Penelitian ini bertujuan untuk mengembangkan dan menganalisis efektivitas Inertial Navigation System (INS) yang ekonomis untuk robot bergerak. Fokus utama penelitian ini adalah bagaimana Inertial Navigation System (INS) berbiaya rendah dapat mengurangi kesalahan umum seperti penyimpangan, dan bagaimana Inertial Navigation System (INS) dapat memberikan informasi posisi dan orientasi yang akurat kepada robot, terutama dalam situasi luar ruangan. Penelitian ini sangat penting karena banyak aplikasi robot luar ruangan seringkali tidak dapat mengandalkan GPS, terutama di area dengan sinyal lemah atau tidak ada sama sekali. Penggunaan Inertial Navigation System (INS) berbiaya rendah menciptakan peluang untuk memberikan solusi yang lebih terjangkau untuk berbagai aplikasi robotika. Pada saat yang sama, penelitian ini mengisi kesenjangan pengetahuan tentang bagaimana Inertial Navigation System (INS) berbiaya rendah, yang biasanya memiliki akurasi lebih rendah dibandingkan sistem canggih, dapat dioptimalkan untuk memberikan hasil yang baik melalui pemodelan kesalahan dan pemfilteran data. Hipotesis utama penelitian ini adalah Inertial Navigation System (INS) berbiaya rendah dapat meningkatkan kinerja dengan pemodelan kesalahan sensor dan filter yang lebih baik seperti Extended Kalman Filter (EKF). Secara khusus, sistem yang menggunakan sensor Inertial Navigation System (INS) seperti giroskop dan akselerometer dapat mengurangi percepatan dan meningkatkan keakuratan orientasi dan posisi robot.
Metode yang digunakan:
- Peserta: Sistem INS yang dikembangkan diuji pada kendaraan robotik besar di luar ruangan. Pengujian dilakukan dalam berbagai kondisi untuk memastikan hasil sesuai dengan kondisi lapangan. Data dasar yang dikumpulkan dari giroskop dan akselerometer pada mobil robot. Sensor ini mengukur pergerakan acak seperti perubahan kecepatan atau arah. Data yang terkumpul diolah menggunakan Extended Kalman Filter (EKF). Ini juga mencakup model kesalahan giroskop dan akselerometer untuk mengurangi efek penyimpangan. Sebagai perbandingan, data INS dan data radar kendaraan dibandingkan.
- Analisis Data: hasil pengujian dianalisis dengan memeriksa jumlah kesalahan spasi dan tata letak dengan dan tanpa sampel. Para peneliti mengevaluasi sejauh mana INS berbiaya rendah dapat mengurangi distorsi dan menyediakan data lokasi yang lebih akurat dengan menerapkan pemodelan kesalahan melalui Extended Kalman Filter (EKF). Kinerja INS juga diuji dalam berbagai kondisi dinamis untuk mengetahui pengaruh perubahan percepatan dan perpindahan terhadap kinerja sistem.
Temuan:
- Temuan Utama: Salah satu temuan utama penelitian ini adalah kesalahan transmisi dapat dikurangi dalam sistem INS berbiaya rendah jika pemodelan kesalahan dilakukan dengan benar. Tanpa model kesalahan, INS menunjukkan kesalahan posisi 5 hingga 15 derajat per menit, namun setelah menjalankan model kesalahan, kesalahan ini dikurangi ke tingkat yang rendah. Selanjutnya INS mengalami pergerakan posisi sebesar 1 hingga 8 cm/s akibat perubahan percepatan yang terjadi pada saat pengujian.
- Dukungan untuk Hipotesis: Hasil ini mendukung hipotesis pertama bahwa penerapan model kesalahan dan Extended Kalman Filter (EKF) meningkatkan kinerja INS berbiaya rendah. Berkurangnya kecepatan geser dan peningkatan akurasi posisi menunjukkan bahwa solusi ini dapat berhasil digunakan pada robot bergerak, terutama di luar ruangan.
- Menjawab Pertanyaan Penelitian: Meskipun INS sensitif terhadap kinerja jangka panjang, terutama dalam hal keakuratan lokasi, hasil penelitian ini menunjukkan bahwa INS dan modelnya memberikan lokasi dan orientasi yang benar dalam Extended Kalman Filter (EKF) agar Anda mungkin membuat kesalahan dalam mencapainya. Aplikasi untuk navigasi jangka panjang dan presisi tinggi, sistem memerlukan sensor penentuan posisi real-time tambahan seperti GPS atau radar.
Pembahasan kelebihan dan kekurangan:
- Kesesuaian dengan penelitian sebelumnya: Hasil penelitian ini konsisten dengan penelitian sebelumnya dan menunjukkan pentingnya pemodelan kesalahan akustik untuk meningkatkan akurasi INS. Pada banyak penelitian sebelumnya, INS tanpa sampling error menunjukkan tingkat kesalahan yang tinggi, namun hasil analisis menggunakan metode sampling lebih baik.
- Kelebihan Studi: Salah satu kekuatan utama penelitian ini adalah pendekatan inovatif dalam menggunakan sampel gratis berbiaya rendah. Selain itu, penggunaan Extended Kalman Filter (EKF) untuk menganalisis data sensor sangat berguna. Hal ini memungkinkan INS berbiaya rendah bersaing dengan INS yang lebih mahal, terutama dalam aplikasi luar ruangan yang dinamis.
- Kekurangan studi: Meskipun INS berbiaya rendah berkinerja baik dalam hal kesalahan pengambilan sampel, masih ada beberapa kelemahan yang perlu disebutkan, misalnya, proporsinya terus meningkat seiring berjalannya waktu. Hal ini menunjukkan bahwa tanpa dukungan penentuan posisi real-time seperti GPS atau radar, INS tidak dapat diandalkan untuk navigasi jarak jauh Selain itu, INS ini lebih sensitif terhadap perubahan akselerasi mendadak yang dapat mempengaruhi hasil posisi.
- Hasil Penerapan: Berdasarkan hasil penelitian, INS berbiaya rendah dapat diterapkan pada mesin yang beroperasi di area terbuka terutama di luar ruangan. Area dengan sinyal GPS terbatas. Menggabungkan INS dengan sensor penentuan posisi real-time seperti radar dan GPS memungkinkan robot memperoleh informasi navigasi yang akurat dalam jangka waktu yang lama.
Penelitian Lebih Lanjut:
Para peneliti merekomendasikan untuk meningkatkan integrasi INS dengan sistem sensor lain seperti radar dan GPS. Hal ini penting untuk mengatasi masalah operasional yang terkait dengan INS berbiaya rendah dan meningkatkan akurasi sistem dari waktu ke waktu, terutama dalam aplikasi robotik yang memerlukan navigasi yang sangat presisi.