Printed
Implementasi Deep Learning Pada Robot Manipulator Multi Jari Untuk Pick And Place Peralatan Hidang Makanan
Perusahaan perjalanan, pariwisata, dan perhotelan sudah mulai mengadopsi
sistem RAISA dalam bentuk chatbot, robot pengiriman, autonomous dishwasher,
restoran konveyor, kios informasi layanan mandiri dan banyak lainnya [1], [2].
Beberapa pengusaha berusaha melakukan inovasi melalui pendekatan kepada
pelanggan dengan mengembangkan sistem pengiriman produk ke pelanggan untuk
menghasilkan pengalaman yang menarik berupa penggunaan robot penyaji [3].
Tugas yang tampak sederhana bagi manusia seperti mengambil dan menempatkan
objek dengan berbagai bentuk, ukuran, bahan, dan sifat permukaan, dapat menjadi
tantangan bagi robot untuk melakukan penggenggaman [4]. Penelitian kali ini
berfokus pada implementasi jaringan saraf tiruan deep learning untuk pengenalan
objek dalam perencanaan penggenggaman pada end effector. Robot manipulator
dengan 4 derajat kebebasan digunakan untuk mendukung peraihan objek dan end
effector berupa gripper 5 jari yang digunakan untuk mendapatkan penggenggaman
yang bervariasi terhadap objek dengan bentuk acak. Sebuah kamera RGB
digunakan untuk pengenalan objek dengan konfigurasi eye-on-hand yaitu ditautkan
pada bagian end effector untuk mendapatkan sudut pandang dengan orientasi subjek
menuju objek. Penentuan kelas dan dimensi objek dilakukan dengan menggunakan
metode YOLOv3 dan bekerja optimal pada renang intensitas cahaya 12 lux hingga
35 lux. End effector bekerja optimal pada objek dengan bentuk dasar tabung, prisma
segi empat, prisma segi enam dan prisma segi sepuluh dengan beban maksimal yang
dapat diangkat sebesar 303 gram. Pada operasi pick and place dengan kapasitas
maksimal beban objek didapatkan nilai success rate sebesar 71.23%.
Kata Kunci : Serving Robot, RAISA, Pencekam Multi Jari, Pemrosesan Citra,
Deep Learning
Tidak tersedia versi lain