Itu merupakan purwarupa autonomous mobile robot bertenaga listrik yang bisa beroperasi secara otomatis tanpa kemudi yang diharapkan dapat memudahkan aktivitas manusia dalam berpindah tempat.
BRIN mengembangkan kendaraan listrik otonom individual di Bandung. Konsepnya green (rendah emisi) yang memungkinkan orang tua dan difabel menaiki kendaraan tersebut.
Kendaraan listrik yang diberi nama Single-Passenger Electric Autonomous Transporter (SEATER) merupakan suatu sistem robotik yang dicirikan dengan kemampuan untuk dapat bergerak dan berpindah dari satu lokasi ke lokasi lain.
Kendaraan listrik yang diberi nama Single-Passenger Electric Autonomous Transporter (SEATER) merupakan suatu sistem robotik yang dicirikan dengan kemampuan untuk dapat bergerak dan berpindah dari satu lokasi ke lokasi lain.
Kendaraan yang dikembangkan oleh Pusat Riset Mekatronika Cerdas BRIN pada awal 2023 tersebut memiliki kemampuan bernavigasi di lingkungannya dan bertindak tanpa kendali atau panduan langsung dari operator atau manusia.
SEATER didesain sebagai alat transportasi satu penumpang yang bisa beroperasi secara otomatis di lingkungan terbatas dan terkendali.
Kendaraan itu memiliki spesifikasi, mulai dari tipe penggerak elektrik, berat kurang dari 50 kilogram, hingga dimensi 120 x 75 x 110 sentimeter.
Kemudian, beban maksimum penumpang yang dapat diangkut seberat 120 kilogram, kecepatan berjalan maksimum 1,5 meter per detik, jarak tempuh maksimum 10 kilometer, dan durasi maksimum operasi selama dua jam.
SEATER membuat pengemudi seolah menjadi seperti penumpang karena tidak perlu menaruh perhatian penuh ke jalan. Proses perpindahan dari titik keberangkatan ke titik tujuan bisa diselesaikan oleh kendaraan otomatis tersebut.
Arsitektur dasar
Peneliti Ahli Muda Pusat Riset Mekatronika BRIN Roni Permana Saputra mengatakan arsitektur dasar sistem autonomous mobile robot dapat beroperasi secara otomatis tanpa pengemudi dan sistem harus dapat melihat, berpikir, serta melakukan tindakan hasil decicion yang dibuat sebelumnya.
Bagian perception atau melihat lingkungan sekitar diperoleh dari sistem sensor yang terdapat di sistem kendaraan tersebut, mengoleksi informasi yang diterima, kemudian informasi-informasi tersebut akan diolah untuk memikirkan bagaimana cara menyelesaikan tujuan atau menyelesaikan proses navigasi yang diperintahkan sesuai informasi-informasi yang diterima tadi, sehingga dapat merencanakan jalur navigasi yang visible.
Setelah diperoleh jalur, maka bagian terpenting adalah mengeksekusi jalur perencanaan dengan mengirimkan sinyal-sinyal kontrol yang tepat kepada aktuator dari sistem tersebut, sehingga ia dapat mengikuti atau menyelesaikan jalur yang telah direncanakan sebelumnya.
"Bagian pertama persepsi memahami kondisi robot dan lingkungan sekitar berdasarkan informasi yang diterima. Beberapa sensor yang biasa dipakai dalam pengembangan sistem mobile robot tersebut, yakni tactile sensors atau bumper, GPS, inertial measurement unit, wheel encoders, laser scanners, dan juga kamera," kata Roni.
Bagian kedua adalah proses menganalisa data-data yang diterima dari sensor tadi. Pertama, proses lokalisasi, mengetahui posisi dari robot berdasarkan sensor yang diterima dan kondisi lingkungan di sekitarnya.
Informasi itu digunakan untuk melakukan perencanaan dan aksi yang diperlukan untuk dapat menyelesaikan misi.
Ada banyak riset dan pengembangan yang telah dilakukan dan berbagai macam metode telah diajukan dalam proses perencanaan. Beberapa metode yang banyak dipakai, salah satunya berbasis grid based planning, seperti dijkstra algoritem dan astra algoritem. Kemudian, metode berbasis sample based planing, yaitu rapidly exploring random tree (RRT) dan probabilistic road map (PRM).
Dalam mengeksekusi jalur yang telah direncanakan harus ada sistem yang dapat menghasilkan sinyal kontrol untuk mengendalikan robot mengikuti jalur yang telah direncanakan.
Sistem tersebut sudah banyak pula dikembangkan dan beberapa metode yang banyak dipakai banyak diteliti, salah satunya metode Dynamic Windows Approach yang mana pada metode ini menentukan pergerakan berdasarkan sampling visibilitas dari kinematika dan dinamika kendaraan yang dapat menggerakkan kendaraan mengikuti jalur tanpa adanya potensi tumbukan atau tabrakan terhadap objek-objek di sekitar kendaraan.
Kedua, time elastic band, dalam algoritma ini yang ditekankan ialah bagaimana caranya untuk menghasilkan sinyal kendali, sehingga robot tersebut dapat mengikuti jalur yang telah direncanakan dengan waktu yang seefisien mungkin.
Kata kunci lingkungan operasi dari autonomous mobile robot adalah terbatas yang telah diketahui sebelumnya. Jadi, kendaraan itu tidak sepenuhnya otonom di semua kondisi, tetapi memerlukan kondisi yang telah diketahui sebelumnya.
Lingkungan yang diketahui sebelumnya yang kendaraan tersebut telah memiliki map dari lingkungan tersebut. Sensor-sensor yang ada pada SEATER adalah kamera RGB-D, IMU, Wheel Odometry, dan Lidar dua dimensi.
Proses pengolahan data kamera mobil robot otonom berupa gambar RBG yang diterima oleh kamera dan dilakukan feature detection terhadap image yang diterima tersebut, lalu dilakukan penyimpanan di data base untuk berbagai feature yang belum tersimpan sebelumnya.
Alhasil, pada suatu hari saat kendaraan beroperasi di lingkungan yang telah dikenali, maka proses feature matching akan dapat dilakukan dan dapat mengenali lingkungan tersebut berdasarkan berbagai feature yang ada tersimpan pada kendaraan tersebut.
Feature based tersebut juga digunakan sebagai basis untuk melakukan proses lokalisasi dari kendaraan atau hiposisi dan juga pemetaan lingkungan.
BRIN telah membuat peta tiga dimensi melalui proses lokalisasi dan pemetaan yang dilakukan pada Kawasan Sains dan Teknologi (KST) KST Samaun Samadikun BRIN di Bandung, Jawa Barat.
Peta tiga dimensi itu dihasilkan berdasarkan visual feature untuk menentukan posisi kendaraan. Kemudian, titik-titik yang ada dari peta tiga dimensi tersebut diperoleh dari data jarak melalui sensor kamera RGB-D.
Kamera RGB-D memperoleh informasi jarak-jarak dari objek di sekitar kendaraan, jarak-jarak di sekitarnya, lalu memetakannya pada koordinat tiga dimensi, berdasarkan posisi dan orientasi kendaraan tersebut.
Dengan cara itu dapat dihasilkan peta kumpulan titik-titik tiga dimensi atau peta tiga dimensi yang disebut dengan istilah 3D Control.
Selain menciptakan peta tiga dimensi untuk autonomous mobile robot tersebut, BRIN juga membuat peta dua dimensi yang dihasilkan dari proses pemetaan dan lokalisasi pada SEATER. Peta dua dimensi itu diperoleh dari hasil proyeksi peta tiga dimensi terhadap lantai dasar.
Peta dua dimensi merupakan representasi hubungan yang digunakan oleh sistem otonom SEATER untuk melakukan perencanaan jalur.
Representasi peta dua dimensi tersebut terbagi dalam tiga warna, yaitu warna putih yang merepresentasikan area bebas dari objek atau area yang dapat dilalui oleh kendaraan, warna hitam merepresentasikan area yang tidak dapat dilalui karena area tersebut terdapat berbagai objek, dan warna abu-abu yang menandakan area itu belum terobservasi selama proses pemetaan.
BRIN mengembangkan sistem lokasi SEATER dengan menggabungkan sistem lokalisasi dari beberapa sensor yang disebut sensor Fusion dengan sensor Wheel Odometry, IMU, dan juga berdasarkan visual feature based localization tadi.
Tantangan yang dihadapi saat ini adalah pemakaian sensor akurasi tinggi yang menghasilkan ukuran data besar, sehingga Komputasi untuk memproses data yang sangat besar itu membutuhkan memori yang besar. Proses yang kompleks itu berpotensi terjadi latency atau keterlambatan data akibat ukuran data yang besar.
Kemudian, perbedaan pencahayaan antara operasi di pagi hari, siang hari, dan sore hari juga masih sangat bervariasi dan masih sangat mengurangi kehandalan dan realibilitas dari sistem otonom tersebut.
BRIN terus memperbaiki berbagai kekurangan agar kendaraan itu dapat melihat, merasakan, bahkan memahami kondisi dinamis dari lingkungan sekitar, semisal interaksi antarorang di sekitarnya agar mobil otonom itu dapat merencanakan pergerakan yang lebih baik.
BRIN juga mengembangkan sistem robotik yang dapat belajar dan beradaptasi setiap hari, sehingga menghasilkan operasi yang terus optimal dan beradaptasi. Langkah penyempurnaan yang dilakukan demi membuat kendaraan itu semakin andal sebagai transportasi otonom di masa depan.
Peluang kendaraan otonom
Riset dan inovasi yang dilakukan BRIN terhadap autonomous mobile robot untuk memberikan rasa prestise berkendara tanpa sibuk mengendalikan setir kemudi, karena cukup dengan duduk diam, kendaraan itu secara otomatis akan membawa penumpangnya ke lokasi tujuan.
Tak hanya sebagai alat transportasi, aplikasi teknologi autonomous mobile robot juga bisa dipakai untuk berbagai bidang, seperti sektor kesehatan melalui robot disinfektan, sektor industri berupa robot manipulator atau sektor pergudangan untuk proses stocking material, hingga sektor agrikultur untuk membantu mengolah lahan pertanian yang luas.
Kemudian, sektor logistik untuk last mile delivery atau outdoor delivery robot maupun peluang untuk menerima tamu secara otomatis berbasis hospitality robot. Bahkan, robot otonom bisa dipakai untuk search and rescue yang dapat menggantikan posisi manusia pada lingkungan berbahaya.
BRIN mengembangkan kendaraan listrik otonom SEATER tersebut untuk area tertutup, seperti bandara, kebun raya, dan Ibu Kota Nusantara. Kini lembaga riset dan inovasi pelat merah tersebut terus berupaya merampungkan teknologi kendaraan listrik otonom level IV.
Pada teknologi otonom level IV itu sistem sudah bisa melakukan semua kegiatan berkendara, sehingga pengemudi dapat mengabaikan perjalanan dan melakukan kegiatan lain.
Keberadaan SEATER yang dapat mengangkut penumpang dan berjalan sendiri secara otomatis menjadi bukti bahwa riset dan inovasi bidang transportasi yang diciptakan oleh ilmuwan Indonesia tidak kalah canggih dengan produk yang diciptakan oleh ilmuwan negara lain.
Keberadaan SEATER yang dapat mengangkut penumpang dan berjalan sendiri secara otomatis menjadi bukti bahwa riset dan inovasi bidang transportasi yang diciptakan oleh ilmuwan Indonesia tidak kalah canggih dengan produk yang diciptakan oleh ilmuwan negara lain.
Editor: Masuki M. Astro
Copyright © ANTARA 2023
