Kemampuan apa saja yang perlu dimiliki oleh robot yang berperan sebagai security

Ilustrasi Robot Buatan Pemetik Buah

Samuel Rosset bersama timnya, Auckland Bioengineering Institue (ABI), University of Auckland, menerima tantangan untuk membuat robot pemetik buah beri. Dengan bantuan senilai 200.000 dollar New Zealand, mereka berupaya agar tidak terjadi gesekan antara robot dengan buah agar buah beri yang diambil tidak hancur. Untuk mengatasi hal tersebut, mereka mengembangkan sensor lunak serta algoritma penginderaan yang berfungsi untuk meningkatkan kepekaan robot terhadap sentuhan.

Rosset mengatakan jika tangan manusia mempunyai kemampuan untuk menyesuaikan bentuk objek secara naluri sehingga saat manusia berjabat tangan tidak menimbulkan rasa sakit.

“Tetapi sementara robot pandai memanipulasi material yang kaku, interaksi dengan benda lunak jauh lebih sulit - sesuatu yang sederhana bagi manusia, seperti berjabat tangan, adalah tantangan nyata bagi robot,” jelas Rosset, Rabu (5/8/2020).

Industri pemetik buah di New Zealand mengalami permasalahan kurangnya tenaga kerja sehingga diciptakan robot pemetik buah beri. Namun, terdapat tantangan-tantangan yang harus dilewati seperti kemampuan robot dalam mendeteksi tingkat kematangan dan letak buah berada serta teknologi pengindaraan kulit seperti sentuhan dan tekanan. Rosset dan timnya ingin mengembangkan teknologi robot yang mirip dengan kulit sehingga robot mampu merasakan sentuhan dan tekanan tanpa merusak buah tersebut.

Konsep tersebut bergantung pada transistor organik yang mahal dan kompleks untuk di produksi. Pada pendeteksian lokasi dan tingkat kematangan buah, Rosset dan tim berupaya untuk membuat teknologi yang dapat mendeteksi kejadian tersebut dan seberapa besar tekanan yang diberikan.

"Sehingga mirip dengan kulit kita, yang memberikan informasi tentang tekanan dan lokasi: jika seseorang / sesuatu menusuk kulitmu sarafmu mengirimkan informasi otakmu di mana dan seberapa kuat merekamenusukmu," jelas Rosset.

Laboratorium Biomimetik di Auckland Bioengineering Institute diketahui mempunyai teknologi penginderaan yang terkenal di dunia, sehingga Rosset dan tim pun memanfaatkan laboratorium tersebut. Teknologi penginderaan membutuhkan elektroda serta kabel yang cukup banyak, namun mereka hanya mengandalkan satu elektroda dengan algoritma penginderaan yang cerdas sehingga teknologi yang dicipatakan akan lebih mudah dan murah untuk di produksi.

“Jadi kami ingin menjaga sensor tetap sederhana, tetapi dengan mengidentifikasi sinyal yang lebih kompleks, kami dapat memungkinkan teknologi mendeteksi informasi yang kompleks. Itu akan memungkinkan kami untuk memberi robot kulit, dan kulit sensitif, yang dapat menemukan buah dan buah lainnya dan memetiknya tanpa memar," ujar Rosset.

Sensor robot adalah sensor yang digunakan untuk mengestimasi kondisi dan lingkungan robot. Sinyal ini dilewatkan ke controller untuk memungkinkan perilaku yang sesuai.[1][2]

Types of robot sensors (Light and Sound sensors)

Sensor pada robot didasarkan pada fungsi organ sensorik manusia. Robot membutuhkan informasi yang luas tentang lingkungannya agar berfungsi secara efektif.

Ada banyak sekali jenis sensor yang bisa ditanamkan pada robot. Dengan memiliki fungsi yang beragam juga. Diantaranya adalah;

Touch Sensor. Adalah jenis sensor yang akan mendeteksi ketika disentuh, ibarat kulit. Touch Sensor pada dasarnya adalah sakelar yang memiliki berbagai jenis bentuk. Pada robot digunakan untuk misalnya; mendeteksi objek yang ada pada tangan robot, mencegah terjadinya tabrakan pada robot beroda, dan masih banyak lagi. Contoh touch sensor yang paling sederhana adalah Push Button.
Light Sensor. Sensor ini mendeteksi cahaya atau peka terhadap cahaya disekitarnya. Dengan sensor ini robot dapat mengetahui gelap dan terang suatu objek, tempat, siang atau malam. Untuk menentukan gelap dan terang suatu tempat biasa menggunakan LDR Sensor, sementara untuk keperluan Robot Pengikut Garis (Line Follower) menggunakan InfraRed Sensor.
Color Sensor. Sama seperti light sensor atau Infra Red sensor, color sensor juga bisa mendeteksi gelap terang dengan menangkap warna hitam dan putih. Tapi selain itu, Color Sensor juga dapat mendeteksi warna lainnya seperti merah, biru, kuning, dan sebagainya. Pada aplikasinya color sensor juga bisa digunakan untuk membuat robot Line Follower, bahkan yang lebih canggih, yaitu: dapat mengikuti garis dengan warna yang lebih spesifik.
Distance Sensor. Adalah jenis sensor yang digunakan untuk mendeteksi objek dengan cara mengukur jarak objek tersebut. Sensor ini bisa mengukur jarak dengan sangat akurat. Dalam robot, Distance Sensor berguna sebagai mata. Robot dapat melihat objek didepannya dengan sensor ini. Contoh Distance Sensor yang paling sering digunakan adalah Ultrasonic sensor. Cara kerjanya sama persis seperti mulut dan telinga pada kelelawar.
Sound Sensor. Mendeteksi suara disekitar robot, fungsinya tentu saja seperti telinga. Melalui program sensor ini bisa membedakan suara yang nyaring, suara yang tidak nyaring, dan hening. Intensitasnya bisa kita atur manual, atau melalui program, tergantung jenis Sound Sensor yang dipakai. Bahkan untuk jenis Voice Recognition, itu bisa diprogram untuk mendengar kata (bahasa) yang digunakan manusia.
Balance Sensor. Biasa digunakan untuk membuat robot tetap seimbang. Mengetahui kemiringan, dan membantu bangun saat robot terjatuh. Salah satu contohnya adalah Gyroscope, dipakai juga pada Smartphone.
Gas Sensor. Berfungsi untuk mendeteksi berbagai jenis gas atau asap yang ada disekitar. Seperti hidung pada manusia, dapat membedakan yang mana gas yang biasa mana gas yang berbahaya. Contoh penerapan gas Sensor adalah untuk robot penjinak Bom, atau robot GreenBird.
Temperatur Sensor. Sama seperti kulit yang dapat merasakan panas dan dingin. Dengan temperatur sensor robot dapat mengenali suhu yang ada disekitarnya.

Sebenarnya masih banyak lagi sensor yang bisa kamu gunakan untuk robot. Tapi 8 sensor diatas adalah yang paling sering digunakan.

^ "Automation and Robotics ( Robot Store )". Robot Store (HK). Diakses tanggal 23 January 2015.
^ "Robotics sensors (Active)". Active Robots. Diakses tanggal 23 January 2015.

Diperoleh dari "https://id.wikipedia.org/w/index.php?title=Sensor_robot&oldid=18392874"

Seiring dengan perkembangan teknologi, tidak menutup kemungkinan bahwa di masa mendatang, manusia akan lebih banyak berinteraksi dengan robot dalam kehidupan sehari-hari. Di beberapa negara maju, teknologi robot bahkan sudah mulai banyak digunakan untuk membantu tugas manusia. Salah satu contohnya adalah penggunaan robot vacuum cleaneryang dapat secara otomatis mendeteksi debu pada lantai dan membersihkannya. Selain itu, di bidang otomotif, beberapa perusahaan terkemuka bahkan sudah mulai mengeluarkan beragam produk mobil yang memiliki kemampuan self-parking (lihat Gambar 1). Lantas, pernahkah kamu berpikir tentang bagaimana sebenarnya robot-robot itu bisa memiliki kemampuan tersebut sehingga dapat membantu tugas kita?

Apa itu robot learning?

Selain dengan melakukan pemrograman secara manual pada robot, salah satu cara yang dapat digunakan agar robot dapat memiliki kemampuan untuk melaksanakan tugas-tugas tertentu adalah dengan menggunakan pendekatan berbasis robot learning yang merupakan bidang irisan antara machine learning dan robotics. Dengan menggunakan teknik ini, artificial neural networks (ANN) yang saat ini umum dikenal dengan istilah deep learning diimplementasikan ke dalam robot sebagai representasi dari otak yang mampu melakukan proses pembelajaran. Melalui pendekatan ini, kita dapat melatih robot dengan cara melakukan proses training terhadap ANN melalui data latih yang didapatkan dari berbagai sensor yang tertanam pada robot. Tujuan akhir dari proses training tersebut adalah mendapatkan sebuah model ANN optimal yang mampu memetakan data dari sensor menjadi aksi tertentu sehingga robot dapat melakukan gerakan-gerakan yang tepat dan sesuai dengan tugas yang diberikan.

Implementasi robot learning: imitation learning dan reinforcement learning

Secara garis besar, mengimplementasikan robot learning berarti sama dengan melatih ANN. Lalu, pendekatan machine learning apa yang dapat kita gunakan dalam proses ini? Beberapa pendekatan yang dapat dipakai antara lain adalah imitation learning dan reinforcement learning. Berikut detail penjelasannya:

Imitation Learning
Dengan menggunakan imitation learning, robot akan dilatih untuk dapat meniru aksi-aksi yang dicontohkan oleh manusia untuk melakukan tugas tertentu. Pada tahapan pertama, semua data yang didapatkan ketika manusia melakukan contoh gerakan-gerakan yang tepat untuk tugas tertentu akan direkam dan akan dijadikan sebagai data latih. Selanjutnya, ANN pada robot akan dilatih menggunakan data latih yang sudah kita dapatkan tersebut.
Reinforcement Learning
Dengan menggunakan reinforcement learning, kita dapat melatih robot dengan menyiapkan sebuah environment khusus yang mampu menyediakan feedback berupa reward spesifik yang sesuai dengan tugas tertentu ketika robot melakukan interaksi. Nantinya, dengan menggunakan algoritma pembelajaran tertentu yang mampu memaksimalkan reward yang akan didapatkan di masa mendatang, robot akan belajar untuk menghasilkan aksi yang sesuai dengan tugas tertentu.

Bisakah belajar lebih jauh tentang robot learning di Informatika UII?

Jika tertarik dengan bidang robot learning, kamu bisa mengambil beberapa mata kuliah di Informatika UII sesuai dengan kurikulum 2020 seperti; SIF402: Sistem Cerdas dan Pendukung Keputusan, SIF403: Fundamen Data Sains, SIF903: Komputasi Lunak, SIF909: Big Data, SIF910: Deep Learning, dan juga SIF918: Teknologi Informasi Untuk Pembangunan. Selain itu, melalui kebijakan Merdeka Belajar, kamu juga bisa mengambil mata kuliah Topik Terpilih Bidang Teknologi dan Rekayasa terkait robotika.

Referensi

C. Mueller, J. Venicx, and B. Hayes, Robust robot learning from demonstration and skill repair using conceptual constraints, in Proc. IEEE/RSJ Int. Conf. Intel. Robot. Sys. (IROS), 2018.
R. Guldenring, M. Gorner, N. Hendrich, N. J. Jacobsen, and J. Zhang, Learning local planners for human-aware navigation in indoor environments, in Proc. IEEE/RSJ Int. Conf. Intel. Robot. Sys. (IROS), 2020.

Penulis: Chandra Kusuma Dewa
Dosen Informatika UII

Jurusan Informatika UII menerima kiriman artikel untuk ditampilkan pada Pojok Informatika dan Pojok Dakwah. Ketentuan dan prosedur pengiriman dapat dilihat pada laman berikut.