Implementasi Deep Learning pada Robot Manipulator Multi Jari untuk Pick and Place Peralatan Hidang Makanan

Perusahaan perjalanan, pariwisata, dan perhotelan sudah mulai mengadopsi sistem RAISA dalam bentuk chatbot, robot pengiriman, autonomous dishwasher, restoran konveyor, kios informasi layanan mandiri dan banyak lainnya [1], [2]. Beberapa pengusaha berusaha melakukan inovasi melalui pendekatan kepada pelanggan dengan mengembangkan sistem pengiriman produk ke pelanggan untuk menghasilkan pengalaman yang menarik berupa penggunaan robot penyaji [3]. Tugas yang tampak sederhana bagi manusia seperti mengambil dan menempatkan objek dengan berbagai bentuk, ukuran, bahan, dan sifat permukaan, dapat menjadi tantangan bagi robot untuk melakukan penggenggaman [4]. Penelitian kali ini berfokus pada implementasi jaringan saraf tiruan deep learning untuk pengenalan objek dalam perencanaan penggenggaman pada end effector. Robot manipulator dengan 4 derajat kebebasan digunakan untuk mendukung peraihan objek dan end effector berupa gripper 5 jari yang digunakan untuk mendapatkan penggenggaman yang bervariasi terhadap objek dengan bentuk acak. Sebuah kamera RGB digunakan untuk pengenalan objek dengan konfigurasi eye-on-hand yaitu ditautkan pada bagian end effector untuk mendapatkan sudut pandang dengan orientasi subjek menuju objek. Penentuan kelas dan dimensi objek dilakukan dengan menggunakan metode YOLOv3 dan bekerja optimal pada renang intensitas cahaya 12 lux hingga 35 lux. End effector bekerja optimal pada objek dengan bentuk dasar tabung, prisma segi empat, prisma segi enam dan prisma segi sepuluh dengan beban maksimal yang dapat diangkat sebesar 303 gram. Pada operasi pick and place dengan kapasitas maksimal beban objek didapatkan nilai success rate sebesar 71.23%.