• 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


Teknik Baru Robot Kenali Obyek-Obyek Tersembunyi

Kini satu teknik baru memungkinkan robot cepat dan tepat mengenali obyek-obyek tersembunyi dalam suatu jumlah besar data tiga dimensi. Teknik baru itu diciptakan oleh Luca Carlone, assistant professor aeronautika dan astronotika dan anggota Laboratory for Information and Decision Systems (LIDS) dan mahasiswa pasca-sarjana Heng Yang pada Massachusetts Institute of Technology (MIT) di Amerika Serikat (Massachusetts Institute of Technology, 20/6/2019).

Carlone dan Heng Yang memaparkan hasil riset dan rincian teknik baru itu pada konferensi Robotics: Science and Systems Conference Juni 2019 di Jerman. Proyek riset Yang dan Carlone antara lain didanai oleh The Army Research Laboratory,  Office of Naval Research, dan Google Daydream Research Program di Amerika Serikat (Science Daily, 20/6/2019).

Robot biasanya “melihat” lingkungannya  melalui sensor yang mengumpulkan dan menerjemahkan suatu pemandangan visual ke dalam satu matriks titik-titik (matrix of dots).

Teknik-teknik umum selama ini dapat memilih obyek dari antara sejumlah besar titik atau banyak titik (clouds of dots/point clouds), dengan cepat atau tepat, tetapi tidak keduanya.

Robot-robot saat ini mengidentifikasi obyek dalam satu kumpulan titik (point cloud) dengan membandingkan suatu obyek templat -- representasi 3-D titik dari suatu obyek, misalnya kelinci - dengan representasi satu kumpulan titik dunia nyata obyek itu.

Namun, data kumpulan titik yang masuk ke sensor robot itu, tanpa kecuali termasuk eror-eror berupa bentuk titik-titik (dots) di posisi yang salah atau penempatan tidak tepat, yang dapat membingungkan proses ekstraksi fitur dan pencocokannya. Akibatnya, robot berisiko membuat banyak asosiasi salah atau ‘pencilan’ atau ‘asing’ (outliers) antara kumpulan titik (point clouds), dan akhirnya salah mengidentifikasi obyek atau sama sekali tidak mengenai sasarannya (obyek).

Algoritma terbaru mungkin dapat menyaring asosiasi-asosiasi buruk dari fitur-fitur yang sudah sesuai, namun waktu menyelesaikan penyaringannya membutuhkan “exponential time”. Jadi, prosesnya sulit selesai tepat waktu atau waktu sesuai dan wajar. Akibatnya, teknik-teknik konvensional semacam ini, kurang akurat dan kurang praktis menganalisis kumpulan data kehidupan nyata dengan kepadatan kumpulan titik data.

Algoritma lain mungkin cepat mengidentifikasi fitur-fitur dan asosiasinya, namun tergesa-gesa dengan risiko rapuh deteksi selama prosesnya dan munculnya asosiasi-asosiasi salah, tanpa menyadari eror-eror ini. “That's terrible if this is running on a self-driving car, or any safety-critical application. Failing without knowing you're failing is the worst thing an algorithm can do,” ungkap Carlone (Massachusetts Institute of Technology, 20/6/2019).

Kini Yang dan Carlone menciptakan teknik baru, yang memangkas “outliers” dalam  “polynomial time”. Sehingga teknik baru itu cepat dan tepat mengenali obyek bahkan obyek-obyek tersembunyi dalam pemandangan-pemandangan “berantakan” atau kumpulan titik-titik padat atau sangat rapat. Mula-mula kedua ilmuwan itu menggunakan teknik konvensional untuk mengekstraksi fitur obyek template dari satu kumpulan titik. Kemudian keduanya  mengembangkan proses tiga tahap mencocokkan ukuran, posisi, dan orientasi obyek dalam satu kumpulan titik dengan obyek templatnya dan secara bersamaan mengidentifikasi asosiasi-asosiasi fitur baik dari fitur buruk (Science Daily, 20/6/2019).

Hasilnya, teknik baru ciptaan Yang dan Carlone, memungkinkan robot tepat dan hanya dalam beberapa detik mengenali suatu obyek. Teknik itu menggunakan algoritma “adaptive voting scheme”,  untuk memangkas “outliers” dan mencocokkan ukuran dan posisi suatu obyek. Untuk ukuran, algoritma membuat asosiasi antara fitur-fitur templat dan fitur-fitur kumpulan titik; kemudian membandingkan jarak relatif antara fitur-fitur dalam templat dan fitur-fitur yang sesuai di kumpulan titiknya (Science Daily, 20/6/2019).

Misalnya, jika jarak antara dua fitur dalam suatu kumpulan titik mencapai lima kali lipat dari titik-titik yang sesuai dalam templat, algoritma memilih hipotesa bahwa obyek lima kali lebih besar dari obyek templat. Algoritma melakukan hal ini untuk tiap asosiasi fitur. Kemudian, algoritma memilih asosiasi di bawah hipotesis ukuran suara terbanyak, dan mengidentifikasinya sebagai asosiasi yang benar dan memangkas yang lain. Sehingga teknik ini dapat menyingkap asosiasi yang benar dan ukuran relatif obyek yang diwakili oleh asosiasi tersebut. Prosesnya sama menentukan posisi obyek (Science Daily, 20/6/2019).

“The surprising thing about this work is, if I ask you to find a bunny in this cloud of thousands of points, there's no way you could do that. But our algorithm is able to see the object through all this clutter. So we're getting to a level of superhuman performance in localizing objects,” ungkap Luca Carlone (Massachusetts Institute of Technology, 20/6/2019).

Untuk identifikasi rotasi, kedua ilmuwan itu mengembangkan algoritma lain, yang dapat menemukan orientasi obyek templat dalam ruang tiga dimensi. Yang dan Carlone mengembangkan algoritma “convex relaxation” yang menyederhanakan peta topografi. Dengan cara ini, algoritma cepat mengidentifikasi rotasi obyek dalam kumpulan titik. Sehingga teknik baru itu cepat dan tepat mengidentifikasi tiga obyek yang berbeda - kelinci, naga, dan Buddha – yang tersembunyi dalam kumpulan-kumpulan titik yang sangat padat.

Teknik baru itu juga dapat mengidentifikasi obyek dalam kehidupan nyata. Bahkan algoritmanya cepat dan tepat menemukan kotak sereal dan topi baseball di ruang tamu. Teknik baru itu juga dapat bekerja dalam “polynomial time”, sehingga  mudah ditingkatkan guna menganalisis kumpulan titik lebih padat, misalnya, kompleksitas data sensor bagi mobil-mobil tanpa pengemudi. “Navigation, collaborative manufacturing, domestic robots, search and rescue, and self-driving cars is where we hope to make an impact,” papar Carlone (Massachusetts Institute of Technology, 20/6/2019). 

 

Oleh: Servas Pandur