• LATEST
    • A PHP Error was encountered

      Severity: Notice

      Message: Undefined variable: latest

      Filename: views/_header.php

      Line Number: 48

      A PHP Error was encountered

      Severity: Warning

      Message: Invalid argument supplied for foreach()

      Filename: views/_header.php

      Line Number: 48


Algoritma Memandu Kerjasama Manusia-Robot

Associate Professor Julie Shah, ahli aeronautika dan astronautika dan mahasiswa Przemyslaw “Pem” Lasota asal Massachusetts Institute of Technology (MIT) di Amerika Serikat (AS) menciptakan alat baru yang memperkirakan lintasan gerakan seseorang secara akurat. Alat baru berbasis algoritma ini dapat membantu robot dan manusia bekerjasama lebih erat, misalnya dalam mata-rantai proses produksi di pabrik-pabrik. Kedua ilmuwan itu mempresentasikan hasil riset dan penemuannya pada konferensi Robotics: Science and Systems, Juni 2019, di Jerman (Science Daily, 12/6/2019).

Proyek riset itu didanai sebagian oleh NASA Space Technology Research Fellowship dan National Science Foundation.  Hasilnya, Julie Shah  dan Lasota menemukan algoritma penyelaras lintasan gerak-manusia secara real-time. Sehingga alat baru penyelaras gerakan dapat akurat mengantisikasi waktu gerakan seseorang. Kedua ilmuwan itu menerapkan algoritma baru itu melalui uji-coba pada pabrik BMW. Hasilnya, robot tidak ‘membeku’ atau berdiam-diri di tempatnya, tetapi robot bergulir dan aman keluar jalurnya saat seseorang bergerak atau berjalan lagi.

“This algorithm builds in components that help a robot understand and monitor stops and overlaps in movement, which are a core part of human motion, This technique is one of the many way we're working on robots better understanding people,” ungkap associate professor Julie Shah asal MIT (Massachusetts Institute of Technology, 12/6/2019).

Tahun 2018, Associate Professor Julie Shah dan Przemyslaw “Pem” Lasota terlibat dalam tim riset kolaborasi ahli asal MTI dan produsen mobil BMW.  Riset eksperimen itu hendak menguji cara manusia dan robot dapat bekerja jarak-dekat untuk merakit bagian-bagian mobil. Dalam lab replika pengaturan lantai pabrik, tim peneliti memasang robot di rel, yang dirancang untuk mengirimkan suku cadang antara mata-rantai-kerja (Jennifer Chu | MIT News Office, 10/6/2019).

Pada riset eksperimen tahun 2018 itu, robot diprogram berhenti sejenak jika seseorang lewat. Hasilnya, robot sering berdiam di tempat, jauh sebelum seseorang melewati jalurnya. Ini dapat memicu inefisiensi. Kedua ilmuwan itu melacak akar masalahnya ialah keterbatasan algoritma penyelaras lintasan robot yang digunakan oleh perangkat lunak memperkirakan gerakan robot. Misalnya, perkiraan tentang arah gerakan seseorang dan lamanya.

Sebagai solusi, Lasota dan Shah merancang suatu algoritma “lintasan parsial” penyelaras segmen lintasan seseorang secara real-time dengan rekaman lintasan-lintasan referensi sebelumnya. Hasilnya, algoritma baru itu mampu menyelaraskan lintasan jarak dan waktu dan mengantisipasi secara akurat gerakan berhenti dan tumpang-tindih pada jalur seseorang.

“Say you've executed this much of a motion. Old techniques will say, 'this is the closest point on this representative trajectory for that motion.' But since you only completed this much of it in a short amount of time, the timing part of the algorithm will say, 'based on the timing, it's unlikely that you're already on your way back, because you just started your motion,” papar Lasota (Massachusetts Institute of Technology, 12/6/2019).

Lasota dan Shah menguji algoritma pada dua set data gerakan manusia :  (1) seseorang sesekali melintasi jalur robot dalam pengaturan pabrik (data dari percobaan tim dengan BMW); (2) kelompok gerakan tangan partisipan yang terekam sebelumnya, menyeberang satu meja untuk memasang satu baut dan kemudian satu robot menyikat sealant pada baut.

Hasilnya, algoritma Lasota dan Shah mampu membuat perkiraan lintasan gerak seseorang lebih akurat. Jika dibandingkan dengan dua algoritma lintasan parsial umumnya. Selain itu, sinergi algoritma penyelarasan dan prediksi gerakan memungkinkan robot lebih akurat mengantisipasi waktu gerak seseorang. Algoritma baru itu juga dapat diterapkan di bidang preprocessing, factory settings dan bahkan di rumah, yang melibatkan interaksi manusia-robot.

“This technique could apply to any environment where humans exhibit typical patterns of behavior. The key is that the [robotic] system can observe patterns that occur over and over, so that it can learn something about human behavior. This is all in the vein of work of the robot better understand aspects of human motion, to be able to collaborate with us better,” ungkap Julie Shah (Massachusetts Institute of Technology, 12/6/2019). 

Oleh: Servas Pandur