PTSC 2.2

TUGAS PENGANTAR TEKNOLOGI SISTEM CERDAS 2.2

DOSEN : DONIE MARGAVIANTO, SKOM.,MMSI

___________________________________________________________________________________________

Robot, Aplikasi dan Sistem Sensor

Abstrak

Meskipun semua orang tampaknya tahu apa robot itu, sulit untuk memberikan definisi yang tepat. Kamus Bahasa Inggris Oxford memberikan definisi berikut: "Mesin yang mampu melakukan serangkaian tindakan kompleks secara otomatis, terutama yang dapat diprogram oleh komputer." Definisi ini mencakup beberapa elemen menarik:

“Melakukan tindakan secara otomatis.” Ini adalah elemen kunci dalam robotika, tetapi juga di banyak mesin sederhana lainnya yang disebut automata. Perbedaan antara robot dan robot sederhana seperti mesin pencuci piring adalah dalam definisi apa "serangkaian tindakan kompleks" itu. Apakah mencuci pakaian terdiri dari serangkaian tindakan kompleks atau tidak? Apakah menerbangkan pesawat dengan autopilot adalah tindakan yang rumit? Apakah memasak roti kompleks? Untuk semua tugas ini ada mesin yang berada di batas antara automata dan robot.

"Dapat diprogram oleh komputer" adalah elemen kunci lain dari robot, karena beberapa automata diprogram secara mekanis dan tidak terlalu fleksibel. Di sisi lain komputer ditemukan di mana-mana, sehingga sulit untuk menggunakan kriteria ini untuk membedakan robot dari mesin lain.

Elemen penting dari robot yang tidak disebutkan secara eksplisit dalam definisi adalah penggunaan sensor. Sebagian besar automata tidak memiliki sensor dan tidak dapat menyesuaikan tindakan mereka dengan lingkungan mereka. Sensor adalah apa yang memungkinkan robot untuk melakukan tugas sanscomplex.

Dalam Sekte. 1.1-1.5.5 bab pendahuluan ini kami berikan survei singkat tentang berbagai jenis robot. Bagian 1.6 menjelaskan robot generik yang kami gunakan dan Sect. 1.7 menyajikan pseudocode yang digunakan untuk memformalkan algoritma. Bagian 1.8 memberikan ikhtisar terperinci tentang isi buku ini.

Robotika adalah cabang interdisipliner teknik dan sains yang mencakup teknik mesin, teknik elektronik, teknik informasi, ilmu komputer, dan lain-lain. Robotika berkaitan dengan desain, konstruksi, operasi, dan penggunaan robot, serta sistem komputer untuk kontrol, umpan balik indera, dan pemrosesan informasi.

Teknologi ini digunakan untuk mengembangkan mesin yang dapat menggantikan manusia dan mereplikasi tindakan manusia. Robot dapat digunakan dalam banyak situasi dan untuk banyak tujuan, tetapi saat ini banyak yang digunakan di lingkungan berbahaya (termasuk deteksi bom dan penonaktifan), proses pembuatan, atau di mana manusia tidak dapat bertahan hidup (misalnya di ruang angkasa, di bawah air, dalam panas tinggi, dan membersihkan dan menahan bahan berbahaya dan radiasi). Robot dapat berbentuk apa saja tetapi ada juga yang dibuat menyerupai manusia. Ini dikatakan untuk membantu penerimaan robot dalam perilaku replikasi tertentu yang biasanya dilakukan oleh orang-orang. Robot semacam itu berusaha meniru jalan, mengangkat, berbicara, kognisi, atau aktivitas manusia lainnya. Banyak robot saat ini terinspirasi oleh alam, berkontribusi pada bidang robotika bio-terinspirasi.

Konsep menciptakan mesin yang dapat beroperasi secara otonom kembali ke zaman klasik, tetapi penelitian tentang fungsi dan potensi penggunaan robot tidak tumbuh secara substansial sampai abad ke-20. Sepanjang sejarah, telah sering diasumsikan oleh berbagai sarjana, penemu, insinyur, dan teknisi bahwa suatu hari robot akan dapat meniru perilaku manusia dan mengelola tugas dengan cara yang mirip manusia. Saat ini, robotika adalah bidang yang berkembang pesat, seiring kemajuan teknologi yang terus berlanjut; meneliti, merancang, dan membangun robot baru melayani berbagai tujuan praktis, baik secara domestik, komersial, atau militer. Banyak robot dibangun untuk melakukan pekerjaan yang berbahaya bagi orang, seperti meredakan bom, menemukan korban selamat di reruntuhan yang tidak stabil, dan menjelajahi ranjau dan bangkai kapal. Robotika juga digunakan dalam STEM (sains, teknologi, teknik, dan matematika) sebagai alat bantu mengajar. Munculnya nanorobot, robot mikroskopis yang dapat disuntikkan ke dalam tubuh manusia, dapat merevolusi kedokteran dan kesehatan manusia.

Aplikasi

Karena semakin banyak robot dirancang untuk tugas-tugas spesifik, metode klasifikasi ini menjadi lebih relevan. Sebagai contoh, banyak robot dirancang untuk pekerjaan perakitan, yang mungkin tidak mudah beradaptasi untuk aplikasi lain. Mereka disebut sebagai "robot perakitan". Untuk pengelasan jahitan, beberapa pemasok menyediakan sistem pengelasan lengkap dengan robot yaitu peralatan pengelasan bersama dengan fasilitas penanganan material lainnya seperti meja putar, dll. Sebagai unit terintegrasi. Sistem robot terpadu seperti itu disebut "robot pengelasan" walaupun unit manipulator diskritnya dapat disesuaikan dengan berbagai tugas. Beberapa robot dirancang khusus untuk manipulasi beban berat, dan diberi label sebagai "robot tugas berat".

Atlas Robot, robot humanoid yang dirancang untuk membantu layanan darurat dalam operasi pencarian dan penyelamatan

Aplikasi saat ini dan potensial meliputi:

1.    Robot militer.

2.    Robot industri. Robot semakin banyak digunakan di bidang manufaktur (sejak 1960-an). Menurut data Asosiasi Industri Robotika AS, pada tahun 2016 industri otomotif adalah pelanggan utama robot industri dengan 52% dari total penjualan. Dalam industri otomotif, mereka dapat berjumlah lebih dari setengah dari "tenaga kerja". Bahkan ada pabrik "mati lampu" seperti pabrik pembuat papan ketik IBM di Texas yang sepenuhnya otomatis sejak tahun 2003.

3.    Cobots (robot kolaboratif).

4.    Robot konstruksi. Robot konstruksi dapat dipisahkan menjadi tiga jenis: robot tradisional, lengan robot, dan kerangka robot.

5.    Robot pertanian (AgRobots). Penggunaan robot dalam pertanian terkait erat dengan konsep pertanian presisi berbantuan AI dan penggunaan drone. Penelitian 1996-1998 juga membuktikan bahwa robot dapat melakukan tugas menggembalakan.

6.    Robot medis dari berbagai jenis (seperti da Vinci Surgical System dan Hospi).

7.    Otomatisasi dapur. Contoh komersial otomatisasi dapur adalah Flippy (burger), Zume Pizza (pizza), Cafe X (kopi), Makr Shakr (koktail), Frobot (yogurt beku) dan Sally (salad). Contoh rumah adalah Rotimatic (flatbreads baking) dan Boris (loading pencuci piring).

8.    Pertarungan robot untuk olahraga - hobi atau acara olahraga di mana dua atau lebih robot bertarung dalam satu arena untuk saling melumpuhkan. Ini telah berkembang dari hobi pada 1990-an ke beberapa serial TV di seluruh dunia.

9.    Pembersihan area yang terkontaminasi, seperti limbah beracun atau fasilitas nuklir.

10. Robot domestik.

11. Nanorobots.

12. Kawanan robotika.

13. Drone otonom.

14. Penandaan garis bidang olahraga.

1.1 Klasifikasi Robot

Robot dapat diklasifikasikan menurut lingkungan di mana mereka beroperasi (Gbr. 1.1). Perbedaan paling umum adalah antara robot tetap dan seluler. Kedua jenis robot ini memiliki lingkungan kerja yang sangat berbeda dan karenanya memerlukan kemampuan yang sangat berbeda. Robot tetap sebagian besar manipulator robot industri yang bekerja di lingkungan yang terdefinisi dengan baik yang diadaptasi untuk robot. Robot industri melakukan tugas berulang khusus seperti menyolder atau mengecat bagian di pabrik mobil. Dengan peningkatan sensor dan perangkat untuk interaksi manusia-robot, manipulator robot semakin banyak digunakan di lingkungan yang kurang terkontrol seperti operasi presisi tinggi.

Sebaliknya, robot seluler diharapkan bergerak dan melakukan tugas di lingkungan yang besar, tidak jelas, dan tidak pasti yang tidak dirancang khusus untuk robot. Mereka perlu menghadapi situasi yang tidak diketahui secara tepat sebelumnya dan yang berubah seiring waktu. Lingkungan seperti itu dapat mencakup entitas yang tidak dapat diprediksi seperti manusia dan hewan. Contoh robot seluler adalah penyedot debu robot dan mobil self-driving.

Tidak ada garis pemisah yang jelas antara tugas yang dilakukan oleh robot tetap dan robot seluler — manusia dapat berinteraksi dengan robot industri dan robot seluler dapat dibatasi untuk bergerak di jalur — tetapi lebih mudah untuk menganggap kedua kelas itu berbeda secara mendasar. Secara khusus, robot tetap melekat pada dudukan yang stabil di tanah, sehingga mereka dapat menghitung posisi mereka berdasarkan keadaan internal mereka, sementara robot seluler perlu mengandalkan persepsi mereka tentang lingkungan untuk menghitung lokasi mereka.

Ada tiga lingkungan utama untuk robot bergerak yang memerlukan prinsip desain yang sangat berbeda karena mereka berbeda dalam mekanisme gerak: akuatik (eksplorasi bawah air), terestrial (mobil) dan udara (drone). Sekali lagi, klasifikasi tidak ketat, misalnya, ada robot amfibi yang bergerak di air dan di tanah. Robot untuk tiga lingkungan ini dapat dibagi lagi menjadi subclass: robot terestrial dapat memiliki kaki atau roda atau trek, dan robot udara dapat berupa balon yang lebih ringan dari udara atau pesawat yang lebih berat dari udara, yang pada gilirannya dibagi menjadi sayap tetap dan sayap putar (helikopter).

Robot dapat diklasifikasikan berdasarkan bidang aplikasi yang dimaksud dan tugas yang mereka lakukan (Gbr. 1.2). Kami menyebutkan robot industri yang bekerja di lingkungan yang terdefinisi dengan baik pada tugas-tugas produksi. Robot pertama adalah robot industri karena lingkungan yang didefinisikan dengan baik menyederhanakan desain mereka. Robot layanan, di sisi lain, membantu manusia dalam tugas mereka. Ini termasuk pekerjaan di rumah seperti pembersihan hampa udara, transportasi seperti mobil self-driving, dan aplikasi pertahanan seperti pesawat pengintai. Obat-obatan juga telah meningkatkan penggunaan robot dalam operasi, rehabilitasi dan pelatihan. Ini adalah aplikasi terbaru yang membutuhkan sensor yang ditingkatkan dan interaksi yang lebih dekat dengan pengguna.

1.2 Robot Industri

Robot pertama adalah robot industri yang menggantikan pekerja manusia yang melakukan tugas berulang sederhana. Lini perakitan pabrik dapat beroperasi tanpa kehadiran manusia, dalam lingkungan yang terdefinisi dengan baik di mana robot harus melakukan tugas dalam urutan tertentu, yang bekerja pada objek yang ditempatkan tepat di depannya.

Orang bisa berpendapat bahwa ini benar-benar automata dan bukan robot. Namun, automata saat ini sering bergantung pada sensor sejauh mereka dapat dianggap sebagai robot. Namun, desain mereka disederhanakan karena mereka bekerja di lingkungan yang disesuaikan yang manusia tidak boleh mengakses saat robot bekerja.

Namun, robot saat ini membutuhkan lebih banyak fleksibilitas, misalnya, kemampuan untuk memanipulasi objek dalam orientasi yang berbeda atau untuk mengenali objek yang berbeda yang perlu dikemas dalam urutan yang benar. Robot dapat diminta untuk mengangkut barang ke dan dari gudang. Ini membawa otonomi tambahan, tetapi karakteristik dasarnya tetap: lingkungan lebih atau kurang dibatasi dan dapat disesuaikan dengan robot.

Fleksibilitas tambahan diperlukan ketika robot industri berinteraksi dengan manusia dan ini memperkenalkan persyaratan keselamatan yang kuat, baik untuk senjata robot dan untuk robot bergerak. Secara khusus, kecepatan robot harus dikurangi dan desain mekanik harus memastikan bahwa bagian yang bergerak tidak berbahaya bagi pengguna. Keuntungan dari manusia yang bekerja dengan robot adalah bahwa masing-masing dapat melakukan yang terbaik: robot melakukan tugas yang berulang atau berbahaya, sementara manusia melakukan langkah-langkah yang lebih kompleks dan mendefinisikan tugas robot secara keseluruhan, karena mereka cepat mengenali kesalahan dan peluang untuk optimasi.

1.3 Robot Seluler Mandiri

Banyak robot seluler dikendalikan dari jarak jauh, melakukan tugas-tugas seperti inspeksi pipa, fotografi udara dan pembuangan bom yang bergantung pada operator yang mengendalikan perangkat. Robot-robot ini tidak otonom; mereka menggunakan sensor mereka untuk memberi operator akses jarak jauh ke tempat-tempat yang berbahaya, jauh atau tidak dapat diakses. Beberapa dari mereka dapat semi-otonom, melakukan subtugas secara otomatis. Autopilot drone menstabilkan penerbangan sementara manusia memilih jalur penerbangan. Robot dalam sebuah pipa dapat mengontrol pergerakannya di dalam pipa sementara manusia mencari cacat yang perlu diperbaiki. Robot seluler yang sepenuhnya otonom tidak bergantung pada operator, tetapi mereka membuat keputusan sendiri dan melakukan tugas, seperti mengangkut material saat bernavigasi di medan yang tidak pasti (dinding dan pintu di dalam gedung, persimpangan di jalan) dan dalam lingkungan yang terus berubah ( orang-orang berjalan, mobil-mobil bergerak di jalanan).

Robot seluler pertama dirancang untuk lingkungan sederhana, misalnya robot yang membersihkan kolam renang atau mesin pemotong rumput robot. Saat ini, penyedot debu robot tersedia secara luas, karena telah terbukti layak untuk membangun robot dengan harga terjangkau yang dapat menavigasi lingkungan dalam ruangan yang penuh dengan rintangan.

Banyak robot seluler otonom dirancang untuk mendukung para profesional yang bekerja di lingkungan terstruktur seperti gudang. Contoh yang menarik adalah robot untuk menyiangi lahan (Gbr. 1.4). Lingkungan ini sebagian terstruktur, tetapi penginderaan tingkat lanjut diperlukan untuk melakukan tugas mengidentifikasi dan menghilangkan gulma. Bahkan di pabrik yang sangat terstruktur, robot berbagi lingkungan dengan manusia dan oleh karena itu penginderaan mereka harus sangat dapat diandalkan.

Mungkin robot mobile yang otonom mendapatkan publisitas paling akhir-akhir ini adalah mobil self-driving. Ini sangat sulit untuk dikembangkan karena lingkungan lalu lintas bermotor yang sangat kompleks dan persyaratan keselamatan yang ketat.

Lingkungan yang bahkan lebih sulit dan berbahaya adalah ruang. Penemu Mars Sojourner dan Curiosity adalah robot ponsel semi-otonom. Sojourner aktif selama tiga bulan pada tahun 1997. Curiosity telah aktif sejak mendarat di Mars pada tahun 2012! Sementara pengemudi manusia di Bumi mengendalikan misi (rute untuk mengemudi dan eksperimen ilmiah yang akan dilakukan), penemu memang memiliki kemampuan penghindaran bahaya otonom.

Banyak penelitian dan pengembangan dalam robotika saat ini difokuskan pada membuat robot lebih mandiri dengan meningkatkan sensor dan memungkinkan kontrol robot yang lebih cerdas. Sensor yang lebih baik dapat melihat detail dari situasi yang lebih kompleks, tetapi untuk menangani situasi ini, kontrol perilaku robot harus sangat fleksibel dan mudah beradaptasi. Visi, khususnya, adalah bidang penelitian yang sangat aktif karena kamera murah dan informasi yang dapat mereka peroleh sangat kaya. Berbagai upaya sedang dilakukan untuk membuat sistem lebih fleksibel, sehingga mereka dapat belajar dari manusia atau beradaptasi dengan situasi baru. Bidang penelitian aktif lainnya membahas interaksi antara manusia dan robot. Ini melibatkan penginderaan dan kecerdasan, tetapi juga harus memperhitungkan psikologi dan sosiologi interaksi.

1.4 Robot Humanoid

Fiksi ilmiah dan media massa suka mewakili robot dalam bentuk humanoid. Kita semua akrab dengan R2-D2 dan 3-CPO, karakter robot dalam film Star Wars, tetapi konsepnya jauh tertinggal. Pada abad kedelapan belas, sekelompok pembuat arloji Swiss — Pierre dan Henri-Louis Jaquet-Droz dan Jean-Frédéric Leschot — membuat humanoid automata untuk menunjukkan keterampilan mekanik mereka dan mengiklankan jam tangan mereka. Banyak perusahaan saat ini membuat robot humanoid untuk alasan yang sama.

Robot humanoid adalah bentuk robot bergerak otonom dengan desain mekanis yang sangat kompleks untuk menggerakkan lengan dan untuk gerak kaki. Robot humanoid digunakan untuk penelitian mekanika berjalan dan interaksi manusia-mesin. Robot humanoid telah diusulkan untuk melakukan layanan dan pemeliharaan di rumah atau stasiun ruang angkasa. Mereka sedang dipertimbangkan untuk memberikan perawatan kepada orang tua yang mungkin merasa cemas di hadapan mesin yang tidak tampak manusia. Di sisi lain, robot yang terlihat sangat mirip dengan manusia dapat menghasilkan tolakan, sebuah fenomena yang disebut sebagai lembah luar biasa.

Robot humanoid bisa sangat sulit untuk dirancang dan dikendalikan. Mereka mahal untuk membangun dengan banyak sendi yang dapat bergerak dengan berbagai cara. Robot yang menggunakan roda atau trek lebih disukai untuk sebagian besar aplikasi karena lebih sederhana, lebih murah dan kuat.

1.5 Robot Pendidikan

Kemajuan dalam elektronik dan mekanik telah memungkinkan untuk membuat robot yang relatif murah. Robot pendidikan digunakan secara luas di sekolah, baik di ruang kelas maupun dalam kegiatan ekstrakurikuler. Banyaknya robot pendidikan membuatnya tidak mungkin untuk memberikan gambaran lengkap. Di sini kami memberikan beberapa contoh yang mewakili robot yang biasa digunakan dalam pendidikan.

Robot Seluler Pra-Rakitan

Banyak robot pendidikan dirancang sebagai robot seluler prakitakit. Gambar 1.5a menunjukkan robot Thymio dari Mobsya dan Gambar 1.5b menunjukkan robot Dash dari Wonder Workshop. Robot ini relatif murah, kuat, dan mengandung sejumlah besar sensor dan komponen output seperti lampu. Keuntungan penting dari robot ini adalah Anda dapat menerapkan algoritma robot “out of the box,” tanpa menginvestasikan waktu dalam desain dan konstruksi mekanik. Namun, robot pra-rakitan tidak dapat dimodifikasi, meskipun banyak yang mendukung ekstensi bangunan menggunakan, misalnya, komponen LEGO ®.

Perangkat Robotika

Kit robotika Mindstorms LEGO ® (Gbr. 1.6a) diperkenalkan pada tahun 1998.1 Kit terdiri dari batu bata LEGO ® standar dan komponen bangunan lainnya, bersama-sama dengan motor dan sensor, dan batu bata yang dapat diprogram yang berisi komputer yang mengontrol komponen-komponen robot . Keuntungan kit robotik adalah mereka fleksibel: Anda dapat merancang dan membangun robot untuk melakukan tugas tertentu, hanya dibatasi oleh imajinasi Anda. Kit robotika juga dapat digunakan untuk mengajarkan desain mekanik kepada siswa. Kerugian dari kit robot adalah bahwa mereka lebih mahal daripada robot pra-rakitan sederhana dan bahwa eksplorasi algoritma robotika tergantung pada kemampuan seseorang untuk berhasil menerapkan desain mekanik yang kuat.

Tren baru-baru ini adalah untuk mengganti koleksi batu bata dengan bagian-bagian yang dibangun oleh printer 3D. Contohnya adalah lengan robot Poppy Ergo Jr (Gbr. 1.6b). Penggunaan komponen cetakan 3D memungkinkan lebih banyak fleksibilitas dalam penciptaan struktur mekanik dan ketahanan yang lebih besar, tetapi memang membutuhkan akses ke printer 3D.

Lengan Robot

Untuk bertindak pada lingkungannya, robot memerlukan aktuator yang merupakan komponen dari robot yang mempengaruhi lingkungan. Banyak robot, khususnya lengan robot yang digunakan dalam industri, mempengaruhi lingkungan melalui end effector, biasanya grippers atau alat serupa (Gambar 1.3, 14.1 dan 15.5b). Aktuator robot seluler adalah motor yang menyebabkan robot bergerak, serta komponen seperti pompa vakum penyedot debu.

Robot pendidikan biasanya robot mobile yang hanya aktuatornya adalah motor dan perangkat display seperti lampu, suara atau layar. Efektor akhir dapat dibuat dengan kit robotik atau dengan menggunakan komponen tambahan dengan robot yang sudah dirakit sebelumnya, meskipun lengan robot pendidikan memang ada (Gbr. 1.6b). Manipulasi objek memperkenalkan kompleksitas ke dalam desain; namun, karena algoritme untuk efektor akhir mirip dengan algoritme untuk robot seluler sederhana, sebagian besar aktivitas dalam buku ini hanya akan menganggap bahwa robot Anda memiliki motor dan perangkat tampilan.

Lingkungan Pengembangan Perangkat Lunak

Setiap sistem robotika pendidikan mencakup lingkungan pengembangan perangkat lunak. Bahasa pemrograman dapat berupa versi bahasa pemrograman standar seperti Java atau Python. Pemrograman disederhanakan jika bahasa berbasis blok digunakan, biasanya bahasa berdasarkan Scratch atau Blockly.

Untuk lebih menyederhanakan pemrograman robot oleh siswa muda, notasi pemrograman sepenuhnya grafis dapat digunakan. Gambar 1.8 menunjukkan VPL (Visual Programming Language), lingkungan perangkat lunak grafis untuk robot Thymio. Itu menggunakan pasangan peristiwa-tindakan: ketika acara yang diwakili oleh blok di sebelah kiri terjadi, tindakan di blok berikut dilakukan.

1.6 Robot Generik

Bagian ini menyajikan deskripsi robot generik yang kami gunakan untuk menyajikan algoritma robotika. Kemampuan robot generik mirip dengan yang ditemukan dalam robot pendidikan, tetapi yang Anda gunakan mungkin tidak memiliki semua kemampuan yang diasumsikan dalam presentasi sehingga Anda harus berimprovisasi. Anda mungkin belum memahami semua istilah dalam uraian berikut, tetapi penting agar spesifikasi diformalkan. Rincian lebih lanjut akan diberikan dalam bab-bab selanjutnya.

1.6.1 Drive Diferensial

Robot adalah kendaraan otonom kecil dengan penggerak diferensial, artinya memiliki dua roda yang digerakkan oleh motor independen (Gbr. 1.10). Untuk menyebabkan robot bergerak, atur daya motor ke nilai dari −100 (daya penuh mundur) hingga 0 (berhenti) menjadi 100 (daya penuh ke depan). Tidak ada hubungan yang telah ditentukan antara tenaga motor dan kecepatan robot. Motor dapat dihubungkan ke roda melalui rasio roda gigi yang berbeda, jenis ban pada roda mempengaruhi traksi mereka, dan medan berpasir atau berlumpur dapat menyebabkan roda tergelincir.

Gambar 1.10 menunjukkan tampilan robot dari atas. Bagian depan robot adalah kurva ke kanan yang juga merupakan arah gerak robot ke depan. Roda (persegi panjang hitam) ada di sisi kiri dan kanan belakang tubuh robot. Titik adalah titik pada poros di tengah-tengah antara roda. Ketika robot berputar, ia berputar pada sumbu vertikal ke titik ini. Untuk stabilitas, ke arah depan robot ada roda pendukung atau non-driven.

Gambar mekanis

Garis putus-putus adalah notasi standar dalam teknik mesin untuk sumbu simetri dalam komponen seperti roda. Ketika tampilan samping roda ditampilkan, perpotongan kedua sumbu simetri menunjukkan sumbu rotasi yang tegak lurus terhadap bidang halaman. Untuk menghindari kekacauan diagram, kami menyederhanakan notasi dengan hanya menunjukkan garis putus-putus untuk sumbu rotasi komponen seperti roda. Selain itu, persimpangan yang menunjukkan sumbu tegak lurus biasanya disingkat menjadi silang, mungkin terdapat di dalam roda atau porosnya.

Diferensial drive memiliki beberapa keunggulan: sederhana karena hanya memiliki dua motor tanpa komponen tambahan untuk kemudi dan memungkinkan robot untuk berputar di tempat. Di dalam mobil, dua roda digerakkan bersama (atau empat roda digerakkan berpasangan) dan ada mekanisme kompleks yang terpisah untuk kemudi yang disebut kemudi Ackermann. Karena mobil tidak dapat berputar, pengemudi harus melakukan manuver rumit seperti parkir paralel; driver manusia mudah belajar untuk melakukan ini, tetapi manuver seperti itu sulit untuk sistem otonom. Robot otonom perlu melakukan manuver rumit dengan gerakan yang sangat sederhana, itulah sebabnya drive diferensial adalah konfigurasi yang lebih disukai: ia dapat dengan mudah beralih ke judul apa pun dan kemudian bergerak ke arah itu.

Kerugian utama dari sistem penggerak diferensial adalah diperlukannya titik kontak ketiga dengan tanah, tidak seperti mobil yang sudah memiliki empat roda untuk menopangnya dan dengan demikian dapat bergerak dengan mudah di medan yang sulit. Kerugian lain adalah tidak dapat mengemudi secara lateral tanpa memutar. Ada konfigurasi yang memungkinkan robot untuk bergerak ke samping (Bagian 5.12), tetapi mereka rumit dan mahal. Penggerak diferensial juga digunakan pada kendaraan yang dilacak seperti peralatan pemindah bumi dan tank militer. Kendaraan ini dapat bermanuver di medan yang sangat kasar, tetapi trek menghasilkan banyak gesekan sehingga gerakannya lambat dan tidak tepat.

Pengaturan Daya atau Pengaturan Kecepatan

Daya yang disuplai oleh motor diatur oleh throttle, seperti pedal di mobil atau tuas di pesawat terbang atau kapal. Motor listrik yang digunakan dalam mobile robot dikendalikan dengan memodifikasi tegangan yang diberikan pada motor menggunakan teknik yang disebut modulasi lebar pulsa. Di banyak robot pendidikan, kontrol algoritma seperti yang dijelaskan dalam Bab. 6, digunakan untuk memastikan bahwa motor berputar pada kecepatan target yang ditentukan. Karena kami tertarik pada konsep dan algoritma untuk merancang robot, kami akan mengekspresikan algoritma dalam hal memasok daya dan menangani secara terpisah dengan mengendalikan kecepatan.

1.6.2 Sensor Jarak

Robot memiliki sensor jarak horizontal yang dapat mendeteksi objek di dekat robot. Ada banyak teknologi yang dapat digunakan untuk membangun sensor ini, seperti inframerah, laser, ultrasound; robot generik mewakili robot yang menggunakan salah satu dari teknologi ini. Kami menentukan bahwa sensor memiliki kemampuan berikut: Sensor kedekatan horisontal dapat mengukur jarak (dalam sentimeter) dari robot ke objek dan sudut (dalam derajat) antara bagian depan robot dan objek. Gambar 1.11a menunjukkan objek yang terletak pada 3 cm dari pusat robot pada sudut 45∘ dari arah penunjuk robot.2

Dalam praktiknya, robot pendidikan akan memiliki sejumlah kecil sensor, sehingga mungkin tidak dapat mendeteksi objek ke segala arah. Selain itu, sensor murah tidak akan dapat mendeteksi objek yang jauh dan pengukurannya tidak akurat. Pengukuran juga akan dipengaruhi oleh faktor lingkungan seperti jenis objek, cahaya sekitar, dan sebagainya. Untuk menyederhanakan algoritma kami, kami tidak mengasumsikan batasan yang telah ditentukan, tetapi ketika Anda menerapkan algoritma Anda harus mempertimbangkan keterbatasan.

1.6.3 Sensor Tanah

Sensor tanah dipasang di bagian bawah robot. Karena sensor ini sangat dekat dengan tanah, tidak ada arti jarak atau sudut; sebaliknya, sensor mengukur kecerahan cahaya yang dipantulkan dari tanah dalam nilai arbitrer antara 0 (benar-benar gelap) dan 100 (benar-benar terang). Robot generik memiliki dua sensor tanah yang dipasang di bagian depan robot, meskipun terkadang kami menyajikan algoritma yang hanya menggunakan satu sensor. Gambar tersebut menunjukkan tampilan atas robot meskipun sensor tanah berada di bagian bawah robot.

1.6.4 Komputer Tertanam

Robot ini dilengkapi dengan komputer tertanam. Spesifikasi komputer yang tepat tidak penting tetapi kami mengasumsikan kemampuan tertentu. Komputer dapat membaca nilai-nilai sensor dan mengatur kekuatan motor. Ada cara menampilkan informasi di layar kecil atau menggunakan lampu berwarna. Sinyal dan data dapat dimasukkan ke komputer menggunakan tombol, keypad, atau remote control.

Data dimasukkan ke komputer dengan peristiwa seperti menyentuh tombol. Terjadinya suatu peristiwa menyebabkan prosedur yang disebut event handler dijalankan. Peristiwa dapat dideteksi oleh perangkat keras, dalam hal ini istilah interupsi digunakan, atau dapat dideteksi oleh perangkat lunak, biasanya, dengan polling, di mana sistem operasi memeriksa peristiwa pada interval yang telah ditentukan. Ketika pengendali event berakhir, perhitungan sebelumnya dimulai kembali.

Penangan acara berbeda dari program berurutan yang memiliki instruksi awal yang memasukkan data dan instruksi akhir yang menampilkan output, karena penangan acara dijalankan sebagai respons terhadap peristiwa yang tidak terduga. Penanganan peristiwa digunakan untuk mengimplementasikan antarmuka pengguna grafis pada komputer dan telepon pintar: ketika Anda mengklik atau menyentuh ikon, pengendali acara dijalankan. Pada robot, suatu peristiwa dapat menjadi input tersendiri seperti menyentuh kunci. Peristiwa juga dapat terjadi ketika nilai kontinu seperti nilai yang dibaca oleh sensor berjalan di atas atau di bawah nilai yang telah ditentukan yang disebut ambang batas.

Komputer dilengkapi timer yang berfungsi seperti stopwatch di smartphone. Timer adalah variabel yang diatur ke periode waktu, misalnya 0,5 detik, yang direpresentasikan sebagai bilangan bulat milidetik atau mikrodetik (0,5 detik 500 ms). Jam perangkat keras komputer menyebabkan gangguan pada interval tetap dan sistem operasi menurunkan nilai timer. Ketika nilainya menjadi nol, kita mengatakan bahwa timer telah kedaluwarsa; interupsi terjadi.

Pengatur waktu digunakan untuk menerapkan peristiwa berulang seperti menyalakan dan mematikan lampu. Mereka juga digunakan untuk polling, alternatif untuk penangan acara: alih-alih melakukan perhitungan ketika suatu peristiwa terjadi, sensor dibaca dan disimpan secara berkala. Lebih tepatnya, polling terjadi sebagai event handler ketika timer berakhir, tetapi desain perangkat lunak yang menggunakan polling bisa sangat berbeda dari desain software berbasis event.

1.7 Formalisme Algoritma

Algoritma yang diimplementasikan sebagai program komputer digunakan oleh komputer yang tertanam untuk mengontrol perilaku robot. Kami tidak memberikan program dalam bahasa pemrograman tertentu; sebaliknya, algoritma disajikan dalam pseudocode, format terstruktur menggunakan kombinasi bahasa alami, matematika dan struktur pemrograman. Algoritma 1.1 adalah algoritma sederhana untuk perkalian integer menggunakan penambahan berulang. Input dari algoritma adalah sepasang bilangan bulat dan output adalah produk dari dua nilai input. Algoritma menyatakan tiga variabel integer x, a, b. Ada lima pernyataan di bagian yang dapat dieksekusi. Lekukan digunakan (seperti dalam bahasa pemrograman Python) untuk menunjukkan lingkup loop. Panah digunakan untuk penugasan sehingga simbol yang dikenal = dan ≠ dapat digunakan untuk persamaan dan ketidaksetaraan dalam rumus matematika.

Daya motor diatur menggunakan pernyataan penugasan:

daya motor kiri ← 50

daya motor kanan ← −50

Kami telah mendefinisikan sensor kedekatan kami sebagai mengembalikan jarak ke objek yang terdeteksi dan sudutnya relatif terhadap arah maju robot, tetapi sering kali akan lebih mudah untuk menggunakan ekspresi bahasa alami seperti:

ketika objek terdeteksi di depan

ketika objek tidak terdeteksi di belakang

1.8 Ikhtisar Konten Buku

Enam bab pertama membentuk inti dari konsep dan algoritma robotika.

Bab 1 Robot dan Aplikasi Mereka Bab ini mensurvei dan mengklasifikasikan robot. Ini juga menentukan robot generik dan formalisme yang digunakan untuk menyajikan algoritma dalam buku ini.

Bab 2 Sensor Robot lebih dari sekadar peralatan yang dikendalikan dari jarak jauh seperti pesawat televisi. Mereka menunjukkan perilaku otonom berdasarkan mendeteksi objek di lingkungan mereka menggunakan sensor. Bab ini memberikan gambaran umum tentang sensor yang digunakan oleh robot dan menjelaskan konsep jangkauan, resolusi, presisi dan akurasi. Ini juga membahas tentang sensor nonlinier dan cara mengatasinya.

Bab 3 Perilaku Reaktif Ketika robot otonom mendeteksi objek di lingkungannya, ia bereaksi dengan mengubah perilakunya. Bab ini memperkenalkan algoritma robotika di mana robot secara langsung mengubah perilakunya berdasarkan input dari sensornya. Kendaraan Braitenberg adalah contoh perilaku reaktif yang sederhana namun elegan. Bab ini menyajikan beberapa varian dari algoritma line following.

Bab 4 Mesin Hingga Hingga Sebuah robot dapat berada dalam kondisi berbeda, di mana reaksinya terhadap input dari sensornya tidak hanya bergantung pada nilai-nilai ini tetapi juga pada kondisi saat ini. Mesin negara yang terbatas adalah formalisme untuk menggambarkan keadaan dan transisi di antara mereka yang bergantung pada terjadinya peristiwa.

Bab 5 Gerakan Robot dan Odometri Robot otonom menjelajahi lingkungan mereka, melakukan tindakan. Hampir tidak ada hari berlalu tanpa laporan pengalaman dengan mobil self-driving. Bab ini meninjau konsep-konsep yang berkaitan dengan gerakan (jarak, waktu, kecepatan, percepatan), dan kemudian menyajikan odometri, metode dasar yang digunakan robot untuk bergerak dari satu posisi ke posisi lain. Odometri tunduk pada kesalahan yang signifikan dan penting untuk memahami sifatnya.

Bagian kedua dari bab ini memberikan tinjauan umum tentang konsep-konsep lanjutan dari gerakan robot: enkoder roda dan sistem navigasi inersia yang dapat meningkatkan akurasi odometri, dan derajat kebebasan dan holonomi yang memengaruhi perencanaan gerakan robot.

Bab 6 Kontrol Robot otonom adalah sistem kontrol loop tertutup karena input dari sensornya mempengaruhi perilakunya yang pada gilirannya mempengaruhi apa yang diukur oleh sensor. Misalnya, mobil yang dapat mengemudi sendiri yang mendekati lampu lalu lintas dapat mengerem lebih keras saat mendekati cahaya. Bab ini menjelaskan matematika sistem kontrol yang memastikan perilaku optimal: mobil benar-benar berhenti saat cahaya dan pengeremannya bertahap dan halus.

Robot bergerak yang otonom entah bagaimana harus menavigasi dari posisi awal ke posisi tujuan, misalnya, untuk membawa obat-obatan dari apotek di rumah sakit kepada pasien. Navigasi adalah masalah mendasar dalam robotika yang sulit dipecahkan. Empat bab berikut menyajikan algoritma navigasi dalam berbagai konteks.

Bab 7 Navigasi Lokal: Penghindaran Kendala Persyaratan paling dasar dari sebuah robot seluler adalah bahwa ia tidak menabrak dinding, orang, dan hambatan lainnya. Ini disebut navigasi lokal karena berkaitan dengan lingkungan sekitar robot dan bukan dengan tujuan yang berusaha dicapai oleh robot. Bab ini dimulai dengan algoritma mengikuti dinding yang memungkinkan robot bergerak di sekitar rintangan; algoritma ini mirip dengan algoritma untuk menavigasi labirin. Bab ini menjelaskan algoritma probabilistik yang mensimulasikan navigasi oleh koloni semut yang mencari sumber makanan.

Bab 8 Lokalisasi Sekali waktu sebelum setiap ponsel pintar menyertakan navigasi GPS, kami biasa menavigasi dengan peta yang dicetak di atas kertas. Masalah yang sulit adalah pelokalan: dapatkah Anda menentukan posisi Anda saat ini di peta? Robot seluler harus menyelesaikan masalah lokalisasi yang sama, seringkali tanpa manfaat penglihatan. Bab ini menjelaskan lokalisasi dengan perhitungan trigonometri dari posisi yang diketahui. Ini diikuti oleh bagian-bagian tentang pelokalan probabilistik: Sebuah robot dapat mendeteksi tengara tetapi mungkin ada banyak tengara serupa di peta. Dengan menetapkan probabilitas dan memperbaruinya saat robot bergerak melalui lingkungan, pada akhirnya dapat menentukan posisinya dengan kepastian relatif.

Bab 9 Pemetaan Tapi dari mana peta itu berasal? Peta jalan yang akurat sudah tersedia, tetapi penyedot debu robot tidak memiliki peta apartemen Anda. Robot bawah laut digunakan untuk menjelajahi lingkungan yang tidak dikenal. Untuk melakukan pelokalan, robot membutuhkan peta, tetapi untuk membuat peta dari lingkungan yang tidak diketahui, robot perlu melokalisasi dirinya, dalam arti bahwa ia harus mengetahui seberapa jauh ia telah berpindah dari satu titik lingkungan ke titik lainnya. Solusinya adalah melakukan pelokalan dan pemetaan secara simultan. Bagian pertama bab ini menjelaskan algoritma untuk menjelajahi lingkungan untuk menentukan lokasi hambatan. Kemudian algoritma yang disederhanakan untuk lokalisasi dan pemetaan simultan disajikan.

Bab 10 Navigasi Berbasis Pemetaan Sekarang robot memiliki peta, misalkan robot tersebut diberi tugas yang mengharuskannya untuk berpindah dari posisi awal ke posisi tujuan. Rute apa yang harus diambil? Bab ini menyajikan dua algoritma untuk perencanaan jalur: Algoritma Dijkstra, algoritma klasik untuk menemukan jalur terpendek dalam grafik, dan algoritma A,, versi yang lebih efisien dari algoritma Dijkstra yang menggunakan informasi heuristik.

Bab-bab berikut menyajikan topik-topik lanjutan dalam robotika. Mereka independen satu sama lain sehingga Anda dapat memilih mana yang akan dipelajari dan dalam urutan apa.

Bab 11 Algoritma Kontrol Kontrol Logika Fuzzy (Bab 6) memerlukan spesifikasi nilai target yang tepat: sistem pemanas membutuhkan suhu target suatu ruangan dan sistem kontrol jelajah membutuhkan kecepatan target mobil. Pendekatan alternatif yang disebut fuzzy logic menggunakan spesifikasi yang tidak tepat seperti dingin, dingin, hangat, panas, atau sangat lambat, lambat, cepat, sangat cepat. Bab ini menyajikan logika fuzzy dan menunjukkan bagaimana ia dapat digunakan untuk mengendalikan robot yang mendekati suatu objek.

Bab 12 Pemrosesan Gambar Kebanyakan sensor robot mengukur jarak dan sudut menggunakan laser, suara, atau cahaya inframerah. Kita manusia terutama bergantung pada visi kita. Kamera digital berkualitas tinggi tidak mahal dan ditemukan di setiap smartphone. Kesulitannya adalah memproses dan menafsirkan gambar yang diambil oleh kamera, sesuatu yang dilakukan otak kita secara instan. Pemrosesan gambar digital telah menjadi subjek penelitian yang luas dan algoritmanya digunakan dalam robot canggih yang mampu menghasilkan daya komputasi yang dibutuhkan. Dalam bab ini kami mensurvei algoritma pemrosesan gambar dan menunjukkan bagaimana robot pendidikan dapat mendemonstrasikan algoritma bahkan tanpa kamera.

Bab 13 Neural Networks Robot otonom di lingkungan yang sangat kompleks tidak dapat memiliki algoritma untuk setiap situasi yang memungkinkan. Mobil yang bisa mengemudi sendiri tidak mungkin mengetahui sebelumnya semua kendaraan yang berbeda dan konfigurasi kendaraan yang dihadapinya di jalan. Robot otonom harus belajar dari pengalaman mereka dan ini adalah topik mendasar dalam kecerdasan buatan yang telah dipelajari selama bertahun-tahun. Bab ini menyajikan satu pendekatan untuk belajar: jaringan saraf tiruan yang dimodelkan pada neuron di otak kita. Jaringan saraf menggunakan algoritma pembelajaran untuk memodifikasi parameter internal sehingga terus beradaptasi dengan situasi baru yang dihadapinya.

Bab 14 Pembelajaran Mesin Pendekatan lain untuk belajar adalah teknik statistik yang disebut pembelajaran mesin. Bab ini menjelaskan dua algoritma untuk membedakan antara dua alternatif, misalnya, membedakan antara lampu lalu lintas yang berwarna merah dan yang berwarna hijau. Algoritma pertama, yang disebut analisis diskriminan linier, didasarkan pada cara dan varians dari serangkaian sampel. Algoritma kedua menggunakan perceptrons, suatu bentuk jaringan saraf yang dapat membedakan antara alternatif bahkan ketika sampel tidak memenuhi asumsi statistik yang diperlukan untuk analisis diskriminan linier.

Bab 15 Swarm Robotika Jika Anda perlu meningkatkan kinerja suatu sistem, seringkali lebih mudah untuk menggunakan beberapa instance komponen daripada mencoba meningkatkan kinerja komponen individual. Pertimbangkan masalah seperti mensurvei area untuk mengukur tingkat polusi. Anda dapat menggunakan robot tunggal yang sangat cepat (dan mahal), tetapi bisa lebih mudah menggunakan banyak robot, yang masing-masing mengukur polusi di area kecil. Ini disebut robotik segerombolan dengan analogi dengan segerombolan serangga yang dapat menemukan jalur terbaik antara sarang mereka dan sumber makanan. Masalah mendasar dalam robot swarm, seperti dalam semua sistem bersamaan, adalah mengembangkan metode untuk koordinasi dan komunikasi di antara robot. Bab ini menyajikan dua teknik seperti itu: pertukaran informasi dan interaksi fisik.

Bab 16 Kinematika Manipulator Robot Robot pendidikan adalah robot seluler kecil yang bergerak pada permukaan dua dimensi. Ada robot seluler yang bergerak dalam tiga dimensi: pesawat robot dan kapal selam. Matematika dan algoritma untuk gerakan tiga dimensi dikembangkan di bidang robotika sentral lainnya: manipulator yang digunakan secara luas dalam pembuatan. Bab ini menyajikan perlakuan yang disederhanakan dari konsep dasar manipulator robot (kinematika maju dan terbalik, rotasi, transformasi homogen) dalam dua dimensi, serta rasa rotasi tiga dimensi.

1.9 Ringkasan

Robot ditemukan di mana-mana: di pabrik, rumah dan rumah sakit, dan bahkan di luar angkasa. Banyak penelitian dan pengembangan sedang diinvestasikan dalam mengembangkan robot yang berinteraksi dengan manusia secara langsung. Robot digunakan di sekolah untuk meningkatkan motivasi siswa untuk belajar STEM dan sebagai alat pedagogis untuk mengajar STEM di lingkungan yang konkret. Fokus buku ini adalah penggunaan robot pendidikan untuk mempelajari algoritma robot dan untuk mengeksplorasi perilakunya.

Sebagian besar robot pendidikan memiliki desain serupa: robot seluler kecil menggunakan penggerak diferensial dan sensor jarak. Untuk menjadikan buku ini independen terhadap platform, kami mendefinisikan robot generik dengan properti ini. Algoritma yang disajikan dalam buku ini untuk robot generik harus mudah diimplementasikan pada robot pendidikan, meskipun robot yang berbeda akan memiliki kemampuan yang berbeda dalam hal kinerja motor dan sensor mereka. Algoritma disajikan dalam pseudocode independen-bahasa yang seharusnya mudah diterjemahkan ke dalam bahasa teks atau grafis yang didukung robot Anda.

Aplikasi robot berikut ini adalah yang paling umum di industri otomotif:

1.    Robot Kolaboratif

Robot kolaboratif ini dibangun untuk bekerja bersama dengan robot lain, di jalur perakitan yang sangat besar. Robot harus berkolaborasi antara robot penanganan dan pengelasan untuk membuat jalur perakitan berfungsi dengan baik.

2.    Lukisan Robot

Pelukis profesional sulit ditemukan dan pekerjaan ini sangat beracun. Ini membuatnya sempurna untuk robot, karena pekerjaan cat harus sangat konsisten di atas area cat yang luas, dan mengurangi jumlah bahan yang terbuang dapat menambah sedikit penghematan dari waktu ke waktu.

3.    Pengelasan Robot

Pengelasan robot telah menjadi aplikasi robot top di sektor otomotif untuk waktu yang lama, karena setiap mobil membutuhkan jumlah pengelasan yang tinggi sebelum selesai. Mengingat tingginya nilai produk jadi, produktivitas dari otomatisasi sangat besar.

4.    Perakitan Robot

Di banyak pabrik otomotif, robot merakit komponen yang lebih kecil seperti pompa dan motor dengan kecepatan tinggi. Seringkali, robot melakukan tugas-tugas seperti pemasangan kaca depan dan pemasangan roda untuk meningkatkan throughput.

5.    Penghapusan Bahan

Konsistensi dan pengulangan yang tinggi membuat robot sempurna untuk proses pemindahan material seperti pemangkasan dan pemotongan. Ini bisa dalam bentuk memotong kain, memotong cetakan plastik dan cetakan die atau bahkan memoles cetakan.

6.    Bagian Transfer dan Perawatan Mesin

Menuangkan logam cair, mentransfer perangko logam, dan memuat dan membongkar mesin-mesin CNC semuanya paling baik diselesaikan oleh robot karena berbahaya. Ketika diselesaikan secara konsisten dengan sedikit waktu henti, mereka juga dapat menjadi sumber produktivitas utama.

Robot telah digunakan dalam industri otomotif sejak lama, dan sementara hari ini robot digunakan dalam berbagai cara, tetapi keenam aplikasi yang disebutkan di atas adalah beberapa penggunaan robotika yang paling umum dalam industri ini.

Genesis telah bekerja di industri otomotif global selama beberapa dekade. Baca studi kasus kami dan pelajari layanan kami dengan mengunjungi bagian Robotika dan Integrasi Otomotif kami.

Sistem Sensor

Sejumlah sensor (sebagaimana didefinisikan sebelumnya) yang dikumpulkan sebagai satu unit dianggap sebagai sistem sensor atau sumber daya sensor. Karakteristik utama dari sistem sensor adalah bahwa ia menawarkan menawarkan antarmuka akses tunggal (van Zyl et al., 2009).

Teknologi Sensor Akan Mendorong Era Digital Berikutnya

Pertumbuhan eksplosif dari perangkat yang saling terhubung membuat sensor sangat diperlukan dan integral dalam ekosistem digital.

Sementara sensor telah ada dalam satu bentuk atau lainnya sejak sebelum chip silikon ditemukan, sensor hari ini berkembang pada tingkat yang lebih cepat dari sebelumnya untuk mendukung proliferasi miliaran perangkat baru. Teknologi penginderaan baru memungkinkan aplikasi inovatif, seperti teknologi penginderaan optik 3D untuk aplikasi konsumen dan mobile, pengukuran waktu terbang (ToF) untuk fokus otomatis kamera dan koreksi gambar, visi alat berat kelas atas untuk operasi Industri 4.0, pencitraan resolusi untuk diagnosa medis, bangunan yang dapat diatur sendiri, kendaraan otonom, dan monitor kesehatan pribadi yang selalu aktif.

Pengertian Sensor

D Sharon, dkk (1982), mengatakan sensor adalah suatu peralatan yang berfungsi untuk mendeteksi gejala-gejala atau sinyal-sinyal yang berasal dari perubahan suatu energi seperti energi listrik, energi fisika, energi kimia, energi biologi, energi mekanik dan sebagainya.

Contoh; Camera sebagai sensor penglihatan, telinga sebagai sensor pendengaran, kulit sebagai sensor peraba, LDR (light dependent resistance) sebagai sensor cahaya, dan lainnya.

Dalam memilih peralatan sensor dan transduser yang tepat dan sesuai dengan sistem yang akan disensor maka perlu diperhatikan persyaratan umum sensor berikut ini : (D Sharon, dkk, 1982).

A. Linearitas Sensor

Ada banyak sensor yang menghasilkan sinyal keluaran yang berubah secara kontinyu sebagai tanggapan terhadap masukan yang berubah secara kontinyu. Sebagai contoh, sebuah sensor panas dapat menghasilkan tegangan sesuai dengan panas yang dirasakannya. Dalam kasus seperti ini, biasanya dapat diketahui secara tepat bagaimana perubahan keluaran dibandingkan dengan masukannya berupa sebuah grafik. Gambar dibawah memperlihatkan hubungan dari dua buah sensor panas yang berbeda. Garis lurus pada gambar (a). memperlihatkan tanggapan linier, sedangkan pada gambar (b). adalah tanggapan non-linier.

B. Sensitivitas Sensor

Sensitivitas akan menunjukan seberapa jauh kepekaan sensor terhadap kuantitas yang diukur. Sensitivitas sering juga dinyatakan dengan bilangan yang menunjukan “perubahan keluaran dibandingkan unit perubahan masukan”. Beberepa sensor panas dapat memiliki kepekaan yang dinyatakan dengan “satu volt per derajat”, yang berarti perubahan satu derajat pada masukan akan menghasilkan perubahan satu volt pada keluarannya. Sensor panas lainnya dapat saja memiliki kepekaan “dua volt per derajat”, yang berarti memiliki kepakaan dua kali dari sensor yang pertama. Linieritas sensor juga mempengaruhi sensitivitas dari sensor. Apabila tanggapannya linier, maka sensitivitasnya juga akan sama untuk jangkauan pengukuran keseluruhan. Sensor dengan tanggapan pada gambar (b) akan lebih peka pada temperatur yang tinggi dari pada temperatur yang rendah.

C. Tanggapan Waktu Sensor (Respon Time)

Tanggapan waktu pada sensor menunjukan seberapa cepat tanggapannya terhadap perubahan masukan. Sebagai contoh, instrumen dengan tanggapan frekuensi yang jelek adalah sebuah termometer merkuri. Masukannya adalah temperatur dan keluarannya adalah posisi merkuri. Misalkan perubahan temperatur terjadi sedikit demi sedikit dan kontinyu terhadap waktu, seperti tampak pada gambar (a) berikut.

Tanggapan Waktu Sensor (Respon Time)Frekuensi adalah jumlah siklus dalam satu detik dan diberikan dalam satuan hertz (Hz). { 1 hertz berarti 1 siklus per detik, 1 kilohertz berarti 1000 siklus per detik]. Pada frekuensi rendah, yaitu pada saat temperatur berubah secara lambat, termometer akan mengikuti perubahan tersebut dengan “setia”. Tetapi apabila perubahan temperatur sangat cepat lihat gambar (b) maka tidak diharapkan akan melihat perubahan besar pada termometer merkuri, karena ia bersifat lamban dan hanya akan menunjukan temperatur rata-rata.

Ada bermacam cara untuk menyatakan tanggapan frekuensi sebuah sensor. Misalnya “satu milivolt pada 500 hertz”. Tanggapan frekuensi dapat pula dinyatakan dengan “decibel (db)”, yaitu untuk membandingkan daya keluaran pada frekuensi tertentu dengan daya keluaran pada frekuensi referensi.

Tips Memilih Sensor

Yayan I.B, (1998), mengatakan ketentuan lain yang perlu diperhatikan dalam memilih sensor yang tepat adalah dengan mengajukan beberapa pertanyaan berikut ini:

·         Apakah ukuran fisik sensor cukup memenuhi untuk dipasang pada tempat yang diperlukan?

·         Apakah sensor tersebut cukup akurat?

·         Apakah sensor tersebut bekerja pada jangkauan yang sesuai?

·         Apakah sensor tersebut akan mempengaruhi kuantitas yang sedang diukur?

·         Sebagai contoh, bila sebuah sensor panas yang besar dicelupkan kedalam jumlah air air yang kecil, malah menimbulkan efek memanaskan air tersebut, bukan menyensornya.

·         Apakah sensor tersebut tidak mudah rusak dalam pemakaiannya?

·         Apakah sensor tersebut dapat menyesuaikan diri dengan lingkungannya?

·         Apakah harga sensor tersebut terlalu mahal?

Perkembangan sensor sangat cepat sesuai kemajuan teknologi otomasi, semakin komplek suatu sistem otomasi dibangun maka semakin banyak jenis sensor yang digunakan.

Robotik adalah sebagai contoh penerapan sistem otomasi yang kompleks, disini sensor yang digunakan dapat dikatagorikan menjadi dua jenis sensor yaitu: (D Sharon, dkk, 1982)

Internal Sensors,sensor internalInternal sensor, yaitu sensor yang dipasang di dalam bodi robot. Sensor internal diperlukan untuk mengamati posisi, kecepatan, dan akselerasi berbagai sambungan mekanik pada robot, dan merupakan bagian dari mekanisme servo.

external sensorsExternal sensor, yaitu sensor yang dipasang diluar bodi robot. Sensor eksternal diperlukan karena dua macam alasan yaitu:

1. Sensor External Untuk Keamanan

Yang dimaksud untuk “keamanan” adalah termasuk keamanan robot, yaitu perlindungan terhadap robot dari kerusakan yang ditimbulkannya sendiri, serta keamanan untuk peralatan, komponen, dan orang-orang dilingkungan dimana robot tersebut digunakan. Berikut ini adalah dua contoh sederhana untuk mengilustrasikan kasus diatas.

Contoh pertama: andaikan sebuah robot bergerak keposisinya yang baru dan ia menemui suatu halangan, yang dapat berupa mesin lain misalnya. Apabila robot tidak memiliki sensor yang mampu mendeteksi halangan tersebut, baik sebelum atau setelah terjadi kontak, maka akibatnya akan terjadi kerusakan.

Contoh kedua: sensor untuk keamanan diilustrasikan dengan problem robot dalam mengambil sebuah telur. Apabila pada robot dipasang pencengkram mekanik (gripper), maka sensor harus dapat mengukur seberapa besar tenaga yang tepat untuk mengambil telor tersebut. Tenaga yang terlalu besar akan menyebabkan pecahnya telur, sedangkan apabila terlalu kecil telur akan jatuh terlepas.

2. Sensor External Untuk Penuntun

Kini bagaimana dengan sensor untuk penuntun atau pemandu?. Katogori ini sangatlah luas, tetapi contoh berikut akan memberikan pertimbangan.

Contoh pertama: komponen yang terletak diatas ban berjalan tiba di depan robot yang diprogram untuk menyemprotnya. Apa yang akan terjadi bila sebuah komponen hilang atau dalam posisi yang salah?. Robot tentunya harus memiliki sensor yang dapat mendeteksi ada tidaknya komponen, karena bila tidak ia akan menyemprot tempat yang kosong. Meskipun tidak terjadi kerusakan, tetapi hal ini bukanlah sesuatu yang diharapkan terjadi pada suatu pabrik.

Contoh kedua: sensor untuk penuntun diharapkan cukup canggih dalam pengelasan. Untuk melakukan operasi dengan baik, robot haruslah menggerakkan tangkai las sepanjang garis las yang telah ditentukan, dan juga bergerak dengan kecepatan yang tetap serta mempertahankan suatu jarak tertentu dengan permukaannya.

Sesuai dengan fungsi sensor sebagai pendeteksi sinyal dan meng-informasikan sinyal tersebut ke sistem berikutnya, maka peranan dan fungsi sensor akan dilanjutkan oleh transduser. Karena keterkaitan antara sensor dan transduser begitu erat maka pemilihan transduser yang tepat dan sesuai juga perlu diperhatikan.

Klasifikasi Sensor

Secara umum berdasarkan fungsi dan penggunaannya sensor dapat dikelompokan menjadi 3 bagian yaitu:

1.    Sensor Thermal (Sensor Suhu)

Thermal SensorsSensor thermal adalah sensor yang digunakan untuk mendeteksi gejala perubahan panas/temperature/suhu pada suatu dimensi benda atau dimensi ruang tertentu. Contohnya; bimetal, termistor, termokopel, RTD, photo transistor, photo dioda, photo multiplier, photovoltaik, infrared pyrometer, hygrometer, dsb.

2.    Sensor Mekanis

Sensor MekanikSensor mekanis adalah sensor yang mendeteksi perubahan gerak mekanis, seperti perpindahan atau pergeseran atau posisi, gerak lurus dan melingkar, tekanan, aliran, level dsb. Contoh; strain gage, linear variable deferential transformer (LVDT), proximity, potensiometer, load cell, bourdon tube, dsb.

3.    Sensor Optik (Sensor Cahaya)

Sensor OptikSensor optic atau cahaya adalah sensor yang mendeteksi perubahan cahaya dari sumber cahaya, pantulan cahaya ataupun bias cahaya yang mengernai benda atau ruangan. Contoh; photo cell, photo transistor, photo diode, photo voltaic, photo multiplier, pyrometer optic, dsb.

Sensor merupakan indera bagi perangkat elektronika, oleh karena itu perlu ketelitian dan bijak dalam menentukan sensor yang digunakan.

Menguasai Implementasi Sistem Sensor Keseluruhan

Dengan teknologi sensor yang berkembang dengan cepat untuk ditempatkan dalam segala hal mulai dari perlengkapan pencahayaan, pakaian, kemasan makanan, dan bahkan di dalam tubuh manusia atau tertanam di kulit, mereka harus memenuhi beberapa persyaratan baru yang menantang:

·         Miniaturisasi ekstrim

·         Konsumsi daya sangat rendah

·         Kemampuan untuk berinteraksi dengan jaringan

·         Sinyal atau data siap pakai aplikasi

Selain itu, sensor generasi berikut ini harus sesuai untuk digunakan oleh produsen "hal-hal" dari semua jenis, termasuk bola lampu, perangkat pengiriman obat, kunci pintu, meter, serta perangkat elektronik tradisional. Dalam banyak kasus, produsen mencari lebih dari berbagai kapasitansi, resistansi, atau tegangan output sensor. Mereka menginginkan sistem sensor siap pakai yang dapat dengan mudah dihubungkan ke jaringan dan dihubungkan ke prosesor atau host berpasangan seperti smartphone.

Sensor berkinerja tinggi yang dirancang untuk transformasi digital ini biasanya terdiri dari tiga lapisan teknologi terpisah:

Lapisan sensor inti menyediakan representasi listrik dari fenomena dunia nyata, seperti domain termasuk pencitraan, optik, lingkungan, atau audio.

Lapisan miniaturisasi dan integrasi menyediakan implementasi skala-chip atau modular (paket multichip) dalam silikon dari teknologi penginderaan inti. Lapisan ini juga menyediakan algoritma yang mengubah pengukuran sensor mentah menjadi aliran sinyal linier untuk digunakan oleh prosesor.

Lapisan teknologi sistem adalah perangkat lunak yang tertanam dalam sensor yang menyediakan koneksi ke jaringan umum seperti Bluetooth Low Energy dan teknologi Wi-Fi. Perangkat lunak sistem sensor juga mendukung aplikasi pengguna akhir, seperti mengubah sinyal sensor optik dalam gelang pintar menjadi pengukuran detak jantung per menit.

Dalam sistem sensor generasi mendatang, masing-masing lapisan mencakup elemen perangkat keras dan perangkat lunak dan disediakan dalam satu perangkat paket yang dikirimkan ke produsen produk akhir. Sensor mungil dan terhubung ini, yang mudah diintegrasikan ke dalam aplikasi, sangat penting untuk kelanjutan proliferasi perangkat ini.

Melanggar Batas Kinerja

Transformasi digital bukan hanya soal menanamkan lebih banyak sensor ke lebih banyak jenis perangkat. Transformasi juga terjadi karena produsen sensor seperti ams melanggar batas kinerja sensor. Terobosan ini memungkinkan produsen produk untuk secara dramatis meningkatkan pengalaman pengguna, atau bahkan untuk menciptakan pengalaman yang sama sekali baru dan sebelumnya tidak mungkin.

Di bawah ini adalah contoh bagaimana perubahan radikal dalam operasi sensor memungkinkan aplikasi baru:

Chip sensor warna XYZ baru untuk ponsel, tablet, dan laptop “melihat” warna cahaya dengan cara yang persis sama dengan mata manusia, meniru kurva respons cahaya "tri-stimulus" merah, hijau, dan biru mata. reseptor. Dengan chip sensor warna, generasi baru tampilan seperti kertas, yang memiliki penampilan jauh lebih alami daripada tampilan perangkat seluler yang ada, dimungkinkan. Di samping sensor warna ini, sensor proximity ultra-high proximity (infrared) memungkinkan tampilan dibangun tanpa aperture di permukaan depan.

IC sensor multi-spektral dan hiper-spektral adalah spektrometer-on-chip tingkat laboratorium. Dengan menggunakannya, inspeksi warna makanan yang akurat dan analisis panen akan dimungkinkan untuk pertama kalinya di lapangan. Analisis warna seluler juga akan mengubah proses inspeksi dan kualitas di pabrik dan rumah sakit, berkat chip sensor spektral. Sensor gambar CMOS juga menemukan kegunaan penting dalam aplikasi industri, termasuk penglihatan mesin.

Active noise cancellation (ANC) sedang diimplementasikan dalam desain headset audio yang inovatif dengan solusi sensor / amplifier terintegrasi. Produsen headset untuk pertama kalinya membangun kemampuan ANC menjadi headphone in-ear dan headphone nirkabel berkat ukuran kecil dan konsumsi daya yang rendah dari perangkat ANC.

Sistem pencitraan 3D-on-a-chip menjanjikan untuk mengubah aplikasi virtual dan augmented reality, serta memungkinkan penginderaan gerakan yang lebih baik, pemindaian wajah, dan pemodelan 3D. Solusi baru mengacu pada inovasi dalam desain pemancar laser, pengemasan optik, dan penginderaan cahaya terstruktur.

Keberlanjutan dan lingkungan adalah aplikasi penting untuk teknologi penginderaan canggih, mulai dari sensor aliran ultra-akurat untuk pengukuran, hingga sensor gas-on-a-chip untuk pemantauan kualitas udara dalam ruangan, hingga sensor posisi sudut beresolusi tinggi yang digunakan dalam teknologi tinggi baru. efisiensi motor listrik.

Diagnostik dan pemantauan medis dimungkinkan oleh perangkat pencitraan digital ultra-akurat untuk computed tomography untuk rumah sakit, dan juga oleh sistem penginderaan optik mini-on-a-chip-cukup kecil untuk gelang kebugaran-untuk mengukur denyut jantung dan kadar oksigen dalam darah.

Sensor di Jantung Transformasi Digital

Di era PC, inovasi utama dalam produk elektronik sebagian besar didorong oleh kemajuan teknologi pemrosesan digital dan grafis. Namun, hari ini, sistem sensor setidaknya sama pentingnya dalam memungkinkan kasus penggunaan baru dari jenis produk yang ada, meningkatkan pengalaman pengguna, dan bahkan jenis perangkat yang sama sekali baru.

Hanya dalam waktu yang sangat baru memungkinkan untuk menempatkan monitor jantung di gelang yang bisa dipakai seseorang 24/7, untuk memungkinkan analisis warna 60X lebih sensitif daripada mata manusia dalam instrumen kecil yang genggam, atau untuk memberikan pembatalan kebisingan sekitar. dalam perangkat yang sangat kecil sehingga pas di telinga. Semua terobosan ini adalah hasil dari implementasi baru teknologi sensor.

Apa yang terjadi selanjutnya? Fase berikutnya melibatkan membentuk dunia dengan solusi sensor, dengan menciptakan teknologi penginderaan inti baru, mengembangkan algoritma yang masuk akal dengan data sensor, dan membangun perangkat yang siap pakai yang dapat diterapkan oleh OEM dengan mudah pada produk akhir. Transformasi digital saat ini baru saja dimulai — dan sensor akan menjadi jantung dari gelombang perubahan yang akan datang.

Referensi
Aho, A.V., Hopcroft, J.E., Ullman, J.D.: The Design and Analysis of Computer Algorithms. Addison-Wesley, USA (1974)
Aho, A.V., Hopcroft, J.E., Ullman, J.D.: The Design and Analysis of Computer Algorithms. Addison-Wesley, USA (1974)
Google Scholar
Ben-Ari, M.: Principles of Concurrent and Distributed Programming, 2nd edn. Addison-Wesley, USA (2006)
Google Scholar
Dudek, G., Jenkin, M.: Computational Principles of Mobile Robotics, 2nd edn. Cambridge University Press, UK (2010)
Google Scholar
Kumar, D.: Learning Computing with Robots. Lulu (2011). Download from http://calicoproject.org/Learning_Computing_With_Robots
Shin, J., Siegwart, R., Magnenat, S.: Visual programming language for Thymio II robot. In: Proc. of the 2014 Conference on Interaction Design and Children (IDC) (2014)
Google Scholar
Siegwart, R., Nourbakhsh, I.R., Scaramuzza, D.: Introduction to Autonomous Mobile Robots, 2nd edn. MIT Press, USA (2011)
Google Scholar
Trobaugh, J.J., Lowe, M.: Winning LEGO MINDSTORMS Programming. Apress (2012)
Google Scholar
Winfield, A.: Robotics: A Very Short Introduction. Oxford University Press, USA (2012)
Google Scholar
https://www.sciencedirect.com/topics/computer-science/robotics-application
https://www.robots.com/applications
https://www.genesis-systems.com/blog/robots-automotive-manufacturing-top-6-applications