Para peneliti telah mengembangkan sistem kecerdasan buatan baru yang memungkinkan robot mendapatkan kembali posisinya bahkan setelah dipindahkan, dimatikan, atau dipindahkan – masalah umum yang dikenal sebagai masalah “robot yang diculik”. Terobosan yang dikembangkan di Universitas Miguel Hernández Elche di Spanyol ini dapat secara signifikan meningkatkan kepraktisan robot otonom dalam skenario dunia nyata.
Tantangan ‘Robot yang Diculik’
Selama bertahun-tahun, salah satu rintangan terbesar dalam bidang robotika adalah lokalisasi yang andal : kemampuan robot untuk mengetahui secara tepat lokasinya. Metode tradisional sering kali mengandalkan GPS atau peta yang telah diprogram, sehingga tidak praktis di banyak lingkungan. Sinyal GPS bermasalah di dalam ruangan, di dekat gedung tinggi, atau di area dengan jangkauan satelit yang buruk. Peta yang telah diprogram memerlukan pembaruan terus-menerus, yang mungkin sulit dilakukan di ruang dinamis.
Sistem baru ini, yang disebut MCL-DLF (Monte Carlo Localization – Deep Local Feature), menawarkan alternatif dengan menjadikan robot lebih mandiri.
Cara Kerja Sistem Baru
Sistem MCL-DLF menggunakan teknologi 3D LiDAR, yang menggunakan pulsa laser untuk memindai dan membuat peta detail lingkungan sekitar. Hal ini memungkinkan robot untuk beroperasi tanpa memerlukan infrastruktur eksternal seperti GPS atau peta yang sudah ada sebelumnya.
Berikut cara kerjanya secara bertahap:
- Pengenalan Luas: Pertama, AI mengidentifikasi area umum dengan mengenali fitur-fitur besar seperti bangunan atau vegetasi.
- Analisis Mendetail: Selanjutnya, mempersempit lokasi tepatnya dengan menganalisis detail yang lebih kecil dan unik. Prosesnya meniru cara manusia menemukan jalan di tempat asing.
- Pembaruan Berkelanjutan: Dengan menggunakan pembelajaran mendalam, sistem memprioritaskan fitur lingkungan yang berguna untuk pelokalan dan mempertahankan beberapa kemungkinan perkiraan lokasi, lalu memperbaruinya saat data sensor baru masuk.
Menurut Míriam Máximo, peneliti utama, “Ini mirip dengan bagaimana orang pertama kali mengenali suatu area umum dan kemudian mengandalkan detail kecil yang dapat membedakan untuk menentukan lokasi tepatnya.”
Pengujian dan Hasil di Dunia Nyata
Para peneliti menguji sistem ini selama berbulan-bulan di kampus universitas, dalam berbagai kondisi – termasuk perubahan musim, tingkat pencahayaan yang berbeda, dan pergeseran vegetasi. Hasilnya menunjukkan bahwa MCL-DLF memberikan akurasi posisi yang lebih kuat dan kinerja yang lebih konsisten dibandingkan metode tradisional. Ini berarti robot dapat menemukan lokasi dirinya dengan andal bahkan ketika lingkungan berubah seiring waktu.
Mengapa Ini Penting
Implikasinya sangat signifikan. Robot otonom menjadi penting dalam bidang logistik, inspeksi infrastruktur, pemantauan lingkungan, dan kendaraan tanpa pengemudi. Sebuah sistem yang memungkinkan robot-robot ini beroperasi secara lebih mandiri dan andal akan mempercepat penerapannya.
Pengembangan metode lokalisasi yang lebih andal adalah kunci untuk membuka potensi penuh robotika dalam aplikasi dunia nyata.
Dengan mengurangi ketergantungan pada infrastruktur eksternal dan beradaptasi dengan lingkungan yang dinamis, sistem MCL-DLF mewakili langkah besar dalam menjadikan robot benar-benar otonom dan berguna dalam lingkungan yang kompleks dan tidak dapat diprediksi.
