Implementasi Perencanaan Jalur Dinamis pada USV Berbasis RRT* dan Pengendalian MPC untuk Penghindaran Rintangan

Panjaitan, Helga Jenni (2026) Implementasi Perencanaan Jalur Dinamis pada USV Berbasis RRT* dan Pengendalian MPC untuk Penghindaran Rintangan. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5022221179-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Indonesia sebagai negara kepulauan membutuhkan teknologi otonom yang andal untuk pengawasan dan eksplorasi wilayah perairan. Salah satu solusi yang berkembang adalah Unmanned Surface Vehicle (USV), yang menuntut sistem navigasi adaptif guna menghadapi rintangan statis maupun dinamis di lingkungan perairan terbuka. Penelitian ini mengimplementasikan algoritma Rapidly-exploring Random Tree Star(RRT*) untuk perencanaan jalur global dengan Model Predictive Control (MPC) untuk pengendali penghindaran rintangan dinamis lokal. Pengujian simulasi akan dilakukan dengan area lingkungan berbasis peta dengan adanya rintangan statis dan dinamis. Pada pengujian simulasi perencanaan lintasan global, step size 1.5m dipilih sebagai variasi efisien dengan jarak tempuh sebesar 52.86 m, waktu tempuh 46.2 detik, dan tidak menabrak rintangan statis. Pada pengujian simulasi perancanaan lintasan lokal, algoritma MPC mampu menghindari rintangan dinamis dengan dengan jarak minimum 0.671m dan 0.792 m dengan jarak tempuh sebesar 54.96 m dengan waktu tempuh 51.3 detik. Pengujian uji lapangan perencanaan lintasan global juga dapat diterapkan pada USV LSS-01 di Danau 8 ITS dengan variasi waypoint dan tidak mengalami tabrakan dengan rintangan statis. Sementara itu, uji lapangan perencaanan lokal dengan MPC belum berhasil diselesaikan akibat adanya keterbatasan kamera pada USV LSS-01 sehingga tidak dapat mendeteksi posisi rintangan dengan baik.
===============================================================================================================================
Indonesia, as an archipelagic nation, requires reliable autonomous technology for the surveillance and exploration of its vast maritime territory. One of the emerging solutions is the Unmanned Surface Vehicle (USV), which requires an adaptive navigation system capable of handling both static and dynamic obstacles in open-water environments. This research implements the Rapidly-exploring Random Tree Star (RRT*) algorithm for global path planning integrated with Model Predictive Control (MPC) as a local dynamic obstacle avoidance controller. Simulation testing was conducted in a map-based environment containing both static and dynamic obstacles. In the global path planning simulation, a 1.5-meter step size was identified as the most efficient variation, resulting in a travel distance of 52.86 m, a travel time of 46.2 s, and no collisions with static obstacles. In the local path planning simulation, the MPC algorithm successfully avoided dynamic obstacles while maintaining minimum distances of 0.671 m and 0.792 m, with a total travel distance of 54.96 m and a travel time of 51.3 s. Field testing for global path planning was also successfully implemented on the USV LSS-01 at ITS 8 Lake using various waypoints, resulting in no collisions with static obstacles. However, the local path planning field test using MPC could not be completed due to camera limitations on the USV LSS-01, which prevented accurate detection of obstacle positions.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Unmanned Surface Vehicle, model predictive control, rapidly-exploring random tree, integral light-of-sight, penghindaran rintangan dinamis, perencanaan jalur global
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK3070 Automatic control
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User:	Helga Jenni Nauli Panjaitan
Date Deposited:	28 Jul 2026 03:15
Last Modified:	28 Jul 2026 03:15
URI:	http://repository.its.ac.id/id/eprint/137906

Actions (login required)

View Item