TUGAS MATA KULIAH TRENDING TOPIK

“RANGKUMAN ARTIKEL”

Oleh :

CUT KANDY SAFIERA

A2L021003

Dosen Pengampu : Prof. Dr. Afrizal Mayub, M. Kom

PROGRAM STUDI S2 PENDIDIKAN IPA

JURUSAN PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN

ALAM FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS
BENGKLULU
2022
 Judul Artikel

“Engineering Education in Wheeled Mobile Robotics” “Pendidikan Teknik dalam

Robotika Seluler Beroda”

Penulis

1. Andrej Zdeˇsar dari Faculty of Electrical Engineering, University of Ljubljana

2. Saˇso Blaˇziˇc dari Faculty of Electrical Engineering, University of Ljubljana

3. Gregor Klanˇcar dari Faculty of Electrical Engineering, University of Ljubljana

Penerbit

ELSEVIER Tahun 2017

https://doi.org/10.1016/j.ifacol.2017.08.2149

Abstrak

Artikel ini menjelaskan pendekatan pendidikan di bidang robotika bergerak beroda.

Pada kasus kursus teknik di program studi master, kami menyajikan bagaimana kursus telah
berkembang dalam beberapa tahun terakhir ke format saat ini. Kecenderungan kami adalah
untuk mengatur kuliah kursus dan praktik laboratorium sedemikian rupa sehingga
keseimbangan yang tepat antara pembelajaran induktif tradisional dan kontemporer dan
metodologi pengajaran tercapai. Kami menyajikan penerapan berbagai metodologi
pengajaran induktif, seperti tantangan simulasi, proyek individu, proyek multi-tim, dan
tantangan kompetisi, ke kursus. Beberapa contoh proyek dari kursus diberikan.

1. PENDAHULUAN

Penyampaian pengetahuan yang berhasil membutuhkan subjek yang baikpemahaman

dan keterampilan mengajar yang tepat. Yang terakhir adalah bahkan lebih penting untuk
membuat kuliah cukup menarik dan membuat siswa termotivasi. Kursus sains secara
tradisional diajarkan dengan terlebih dahulu menjelaskan teori secara sistematis cara yang
memungkinkan siswa memperoleh lebih banyak pengetahuan dalam waktu yang lebih singkat
(Dochy et al., 2003a) dan memperoleh penguasaan dasar yang lebih baik daripada
menggunakan induktif teknik mengajar di mana siswa diberi tantangan yang mereka
butuhkan untuk memecahkan sendiri mencari fakta, informasi yang berguna dan petunjuk
dari instruktur. Pada sisi lain, kelemahan utama deduktif tradisional belajar biasanya lebih
singkat mempertahankan pengetahuan yang diperoleh sementara itu juga lebih sulit untuk
memotivasi siswa (Dochy et al., 2003b; Kardash dan Wallace, 2001) seperti pendekatan
pengajaran induktif. Pengajaran induktif, dimana siswa pertama diberi tantangan dan
kemudian mereka mulai mencari jawaban atau solusi dengan bantuan instruktur, terbukti
menjadi cara yang jauh lebih baik untuk menjaga siswa termotivasi (Prince dan Felder,
2007).Di antara banyak kemungkinan strategi pengajaran yang paling popular dan yang
efektif belakangan ini adalah pembelajaran terbalik, pembelajaran berbasis proyek,
pembelajaran berbasis masalah, tepat waktu pembelajaran dan banyak lainnya yang
semuanya dapat diringkas sebagai pendekatan pengajaran induktif. Ajaran proses juga dapat
mengambil manfaat dari teknologi modern yang tersedia (misalnya Internet, pembelajaran
jarak jauh, pembelajaran interaktif, elearning) dimana informasi dapat dengan mudah diakses
 kapan saja dan dari mana saja. Semua hal baru dan kemungkinan ini berhasil bukan berarti
pendekatan pengajaran tradisional tidak lagi berguna.

2. PENERAPAN PENGAJARAN INOVATIF METODOLOGI: DARI MASA LALU SAMPAI

SEKARANG
Kuliah harus menjadi proses dinamis yang berkembang. Hal ini terutama berlaku
dalam kursus teknik yang mencakup praktik rekayasa kontemporer dan bidang yang
muncul teknologi, seperti bidang mobile otonom robot. Kursus teknik harus mencakup
dasar, lanjutan dan metodologi mutakhir. Topik perlu disajikan kepada siswa dalam
bentuk yang sesuai untuk mencapai penguasaan pengetahuan yang optimal dalam
keterbatasan jumlah waktu, yaitu dengan cara yang paling menguntungkan kepada para
siswa. Selanjutnya, ajaran kontemporer yang berbeda metodologi yang telah kami gunakan
dalam kursus kami di masa lalu disajikan, yang mengarah ke format sekarang dari kursus
robotika seluler.
Para siswa mengatasi masalah pada mereka sendiri selama waktu yang didedikasikan
untuk praktik laboratorium. Itu siswa juga menghadiri kuliah di mana topik yang berbeda
yang dapat digunakan untuk memecahkan masalah yang dibahas. Dalam kuliah hanya
pendekatan umum yang disajikan dan siswa perlu mengakomodasi dengan tepat pendekatan
yang mereka anggap paling cocok untuk mereka masalah tertentu. Setiap siswa perlu
memberikan atau solusi sendiri dan menyajikan pendekatan untuk murid lain. Pada ujian akhir
para siswa adalah peringkat berdasarkan skor kompetisi yang dicapai.
3. LATIHAN LABORATORIUM: BAGIAN SIMULASI

Saat membentuk strategi pengajaran mereka memutuskan untuk menggabungkan

pengajaran deduktif klasik dengan pembelajaran berbasis tugas dan pendekatan
pembelajaran berbasis proyek. Ide utamanya adalah menggunakan pembelajaran berbasis
tugas dalam lingkungan simulasi yang disiapkan dimana siswa dapat dalam waktu yang
relatif singkat (dua jam per tugas) menerapkan dan menguji algoritme dasar dan ide-ide,
yang telah disajikan selama kuliah. Mereka perlu mencari dan mempelajari informasi
tambahan dari literatur yang tersedia dan sumber online, kenali dengan masalah
implementasi yang khas dan dapatkan lebih detail pengetahuan. Kursus ini berisi empat
tugas simulasi yang mencakup topik utama dalam robotika seluler beroda: pemodelan,
kontrol gerak, perencanaan jalur dan lokalisasi.
Contoh simulasi: Ponsel berbasis filter partikel lokalisasi robot Ikhtisar tentang estimasi
keadaan filter, yang dapat digunakan dalam pelokalan robot beroda, adalah diberikan selama
perkuliahan. Tugas simulasi disiapkan di Matlab, yang semua siswa akrab dengan. Mereka
butuh untuk mengimplementasikan lokalisasi robot dengan menggabungkan informasi dari
odometri robot dan tiga simulasi sensor jarak, merasakan rintangan dalam arah yang berbeda.
Filter partikel adalah pilihan yang direkomendasikan karena relatif sederhana bagi pemula
untuk memahami dan menerapkan. Lingkungan, fungsi sensor dan animasi dasar adalah sudah
siap. Ikhtisar lingkungan ditampilkan pada Gambar. 2, yang berisi hambatan (garis tebal
tebal), pose robot saat ini (robot padat), pengukuran sensor (garis putus-putus), perkiraan pose
robot (robot putus-putus) dan partikel (lingkaran berorientasi). Tugas menuntut dari siswa
untuk memperkirakan pose robot yang diprediksi berdasarkan kontrol yang diketahui tindakan
dan odometri. Maka mereka perlu menggabungkan perkiraan ini dengan jarak yang diukur
dalam kerangka partikel menyaring dan mengevaluasi hasil lokalisasi.
 .
Tantangan simulasi ini dapat diselesaikan hanya dalam dua jam karena kuliah
memberikan semua dasar-dasar yang diperlukan dan contoh aplikasi sederhana (dengan
algoritma dasar atau sketsa solusi). Ketika siswa mencoba untuk memecahkan diberikan
tantangan simulasi yang mereka butuhkan untuk memahami dasar-dasar dan menggabungkan
algoritma yang dijelaskan selama kuliah. Tantangan simulasi seperti itu secara bertahap
meningkatkan pemahaman siswa tentang dasar-dasar kursus dan mengungkapkan beberapa
masalah implementasi yang dapat hanya belajar dalam eksperimen langsung. Oleh karena itu
siswa dapat mengatasi proyek robot seluler nyata dengan lebih efisien.

4. LABORATORY PRACTICE: HARDWARE PART

4.1 Beberapa proyek mandiri

Contoh proyek: Lokalisasi dalam jaringan jalur berpotongan Tujuannya adalah untuk
menerapkan lokalisasi dari robot seluler dalam jaringan yang saling terhubung garis (peta) dan
mengaktifkan navigasi otonom antara lokasi sewenang-wenang di peta. Algoritma harus
diimplementasikan pada kendaraan roda dua yang digerakkan secara berbeda platform (iRobot
Roomba) yang dilengkapi dengan inframerah sensor pantulan cahaya untuk mendeteksi garis
pada tanah. Latihan ini membutuhkan implementasi baris berikut, kontrol pemilihan jalan di
persimpangan jalan dan roda odometri. Peta lingkungan dapat dibangun secara manual Filter
Bayesian harus digunakan untuk mengatasi lokalisasi masalah.

4.2 Proyek multi-tim

Contoh proyek: Robot pengiriman seluler otonom Proyek ini tentang penerapan robot
seluler beroda untuk pengiriman paket secara otonom antara lokasi yang sewenang-wenang
dalam lingkungan terstruktur dalam ruangan. Untuk tujuan ini Robot seluler Pioneer 3-AT
(Gbr. 4) dilengkapi dengan laser range-scanner digunakan. Proyek ini membutuhkan
implementasi dari berbagai algoritma yang memungkinkan otonomi yang diinginkan
kemampuan. Tiga tugas perlu ditangani oleh tim: lokalisasi dan pemetaan, perencanaan jalur
dan kontrol bersama jalan. Solusi yang diberikan oleh setiap tim harus kompatibel dengan
solusi dari tim lain.

Contoh tugas proyek: Perencanaan jalur Tim re- bertanggung jawab untuk
perencanaan jalur perlu menerapkan semua yang diperlukan algoritma yang diperlukan
untuk menemukan jalur yang layak antara pose robot saat ini dan lokasi sewenang-wenang
di peta, jika jalur tersebut ada. Kendala robot seluler perlu untuk diperhitungkan. Peta
lingkungan dan pose robot saat ini perlu diperoleh dari tim bertanggung jawab untuk
lokalisasi dan pemetaan, dan yang ditemukanjalur harus diteruskan ke tim yang bertanggung
jawab untuk kontrol. Jalur perlu dihitung ketika lokasi tujuan baru diberikan.

4.3 Robot Operating System (ROS)

ROS menyederhanakan persiapan proyek multi-tim di laboratorium praktek, karena
MPI dapat dimanfaatkan untuk mencapai integrasi modul siswa dan modul ROS lainnya
(misalnya modul untuk abstraksi perangkat keras) seperti yang ditunjukkan pada cincin
tengah pada Gambar. 5. Tim hanya perlu menyepakati jenis pesan yang mengalir di antara
modul mereka, dan kemudian mereka dapat fokus pada pengembangan modul mereka.
Pendekatan ini sederhana bagi siswa untuk memahami.

4.4 Competition challenges with Lego Mindstorms robots

Contoh kompetisi: Tantangan Lego Mindstorms 2015 Tujuan dari kompetisi ini adalah
untuk mengirimkan tiga kargo objek dimuat di robot seluler ke pengiriman yang diketahui
lokasi di taman bermain dalam urutan yang telah ditentukan (Gbr. 6). Pose awal robot bisa
di mana saja ditaman bermain, yang terdiri dari pola ubin persegi dengan enam warna yang
berbeda. Tim harus berkumpul dan memprogram robot bergerak dari bagian-bagian yang
 termasuk dalam hanya satu kit Lego Mindstorms EV3. Robot perlu cari tahu posenya di
taman bermain berdasarkan yang terdeteksi warna permukaan dengan sensor warna dan
roda pembacaan encoder, temukan jalur optimal ke semua pengiriman lokasi dan
melaksanakan pengiriman kargonya. Tergantung pada kebenaran dan urutan poin
penempatan kargo adalah ditugaskan. Tim dapat memperoleh poin tambahan jika mereka
juga memungkinkan beberapa rintangan di taman bermain, yang ditempatkan oleh tim
lawan.

5. KESIMPULAN
Pengalaman kami menunjukkan bahwa siswa menghargai keseimbangan yang baik
antara teori dan praktek. Pendekatan berbasis proyek juga dapat bermanfaat dalam karir
mereka selanjutnya, karena mereka mungkin perlu bekerja dalam tim pada beberapa proyek
juga di pekerjaan mereka. Penerimaan yang baik dari proyek multi-tim dengan dukungan
ROS meyakinkan kami bahwa ini adalah salah satu pendekatan pengajaran yang paling
menjanjikan untuk peningkatan kuliah konvensional.