Implementasi Multi-Layered Pso-Apf Untuk Perencanaan Jalur Tour Guide Robot Di Lingkungan Indoor Yang Dinamis

Soenarjo, Sri Nazha (2026) Implementasi Multi-Layered Pso-Apf Untuk Perencanaan Jalur Tour Guide Robot Di Lingkungan Indoor Yang Dinamis. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5022221097_Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (9MB)

Abstract

Penelitian ini bertujuan untuk menambah fungsionalitas tour guide robot di ruang Galeri Riset dan Inovasi ITS dengan merancang dan mengimplementasikan Multi-Layered Particle Swarm Optimization (MLPSO) yang berbasis graf Voronoi sebagai global planner dan Artificial Potential Field dengan mekanisme virtual point sebagai local planner. Metode ini dipilih untuk mengatasi masalah efisiensi komputasi PSO sebagai global planner dan menghindari jebakan local minima pada kondisi lingkungan yang dinamis akibat perubahan tata ruangan maupun keberadaan pengunjung. Berdasarkan hasil pengujian, MLPSO mampu memangkas waktu komputasi 5 kali lipat lebih cepat dari planner PSO standar, yaitu dari rata-rata 1087,79 milidetik pada PSO standar menjadi rata-rata 214,07 milidetik pada MLPSO. Hasil pengujian MLPSO terhadap A* menunjukkan adanya trade-off waktu komputasi untuk menghasilkan lintasan yang lebih aman dan lebih halus. Pada pengujian local planner dengan rintangan tidak terpetakan yang muncul secara tiba-tiba, metode ini berhasil menghindari rintangan dan mencapai 40 direct success dari 40 kali percobaan dengan beban komputasi yang ringan, yaitu rata-rata 7.3 ± 0.1%. Selain itu, hasil implementasi MLPSO-APF pada robot fisik menunjukkan keberhasilan robot mencapai tujuan 100% dari 10 kali percobaan tanpa menabrak rintangan yang muncul secara tiba-tiba, meskipun terpengaruh oleh drift pada odometri, slip pada roda, dan faktor eksternal lainnya. Modul perencanaan jalur yang dirancang dan diusulkan terbukti tangguh saat menghadapi tantangan lingkungan yang dinamis.
==================================================================================================================================
This research aims to enhance the functionality of a tour guide robot within the ITS Research and Innovation Gallery by designing and implementing Multi-Layered Particle Swarm Optimization (MLPSO) based on Voronoi diagrams as the global planner and an Artificial Potential Field with a virtual point mechanism as the local planner. This method was selected to address the computational efficiency challenges of PSO as a global planner and to prevent the local minima trap in dynamic environments caused by structural layout changes and the presence of visitors. Based on the test results, MLPSO successfully reduced computational time by 5 times faster than the standard PSO planner, decreasing from an average of 1087.79 milliseconds in standard PSO to an average of 214.07 milliseconds in MLPSO. The evaluation of MLPSO against A* indicates a computational time trade-off required to generate safer and smoother paths. In local planner testing under sudden, unmapped obstacles, the proposed method successfully avoided collisions and achieved 40 direct successes out of 40 trials with a lightweight computational load averaging 7.3 ± 0.1%. Furthermore, physical robot implementation of MLPSO-APF demonstrated a 100% success rate in reaching the target across 10 trials without colliding with sudden obstacles, despite being affected by odometry drift, wheel slip, and other external factors. The designed and proposed path planning module proved to be robust in facing the challenges of dynamic environments.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Tour Guide Robot, MLPSO, Voronoi, APF, Virtual Point.
Subjects:	T Technology > TJ Mechanical engineering and machinery > TJ211.415 Mobile robots
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User:	Sri Nazha Soenarjo
Date Deposited:	21 Jul 2026 01:07
Last Modified:	21 Jul 2026 01:07
URI:	http://repository.its.ac.id/id/eprint/135760

Actions (login required)

View Item