3. Topics
• Review: Perencanaan Pergerakan Robot
• Pemetaaan Robot Bergerak
– Penggunaan Sonar untuk pembuatan Peta
– Bayes Rule
– Evidence Grids
3
4. Review: Perencanaan Pergerakan
Tujuan : Mencari jalur (path) yang menghubungkan
Posisi awal (initial) menuju Posisi tujuan (goal)
tanpa menabrak halangan
– Ruang Konfigurasi (Configuration Space)
– Metoda Perencanaan Pergerakan
• Roadmap Approaches
• Cell Decomposition
• Potential Fields
• Bug Algorithms
4
5. Review: Perencanaan Pergerakan
• Metoda-metoda Perencanaan Pergerakam Robot Bergerak
– Roadmap
– Cell Decomposition Full knowledge motion planning
– Potential Field
• Roadmap
– Dari ruang konfigurasi bebas (Cfree) dihasilkan grafik roadmap
– Cara untuk menghasilkan Roadmap
• Visibility graph
• Voronoi diagram
• Cell Decomposition
– Robot dalam ruang konfigurasi bebas (Cfree) diuraikan dalam daerah/sel
– jalur dibentuk berdasarkan (titik tengah ) mid-point garis penghubung antar sel
• Potential Field
– Robot dianggap sebagai partikel yang dipengaruhi oleh medan potensial U
(potential field), dimana
• posisi tujuan membangkitkan gaya tarik atraktif (attractive), (+)
• Halangan membangkitkan gaya tolak repulsif (repulsive), (-)
5
6. Full-knowledge motion planning
Roadmaps Cell decompositions
visibility graph
exact free space
melalui convex
polygons
voronoi diagram
approximate free
space melalui
quadtree
6
7. Full-knowledge motion planning
• Diasumsikan Posisi tujuan dan situasi ruang (free/obstacle) diketahui
Potential
field
Tujuan dan halangan menghasilkan
gaya (artifisial), robot bergerak
mengikuti gradient negatif gaya
total. 7
8. Overview Sistem Robot Bergerak
high-level Motion Planning: Diketahui situasi medan
(free/obstacle) bagaimana membangun jalur dari keadaan
posisi awal menuju tujuan tanpa menabrak halangan ?
Lokalisasi (Localization) : Diberikan sensor dan peta
(map), dimana posisi saat ini ?
Pemetaan (Mapping) : Diberikan sensor, bagaimana
Abstraction level membuat peta dari medan yang akan dijelajahi ?
Kinematika: Jika motor bergerak dengan posisi sudut
tertentu, bagaimana posisi dan orientasi dari robot
bergerak terhadap KK referensi
Controller (PID): berapa arus (sinyal kendali) yang harus
di berikan kepada motor setiap waktu untuk
mempertahankan performansi ?
low-level Sistem sensor, Sistem Penggerak, Sistem
Pengemudian, Embedded Mikrokontroller, Pemodelan 8
9. Pemetaan Robot Bergerak
• Masalah utama untuk melakukan pergerakan
– Bagaimana mendapatkan peta dari lingkungan
dengan sensor-sensor yang tidak sempurna
(imperfect sensors)
– Bagaimana robot dapat memberitahu posisinya
dalam peta (localization)
– Bagaimana Bergerak dari satu posisi ke posisi
lainnya dalam kondisi yang tidak pasti (uncertain
conditions)
– Bagaimana menggunakan penglihatan (vision) secara
efektif (effectively)
9
10. Sonar (Sound Navigation and Ranging)
sonar timeline
0 75 s Sensor menuju mode
.5s
Berkas suara (chirp) Saat dimana chirp “receiving” untuk Batas waktu dimana
ditransmisikan ke pertama berhenti menunggu sinyal balik sinyal akan sangat
lingkungan lemah untuk diterima
Jarak pengukuran Sonar biasanya
terbatas dipengaruhi oleh redaman
(attenuation)
Polaroid sonar emitter/receivers
10
11. Efek Sonar
(a) Sonar menghasilkan
pengukuran yang akurat
(b-c) resolusi pengukuran arah
samping (lateral) tidak terlalau presisi;
object terdekat dalam berkas kerucut
(beam’s cone) yg terukur
(d) Pantulan Spekular
mengakibatkan dinding
menghilang
(e) Sudut yang terbuka (open corner)
menghasilkan sinyal pantul yang lemah
(f) Tepi yang tertutup dapat
mengakbitkan yang terukur hanya
sudut saja akibat beberapa kali
pantulan (multiple reflections)
11
12. Pemodelan Sonar
initial time response
accumulated
responses
blanking time
cone width
spatial response
Sonar amplitude
profile: 3-D cone
with side lobes
12
13. Pemodelan Sonar
• Model response, hR
c = kecepatan suara
a = diameter elemen sonar(transducer)
t = waktu
z = jarak orthogonal
sonar S = sudut permukaan lingkungan
reading
z= o
obstacle • model probabilitas
p( S | o )
Kemungkinan pembacaan sonar
adalah S, jika diketahui halangan (
obstacle) pada lokasi o 13
14. Peta menunjukkan apa ?
oxy sel (x,y) terisi sel (x,y) kosong
pre ‘83 Peta dari sel terisi oxy
‘83 - ‘88 Peta dari probabilitas: p( o | S1..i ) Kepastian bahwa sel tsb terisi
(occupied), diketahui pembacaan
sensor S1, S2, …, Si
p( o | S1..i ) Kepastian bahwa sel tsb kosong (
unoccupied), diketahui pembacaan
sensor S1, S2, …, Si
14
