Autonomous mobile robot adalah salah satu jenis robot yang dikembangkan dengan kemampuan untuk mengendalikan dirinya sendiri walaupun dalam lingkungan yang tidak diketahui. Untuk dapat melakukan pengendalian secara mandiri, bisa dilakukan dengan melalui proses pembelajaran secara mandiri tanpa supervisi (unsupervised) dengan mempertimbangkan input dari sensor-sensor yang dipakai. Pada saat robot melakukan pengenalan terhadap lingkungannya, diperlukan perosesan komputasi yang berat dengan waktu yang lama. Penelitian ini akan membahas tentang penggunaan Kohonen Self-Organizing Feature Maps (SOFM) atau (SOM) sebagai metode pembelajaran Autonomous mobile robot dalam mengenali lingkungannya. Proses pembelajaran dilakukan dengan menggunakan parallel processing menggunakan LAM-MPI, Simulasi dilakukan dengan menggunakan software simulasi Player/ Stage. Hasil simulasi menunjukkan bahwa SOM menampilkan performa yang baik dalam memetakan lingkungan yang tidak diketahui tanpa supervisi. Hasil pemrosesan dengan menggunakan parallel processing juga menunjukkan dicapainya kecepatan yang signifikan dalam proses pembelajaran robot untuk mengenali lingkungannya. Planning dengan menggunakan A* mampu untuk memberikan jalur yang efektif bagi robot dalam mencapai titik tujuan. Kata Kunci: autonomous, pemetaan, path-planning, komputasi parallel, parallel SOM
Collaboration network of the authors
17 authors ·
29 co-authorship links
· 4 across different organisations
Hover or tap a name to highlight its co-authors. Double-click to open the author's page.
Institut Teknologi Sepuluh Nopember
Universitas Dinamika
Sebelas Maret University
Affiliation unknown
Different organisations
Same organisation
Affiliation unknown
Thicker line = more joint articles · bigger circle = more articles
Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.