Inertial Navigation System (INS) Berbiaya Rendah untuk Robot Mobile

Hallo kawan-kawan kompasiana saya kembali, kali ini saya akan membahas tentang Inertial Navigation Systems (INS) yang berbiaya rendah, dapat juga ditingkatkan akurasinya dengan menggunakan sensor yang terjangkau murah, dan dirancang untuk aplikasi robot mobile, khususnya kendaraan berkecepatan tinggi di luar ruangan.

Penelitian ini berhasil mengembangkan Inertial Navigation Systems (INS) berbiaya rendah yang terdiri dari tiga giroskop solid-state, akselerometer triaxial, dan dua sensor kemiringan Electrolevel. Salah satu hasil penting dari penelitian ini adalah bahwa dengan mengembangkan model kesalahan yang akurat dan rinci untuk sensor INS, performa sistem dapat ditingkatkan secara signifikan. Model kesalahan ini diterapkan menggunakan Extended Kalman Filter (EKF), yang secara substansial meningkatkan akurasi estimasi posisi dan orientasi.

Peneliti juga saat ini berfokus pada tiga aplikasi utama dari teknologi sensor ini. Pertama, Inertial Navigation Systems (INS) seperti yang dijelaskan di atas dengan radar (dalam mode bantuan medan) dan data GPS Navstar untuk sistem navigasi berkecepatan tinggi (sekitar 60 mph). Kedua, penggunaan sistem dua giroskop pada kendaraan dalam ruangan untuk memperkirakan orientasi dan arah yang berasal dari geometri kemudi kendaraan. Ini memiliki arti praktis karena laju perubahan orientasi (seperti yang diukur oleh giroskop) berbanding lurus dengan sudut kemudi roda kendaraan, yang dapat diukur tanpa mengalami drift.

Peneliti telah menggambarkan  Extended Kalman Filter (EKF) diperluas sederhana yang menggunakan pengukuran dari sensor INS sebagai masukan dan menghasilkan perkiraan posisi platform, orientasi, turunan dari keduanya, serta laju drift yang terkait. Filter ini digunakan untuk menguji INS di bawah kondisi laboratorium, dan hasilnya menunjukkan bahwa penerapan INS pada kendaraan dalam ruangan dapat memberikan peningkatan kinerja navigasi yang signifikan, meskipun penggunaan akselerometer cenderung memberikan manfaat yang terbatas.

Penerapan model kesalahan yang akurat terbukti penting dalam meningkatkan performa INS berbiaya rendah. Tanpa kompensasi kesalahan, kesalahan orientasi bisa mencapai 5-15 per menit, namun bisa dikurangi hingga lima kali lipat dengan model yang tepat. Hal ini menunjukkan bahwa model kesalahan yang baik dapat membuat INS berbiaya rendah layak digunakan dalam robot mobile. Estimasi posisi menggunakan akselerometer lebih rentan terhadap kesalahan karena proses integrasi ganda. Meskipun model kesalahan membantu mengurangi kesalahan, drift posisi masih terjadi pada laju 1-8 cm/detik.

Sistem INS diuji pada kendaraan otomatis yang dilengkapi radar. Hasil menunjukkan bahwa INS memberikan estimasi orientasi yang andal hingga 10 menit, tetapi estimasi posisi hanya akurat dalam jangka waktu 5-10 detik di lapangan, meskipun efektif untuk jangka pendek, memerlukan integrasi dengan sensor posisi absolut seperti radar atau GPS untuk mengatasi drift jangka panjang. Hasil menunjukkan bahwa INS dapat digunakan untuk prediksi posisi jangka pendek yang lebih baik, yang pada gilirannya dapat mengurangi kebutuhan akan frekuensi pengamatan beacon.

Penggunaan tiga giroskop solid-state, akselerometer triaxial, dan dua sensor kemiringan Electrolevel yang berbiaya murah untuk mengembangkan model kesalahan yang akurat dan rinci untuk sensor INS dan juga memungkinkan lebih banyak orang untuk memenafaatkan teknologi ini. Sensor-sensor yang digunakan dapat memberikan data secara real-time, sehingga menghasilkan hasil data yang lebih akurat.

Nah, setelah kita mempelajari tentang Inertial Navigation Systems (INS) berbiaya rendah untuk robot mobile . Saya harap kawan-kawan kompasiana mendapatkan pembelajaran seperti yang kawan-kawan harapkan atau butuhkan. Penjelasan tentang Inertial Navigation Systems (INS) berbiaya rendah untuk robot mobile  dari saya dicukupkan saja sampai sini. Sekian dari saya sampai jumpa nanti. Terimakasih