Trysal Akbar F.P., Dr. Noval Lilansa, Dipl.Ing (FH)., M.T., Nur Wisma Nugraha, S.T., M.T.
Jurusan Teknik Mesin dan Manufaktur, Konsentrasi Teknik Elektromekanik
Politeknik Manufaktur Bandung
Jl Kanayakan No. 21 – Dago, Bandung - 40135
Phone/Fax : (022) 250 0241 / 250 2649
Email: rifqi.muzhafar@gmail.com
ABSTRAK
Autonomous mobile robot sudah menjadi teknologi yang tidak asing lagi bagi umat manusia, pasalnya
teknologi ini sangat membantu pekerjaan manusia karena mobilitas yang tinggi dan penggunaan yang praktis.
Penggunaan roda spesial juga sangat berpengaruh terhadap kemampuan bermanuver robot, roda spesial seperti
mecanum wheel dan omniwheel memungkinkan robot dapat bergerak ke segala arah tanpa harus mengubah
orientasi robot. Tetapi, pada praktiknya penggunaan jenis roda ini memiliki beberapa kekurangan, diantaranya
adalah berkurangnya kapasitas beban yang dapat ditopang dan sangat sensitif terhadap bidang kontak yang tidak
rata. Maka dari itu digunakan konfigurasi roda powered steering wheel, dimana konfigurasi ini menggunakan roda
biasa dengan mekanisme tambahan sehingga dapat mencakup semua kemampuan roda spesial tanpa harus
mengurangi kapasitas beban ataupun meningkatkan sensitifitas terhadap bidang kontak yang tidak rata.
Tugas akhir ini bertujuan untuk merancang dan mengimplementasikan autonomous mobile robot dengan
menggunakan mekanisme roda powered steering wheel, dimana didalamnya terdapat behavior control yang
diterapkan pada sistem obstacle avoidance. Robot yang dibuat dimaksudkan untuk bekerja pada skala laboratorium,
dimana robot ini dapat digunakan sebagai alat bantu pembelajaran interaktif sehingga proses pembelajaran
berpusat pada pengguna aplikasi. Pengguna dituntut untuk berkesperimen menggunakan robot dengan antarmuka
yang telah dibuat sehingga peserta ajar dapat lebih cepat memahami cara kerja robot baik itu dari segi sistem
kendali, aktuator maupun pembacaan sensor
Hasil pengujian pada sistem persepsi, robot dapat mendeteksi obstacle pada setiap titik disekitarnya tanpa
adanya blind spot dengan syarat minimal lebar obstacle 4 cm dan tinggi 20 cm. Kemudian pada sistem kendali
gerak, robot dapat bergerak dengan sudut pergerakan sesuai dengan orientasi yang diberikan mulai dari sudut 0°
sampai 360° dengan ketelitian steering sebesar 0.29°. pada sistem kognitif, robot dapat bergerak sesuai dengan
behavior yang ditentukan oleh pengguna, robot dapat menghindari obstacle dengan sudut pergerakan 0°, 30°, 60°,
120°, 150°, 180°, dan 270°.
Kata Kunci:
Autonomous mobile robot, Powered Steering Wheel, Sistem kendali cerdas, LabVIEW 2014, Behavior control,
Map-based control, Interactive learning.
1
yang terdiri dari beberapa sistem yang saling berkaitan, yang dimiliki kurang interaktif khususnnya dalam
diantaranya adalah sistem persepsi, sistem kendali penyajian pergerakan robot karena hanya menyajikan
gerak dan sistem kognitif. pergerakan posisi robot, sedangkan pembacaan sensor
AMR biasanya dibuat agar dapat bergerak dan pergerakan robot secara mendetail tidak
secara planar, sehingga hanya melibatkan dua ditampilkan sehingga kurang menunjang apabila
dimensi. Pergerakan dua dimensi memiliki tiga derajat digunakan sebagai alat bantu pembelajaran khususnya
kebebasan; bergerak maju mundur, bergerak bagi peserta ajar jenjang 6. Oleh karena itu dibutuhkan
menyamping dan berputar pada sumbu porosnya alat bantu pembelajaran berupa omnidirectional AMR
sendiri [2]. Maka dari itu, dibutuhkan AMR yang menggunakan powered steering wheel yang dapat
dapat bergerak ke segala arah di sepanjang bidang menunjang pembelajaran robotika pada mahasiswa
tanah (omnidirectional) agar dapat memenuhi tiga diploma IV.
derajat kebebasan tersebut. Robot dengan pergerakan Berdasarkan pemaparan di atas, dalam proposal
omnidirectional dapat diimplementasikan dengan tugas akhir ini diusulkan alat bantu pembelajaran
menggunakan dua jenis rancangan roda; special wheel robotika berupa mobile robot yang dapat bergerak
design dan conventional wheel design [4]. Special secara omnidirectional menggunakan Powered
wheel design dibagi menjadi tiga jenis, yaitu omni Steering Wheel. Diharapkan dengan alat bantu
wheel, mecanum wheel dan ball wheel. Sedangkan, pembelajaran ini mahasiswa dapat mempelajari
conventional wheel design dibagi menjadi castor perkembangan pada bidang robotika khususnya pada
wheel dan steering wheel. Special wheel memiliki pengaplikasian AMR dengan melihat respon robot
desain yang compact, mudah untuk dikendailkan dan terhadap perubahan parameter pengendalian robot
menghasilkan gaya dorongan yang rendah pada saat sehingga mahasiswa dapat bersaing dalam
bergerak diagonal [12]. Namun sangat sensitif penggunaan teknologi robotika terkini.
terhadap bidang yang tidak rata dan memiliki bidang
kontak roda yang tidak merata sehingga daya tidak II. PERANCANGAN SISTEM
dapat digunakan secara optimal [4]. Hal tersebut dapat
diatasi menggunakan roda konvensional (steering Secara umum, robot memiliki empat sistem
wheel atau castor wheel) karena memiliki kelebihan; utama yaitu bagian antarmuka, bagian pengendali
kuat terhadap bidang yang tidak rata, bidang kontak utama (kognitif), bagian pengendali gerakan (motion
roda yang merata dan kapasitas beban yang tinggi. control), dan bagian pengendali sensor dan persepsi.
Tetapi pada pengaplikasiannya, roda konvensional Gambar 2.1 menunjukan bagaimana hubungan
membutuhkan mekanisme tambahan agar dapat keempat sistem tersebut agar membentuk suatu
bergerak secara omnidirectional [4]. Contoh kesatuan yang utuh.
pengaplikasiannya adalah pada robot Turtlebot3
Conveyor yang diproduksi oleh ROBOTIS yaitu
merupakan perangkat robot pribadi yang tersedia di
pasaran. Maka dari itu alat ini sangat cocok untuk
dijadikan alat bantu pembelajaran pada mata kuliah
robotika, khususnya pada jenjang 6 yang setara
dengan Diploma IV karena sesuai dengan Peraturan
Presiden Nomor 8 Tahun 2012, jenjang 6 memiliki
kualifikasi agar peserta ajar dapat menguasai konsep
teoritis bidang pengetahuan tertentu secara umum dan
konsep teoritis bagian khusus secara mendalam serta
dapat memformulasikan penyelesaian masalah secara
prosedural [14], yang berarti peserta ajar harus dapat Gambar 2.1 Blok sistem kendali robot
menguasai konsep teoritis robotika secara umum dan
khusus serta dapat mengimplementasikannya dalam
suatu penyelesaian masalah yang sesuai prosedur. Berdasarkan blok diagram sistem kendali di
Pada saat ini terdapat beberapa AMR yang atas, arsitektur sistem yang dibangun terdiri dari
dijual di pasaran, diantaranya adalah Robotino oleh empat bagian utama, yaitu PC yang ter-install
Festo, MPO-700 oleh NEOBOTIX, MiR200 oleh perangkat lunak NI LabVIEW yang berguna sebagai
Mobile Industrial Robot dan Turtlebot3 Conveyor antarmuka antara pengguna dengan robot, Raspberry
oleh ROBOTIS. Dari semua model tersebut, hanya Pi 3 (master) sebagai pengendali utama dan sekaligus
Turtlebot3 Conveyor yang menggunakan kontruksi pengendali sistem kognitif robot secara langsung,
powered steering wheel sehingga cocok dengan STM32 (slave 1) sebagai mikrokontroler pengendali
kebutuhan. Namun, Turtlebot3 Conveyor tidak motor DC sekaligus pengakuisisi data encoder,
ditujukan sebagai alat bantu pembelajaran, melainkan kemudian Arduino Mega (slave 2) sebagai
untuk robot pribadi, penelitian dan robot industri mikrokontroler untuk sistem persepsi robot dan
sehingga human-machine interface yang dimiliki pengendali sensor-sensor robot. Berikut ini
masih belum memenuhi kriteria yang dibutuhkan merupakan gambaran hardware dan software yang
karena tidak memaparkan penjelasan konsep teoritis digunakan pada sistem robot.
yang digunakan. Selain itu, human-machine interface
2
Gambar 2.2 Ilustrasi Sistem
Terdapat beberapa domain dalam system Gambar 2.4 Tampak isometrik desain robot
yang dibuat yaitu domain elektrik, domain mekanik Dalam mobile robot ada tiga sistem utama
dan domain informatik/kontrol. untuk mengendalikan robot. Tiga sistem tersebut
Rangkaian elektrik robot terpusat dalam satu adalah sistem persepsi, sistem kognitif, dan sistem
Motherboard. Motherboard ini menjadi tempat kendali gerak robot. Sistem persepsi bertugas untuk
terpasangnya seluruh sensor, mikrokontroler dan mengumpulkan data lingkungan sekitar dan membuat
komponen-komponen elektrik. Gambar 2.3 simpulan atas data hasil pembacaan tersebut. Sistem
Menunjukan desain PCB dari motherboard yang kognitif memiliki fungsi untuk menginterpretasikan
digunakan. hasil simpulan sistem persepsi menjadi aksi yang
harus dilakukan oleh robot (pengambilan keputusan).
Selanjutnya jika sistem kognitif sudah menghasilkan
suatu keputusan, sistem kendali gerak robot bertugas
untuk mengendalikan gerakan robot berdasarkan hasil
keputusan tersebut. Sebagai contoh, apabila sistem
kognitif menghasilkan keputusan robot harus berbelok
maka sistem kendali gerak akan membuat robot
berbelok. Pada sistem kendali gerak inilah sistem
kendali konvensional digunakan.
Pada perancangan domain kontrol, sistem yang
akan dirancang menggunakan mikrokontroler dan
miniPC. Pemrograman dilakukan dengan
menggunakan Arduino IDE dan LabVIEW 2014.
Berikut merupakan gambaran umum sistem
informatic yang digunakan pada robot ini.
Gambar 2.3 Desain PCB motherboard.
Perancangan perangkat mekanik diambil dari
rancangan yang sudah ada yaitu Turtlebot 3 Conveyor
namun dimodifikasi sesuai dengan kebutuhan pada
tugas akhir ini, adapun modifikasi yang dilakukan
adalah penambahan 12 buah sensor ultrasonic,
mengganti motor penggerak roda menggunakan motor
DC, dan penggantian servo dynamixel dari MX series
ke AX-12A dimana dari segi bentuk memiliki dimensi
yang berbeda. Modifikasi ini dimaksudkan agar alat
dapat menyesuaikan dengan kebutuhan sistem yang
ingin dibuat, dimana alat ini nantinya digunakan
sebagai media pembelajaran. Berikut tampilan dari
rancangan mekanik yang telah dibuat.
3
gambaran alat pada sub tab “Arsitektur Sistem”. Pada
III. HASIL IMPLEMENTASI tab deskripsi sistem lebih menekankan pada
penjelasan fungsi dan sedikit gambaran dari sistem
3.1 Aktualisasi Rancangan yang dimiliki alat tersebut.
Dari perancangan yang telah dilakukan, Pada tab teori, dipaparkan teori – teori yang
dilakukan pembuatan robot secara aktual. Gambar mendukung dan digunakan pada alat ini. Teori – teori
berikut menunjukan aktualisasi rancangan mekanik yang dibahas adalah teori mengenai cara kerja sensor
yang telah dibuat. ultrasonic, kinematika robot dan teori behavior
control. Tab teori ditunjukkan pada Gambar 3.4.
4
jarak antara objek dan sensor dimana t = Air Time.
Berikut contoh perhitungan data jarak yang dibaca
oleh sensor HC-SR04.
𝑐. 𝑡 343. 311
𝑑= = = 0,0533 𝑚 = 5,33 𝑐𝑚
2 2
Keterangan :
d = Jarak yang diukur oleh sensor
c = Cepat rambat suara (pengujian dilakukan pada
suhu ruangan) [m/s]
Gambar 3.6 Tampilan antarmuka pada bagian t = Air time (waktu tempuh gelombang ultrasonic) [us]
implementasi kendali gerak (1)
Pengujian dilakukan pada suhu ruangan
sehingga diasumsikan kecepatan rambat suara di
udara sebesar 343 m/s, kemudian air time didapat dari
hasil pembacaan sensor ultrasonic yang digunakan.
Tabel 3.1 menunjukan hasil pengukuruan sensor
ultrasonic yang dibandingkan dengan pengukuran
menggunakan penggaris yang memiliki ketelitian ±
0,5 mm.
5
Tabel 3.2 Hasil uji pendeteksian obstacle terhadap Dari data diatas dapat disimpulkan bahwa lebar
material obstacle. obstacle dan jarak obstacle sangat berpengaruh
terhadap pembacaan sensor. Obstacle dengan lebar
yang cukup kecil akan sulit dideteksi ketika berada
pada jarak yang cukup jauh dan begitu pula
sebaliknya. Maka dari itu diputuskan obstacle dengan
lebar 4 cm digunakan dalam pengambilan data uji
obstacle karena memiliki tebal paling kecil yang
masih terbaca pada jarak 15 cm.
Pengujian utama adalah pengujian obstacle
menggunakan seluruh sensor robot, pengujian ini
dilakukan dengan cara menempatkan sebuah objek
pada sudut-sudut tertentu robot. Objek yang
digunakan adalah sebuah kayu yang berbentuk persegi
panjang dengan lebar 4 cm, tinggi 20 cm dan tebal 1
cm.
Kemudian hasil pengujian diperlihatkan pada
Tabel 3.4, dimana dari data-data tersebut dapat dilihat
bahwa obstacle terbaca pada setiap sudut
penyimpanan objek yang dibuat. Hal itu
menyimpulkan bahwa penggunaan 12 buah sensor
ultrasonic sudah dapat melingkupi keseluruhan badan
robot karena tidak terdapat blind spot dengan syarat
ukuran obstacle minimal memiliki tinggi 20cm, lebar
4cm dan bidang yang rata.
Tabel 3.3 Hasil uji pendeteksian obstacle terhadap 3.2 Pengujian Sistem Kendali Gerak
lebar obstacle. 3.2.1 Pengujian Kelinearitasan Motor DC
Pada pengujian ini motor DC diberi input
berupa sinya PWM, kemudian dilakukan pengukuran
tegangan pada output driver motor DC (L298N) dan
juga pembacaan kecepatan menggunakan tachometer.
6
Berdasarkan data diatas, dari keempat motor Grafik diatas menunjukkan respon motor
DC yang diuji cenderung memiliki respon yang mengikuti tegangan keluaran dari driver. Dapat
karakteristik yang sama, namun terdapat beberapa disimpulkan bahwa Kecepatan motor menjadi tidak
perbedaan nilai pada beberapa titik. Gambar 3.9 linear ketika menggunakan driver L298N. selain itu,
menunjukan plot respon dari data yang telah diuji, tegangan maksimum nya pun mengalami pengurangan
karena karakteristiknya hampir sama, maka plot sehingga kecepatan putar motor kurang maksimal.
respon yang diambil hanya sampel saja yaitu motor 0. Pada data hasil pengujian juga dapat dilihat
bahwa nilai kecepatan dari setiap motor berbeda beda
pada setiap nilai PWM yang diberikan. Agar lebih
jelas dapat dilihat pada tabel berikut.
7
Lingkaran merah pada gambar diatas
menunjukkaan bahwa roda pada motor 2 tidak
sepenuhnya menyentuh lantai. Hal ini disebabkan
penggunaan part pengikat motor DC yang kurang
presisi. Akibatnya kadang robot mengalami slip ketika
roda pada motor 2 tidak menyentuh lantai. Kemudian
ketika robot bergerak dari satu titik ke titik lain,
pergerakannya sedikit melenceng karena kecepatan
putar motor yang tidak sama. Mengingat sistemnya
belum menggunakan feedback sensor kecepatan,
maka agar robot dapat bergerak dengan lurus dan
presisi harus ditambahkan encoder pada setiap motor
DC penggerak roda.
Dari data diatas dapat disimpulkan bahwa Gambar 3.14 menunjukan dokumentasi
kinematika robot sudah dapat berfungsi dengan baik pengujian yang telah dilakukan dan dari gambar
karena pergerakan robot sudah sesuai dengan input tersebut dapat disimpulkan bahwa skema obstacle
yang diberikan. avoidance yang telah dibuat sudah sesuai dengan
behavior yang diinginkan, gerakan backward menjadi
3.3 Pengujian Sistem Kognitif suppression node paling tinggi dan paling diutamakan,
Pada pengujian ini robot dijalankan dengan oleh karena itu ketika robot bertemu dengan rintangan
skema obstacle avoidance yang telah dibuat, nomor 5, robot bergerak ke belakang (backward)
kemudian dilihat apakah gerakan avoidance robot bukan kearah lainnya.
sesuai dengan behavior yang telah dibuat atau tidak.
Jika sudah sesuai maka program kognitif sudah
berfungsi sesuai dengan keinginan. Gambar 4.16
menunjukan pergerakan robot ketika ditempatkan
pada map yang sudah dibuat.
8
IV. KESIMPULAN [7] Po-Er Hsu, Yeh-Liang Hsu, Jun-Ming Lu, Jerry,
J.-H. Tsai, Yi-Shin Chen, iRW: An Intelligent
Berdasarkan pencapaian dan pengujian yang Robotic Wheelchair Integrated with Advanced
dilakukan, dapat ditarik beberapa kesimpulan sebagai Robotic and Telehealth Solutions, in "1st Asia
berikut: Pacific eCare and TeleCare Congress", June 16-
19, 2011, Hong Kong, China.
1. Pengunaan powered steering wheel akan [8] T. Bower, Teaching Introductory Robotics
membuat robot dapat bergerak ke segala arah Programming, Kansas: IEEE Robotics &
tanpa mengubah orientasi badan robot. Automation Magazine, 2016.
2. Dengan menggunakan 12 buah sensor [9] D. Ferguson, A Guide to Heuristic-based Path
ultrasonic, sensor sudah dapat mendeteksi Planning, Pittsburgh: Carnegie
obstacle tanpa adanya blind spot dengan syarat Mellon University, 2005 .
minimal lebar obstacle 4 cm dan tinggi 20 cm. [10] Pjtanz, An Introduction to An A Star Path
3. Robot dapat bergerak secara manual sesuai Planning Using LabVIEW, National Instrument,
dengan parameter sudut pergerakan yang 20 April 2015. [Online]. Available:
dimasukkan dengan resolusi 0.29°. http://forums.ni.com/t5/LabVIEW-Robotics-
4. Robot dapat menghindari obstacle dengan Documents/An-Introduction-to-A-Path-
menggunakan sistem behavior control dengan Planning-using-LabVIEW/tap/3521668.
tujuh arah penghindaran yaitu pada sudut 0°, [Diakses 23 November 2018].
30°, 60°, 120°, 150°, 180°, dan 270°. [11] Ilon, B.E., 1975, Wheels for a course stable self
5. Pada permukaan yang licin, terdapat slip pada propelling vehicle movable in any desired
roda motor 2 dikarenakan pembuatan part direction on the ground or some other base, US
pengikat motor DC yang kurang presisi yang Patent and Trademarks office, Patent
mengakibatkan roda motor 2 mengalami 3.876.255.
kontak yang kurang maksimal terhadap lantai. [12] Nugroho, A.P., 2018, Rancang Bangun Path
6. Kecepatan putar setiap roda tidak sama Planning dan Obstacle Avoidance pada
sehingga mengakibatkan pergerakan robot Autonomous Mobile Robot dengan
yang tidak lurus. Menggunakan Mecanum Wheel sebagai Alat
Bantu Pembelajaran Robotika, Polman
Bandung
V. DAFTAR PUSTAKA [13] Weinert, H., Pensky, D., 2011 Mobile Robotics
in Education and Student Engineering
[1] R. Siegwart, Introduction to Autonomous Mobile Competitions, Zambia; Festo Didatic.
robots Second Edition, Cambrigde: The MIT [14] Peraturan Presiden No. 8 Tahun 2012 tentang
Press, 2011. Kerangka Kualifikasi Nasional Indonesia.
[2] Y. Tian, L. Li, S. Zhang, J. Liu, F. Chen dan B. [15] Abdelhameed, Magdy. 2014. VDI 2206. Cairo:
Xia, Research on a New Omnidirectional Ain Shams University.
Mobile Platform with Heavy Loading, [16] Wada, M and Mori, S. 1996. Holonomic and
Advances in Mechanical Engineering, vol. 9, p. Omnidirectional Vehicle with Conventional
1–15, 2017. Tires. Japan; Fuji Electric
[3] F. Adăscăliţei dan I. Doroftei, Practical [17] Hambali, F.A., 2017, “Rancang Bangun Sistem
Applications for Mobile Robots based on Kendali Cerdas pada Autonomous Mobile
Mecanum Wheels - a Systematic Survey, Robot sebagai Alat Bantu Pembelajaran
Proceedings of International Conference On Robotika”, Polman Bandung
Innovations, Recent Trends And Challenges In
Mechatronics, Mechanical Engineering And
New High-Tech Products Development, vol. 3,
pp. 112-123, 2011.
[4] I. Doroftei, V. Grosu, V. Spinu, Omnidirectional
Mobile Robot - Design and
Implementation, Book-Chapter, Bioinspiration
and Robotics - Climbing and Walking Robots,
Editor Maki K. Habib, Published by Advanced
Robotic Systems International (Vienna) and
ITech, 2007, pp. 511-529.
[5] Muir, P. F., Neuman, C.P., Kinematic Modeling
for Feedback Control of an
Omnidirectional Wheeled Mobile Robot, IEEE
Intenational Conference on Robotics and
Automation, 1987.
[6] Tuck-Voon How, Development of an Anti-
Collision and Navigation System for Powered
Wheelchairs, 2010