FTWD: Algoritma Baru untuk Pencarian Optimal yang Efisien di Lingkungan Tak Terstruktur
Dalam era digital yang semakin berkembang, optimasi jalur menggunakan robot mobile menjadi kunci untuk berbagai aplikasi, seperti pencarian sinyal optimal, deteksi sumber polusi, dan survei bawah laut. Artikel ilmiah berjudul Globally convergent path-aware optimization with mobile robots oleh T. Sntejudean, . Ungur, R. Herzal, I.-C. Morrescu, V.S. Varma, dan L. Buoniu, diterbitkan di Nonlinear Analysis: Hybrid Systems (2024), menawarkan pendekatan baru untuk tantangan ini. Penelitian ini memperkenalkan dua algoritma, FTW (Turn When Function) dan FTWD (Turn When Function with Distance), yang menggunakan prinsip optimasi deterministik dengan asumsi bahwa fungsi objektif bersifat Lipschitz-kontinu. Algoritma-algoritma ini dirancang untuk memastikan robot mobile dapat secara efisien mencapai nilai optimal dalam kondisi lingkungan yang tidak pasti, dengan mengandalkan data yang diperoleh selama perjalanan.
Algoritma FTW dan FTWD sangat relevan dalam konteks pencarian sumber secara dinamis, di mana lingkungan yang terus berubah memerlukan adaptasi jalur secara real-time. Pada artikel ini, penulis tidak hanya menyajikan analisis teoretis tentang konvergensi, tetapi juga menyediakan bukti empiris melalui simulasi numerik dan uji coba robot nyata. Terbukti bahwa FTWD, yang mempertimbangkan jarak, menunjukkan peningkatan performa hingga 25% lebih cepat dalam menemukan nilai optimal dibandingkan FTW, yang hanya mengandalkan nilai fungsi (Sntejudean et al., 2024). Artikel ini secara jelas menekankan bahwa pendekatan yang lebih efisien tidak hanya mengurangi waktu pencarian tetapi juga menghemat energi robot, sehingga memungkinkan aplikasi yang lebih luas dalam dunia nyata, seperti pada proyek SeaClear 2.0, yang menargetkan pembersihan sampah laut.
Keunggulan utama dari algoritma ini adalah kemampuan mereka untuk menyesuaikan diri dengan perubahan kondisi lingkungan. Dalam situasi di mana data baru terus diperbarui selama perjalanan, robot perlu segera mengubah arah tanpa kehilangan efisiensi. Dengan memperhitungkan jarak dalam algoritma FTWD, penulis memastikan bahwa robot tidak hanya mengejar nilai fungsi terbaik tetapi juga meminimalkan waktu dan energi yang dihabiskan untuk mencapai tujuan. Hal ini sangat penting dalam aplikasi dunia nyata di mana sumber daya seringkali terbatas, dan efisiensi sangat dibutuhkan untuk mempertahankan kelancaran operasi jangka panjang.
***
Artikel karya T. Sntejudean et al. (2024) menawarkan solusi signifikan terhadap tantangan pencarian jalur optimal oleh robot mobile melalui dua algoritma inovatif, FTW dan FTWD. Kedua algoritma ini didasarkan pada asumsi Lipschitz-kontinu dari fungsi objektif, yang berarti perubahan nilai fungsi di setiap titik dapat diperkirakan berdasarkan jarak. Namun, FTWD lebih unggul dibandingkan FTW karena mempertimbangkan jarak sebagai faktor penting dalam penentuan arah robot. Dalam simulasi yang dijalankan, FTWD mampu meningkatkan performa hingga 25% lebih cepat dibandingkan FTW dalam menemukan nilai optimal, sebuah peningkatan signifikan untuk skenario dunia nyata di mana efisiensi waktu sangat dibutuhkan.
Metode optimasi deterministik ini didukung dengan jaminan konvergensi yang kuat. Penulis menunjukkan bahwa kedua algoritma memiliki tingkat konvergensi asimtotik, dengan FTW mencapai tingkat suboptimalitas yang semakin kecil seiring bertambahnya sampel data. FTWD, yang merupakan versi perbaikan dari FTW, menunjukkan konvergensi yang lebih cepat berkat penyesuaian dinamis terhadap jarak. Misalnya, dalam uji coba robot nyata menggunakan TurtleBot3, FTWD berhasil mengurangi panjang lintasan hingga 15%, yang secara langsung menghemat energi dan waktu (Sntejudean et al., 2024). Data empiris ini menjadi bukti bahwa algoritma yang lebih canggih dalam mempertimbangkan parameter jarak dapat secara drastis meningkatkan efisiensi operasional.
Salah satu aspek menarik dari penelitian ini adalah aplikasi praktisnya. Pada proyek SeaClear 2.0, yang dimulai tahun 2022 dan berlanjut hingga 2024, robot mobile digunakan untuk mendeteksi dan mengumpulkan sampah laut. Dengan menggunakan algoritma FTWD, robot-robot ini dapat lebih efisien dalam menentukan area dengan kepadatan sampah tertinggi. Efisiensi ini tercermin pada peningkatan ketepatan navigasi dan pengurangan waktu misi hingga 20% dibandingkan metode konvensional. Aplikasi lainnya termasuk deteksi sinyal nirkabel di daerah terpencil dan pencarian kebocoran gas di situs-situs pembuangan sampah. Efisiensi semacam ini sangat penting dalam skenario di mana robot harus melakukan pencarian di area luas dengan sumber daya yang terbatas.
Penelitian ini juga membuka peluang untuk penggunaan robot multi-agen, di mana beberapa robot bekerja secara bersamaan untuk menemukan nilai optimal dalam area pencarian yang luas. Dengan algoritma yang lebih adaptif seperti FTWD, para robot dapat berkoordinasi dengan lebih baik dan saling berbagi data selama misi berlangsung. Hal ini akan meningkatkan ketepatan pencarian serta mengurangi waktu operasi secara keseluruhan. Dalam simulasi yang lebih kompleks, algoritma ini telah menunjukkan performa yang menjanjikan untuk lingkungan tiga dimensi, yang menawarkan peluang besar bagi pengembangan di masa mendatang.
Sebagai tambahan, penelitian ini menunjukkan potensi penerapan algoritma FTW dan FTWD dalam industri pertanian dan pengelolaan limbah. Robot yang dilengkapi dengan sensor dapat memantau area pertanian untuk mengidentifikasi area dengan kepadatan hama atau polusi yang tinggi, sehingga memungkinkan tindakan korektif yang lebih cepat. Di bidang pengelolaan limbah, robot dapat digunakan untuk mendeteksi kebocoran gas atau sumber polusi lainnya, meminimalkan risiko lingkungan dan menjaga kesehatan publik.
***
