan robot didapatkan dengan meniru pergerakan sendi manusia dan dapat diperintah melalui pengenalan suara. (Rodriguez, Astigarraga, Jauregi, Ruiz, & Lazkano, 2014)

Penelitian yang dilakukan oleh Yin mengembangkan sebuah robot yang mampu membaca keadaan sekitar tanpa dilengkapi panca indra. Robot ini dilengkapi dengan sensor SONAR, data dari sensor dibaca menggunakan mikrokontroler Atmel AT89S51. Data tersebut digunakan sebagai masukan sistem agar dapat membaca keadaan sekitar secara kontinu secara 2 Dimensi.(Lee, Yeoh, & Soetedjo, 2008)

Bošnak merancang robot yang dilengkapi sensor LIDAR yang dilengkapi dengan algoritma SLAM (simultaneous localization and mapping) untuk plotting data. Implementasi SLAM menggunakan bahasa C++ dengan framework Qt, dikombinasikan dengan algoritma EPCC untuk klustering data hasil keluaran sensor sebagai salah satu metode split-and-merge (SAM). (Bošnak, 2017)

 

ROS (Robotic Operating System)

Dalam sistem yang akan dikembangkan, peneliti menggunakan ROS untuk mengontrol perangkat keras sensor LIDAR. Dengan bantuan ROS yang telah dilengkapi dengan berbagai macam library dan berbagai perangkat lunak untuk memudahkan interaksi antara perangkat keras dan perangkat lunak. ROS menyediakan abstraksi perangkat keras, driver sensor LIDAR, library, manajemen paket, hingga visualisasi data. Termasuk abstraksi perangkat keras dan menyediakan jalur komunikasi untuk perangkat dengan level yang lebih rendah, sehingga dapat membaca sensor dengan mudah.(Saito, Azumi, Kato, & Nishio, 2016) Pada gambar 2.1 ROS menyediakan sebuah library yang menyediakan jalur komunikasi secara real time. Jalur ini digunakan untuk komunikasi antar node di dalam layer aplikasi ROS.

Gambar 2.1 Arsitektur ROS sebagai meta OS

SLAM (Simultaneous Localization And Mapping)

SLAM atau Simultaneous Localization And Mapping adalah sebuah algoritma yang dikembangkan oleh Hugh Durrant-Whyte dan John J. Leonard. SLAM diciptakan dengan tujuan untuk pemetaan pada area yang asing dan tidak diketahui sebelumnya, agar robot dapat melakukan navigasi secara mandiri menggunakan peta yang telah diciptakan. (Riisgaard & Blas, 2004)

SLAM terdiri dari beberapa bagian, antara lain ekstraksi landmark, asosiasi data, prediksi keadaan sekitar, pemutahkiran landmark dan data sekitar. SLAM dapat diaplikasikan untuk pemetaan 2 Dimensi maupun 3 Dimensi, ada banyak algoritma yang memanfaatkan konsep dari SLAM. Pada gambar 2.2 SLAM menggunakan algoritma EKF (Extended Kalman Filter) untuk pemetaan keadaan sekitar. Robot akan melakukan pemetaan menggunakan sensor LIDAR, kemudian data diproses melalui EKF untuk melakukan perkiraan posisi robot, perkiraan ini menggunakan data pembanding landmark yang terlebih dahulu telah dipetakan. Pemutahkiran data akan dipicu oleh odometri, kemudian posisi yang baru akan diupdate menggunakan EKF, data posisi yang baru akan diasosiasikan menggunakan landmark yang telah ditemukan. Proses ini akan berulang sesuai dengan kebutuhan pemetaan dari robot