{!-- ra:00000000000003ea0000000000000000 --}Sistem Kontrol AI Revolusioner Bantu Drone Otonom Tetap Akurat di Lingkungan Tak Pasti - SWANTE ADI KRISNA
cross
Hit enter to search or ESC to close
New Artists
  • Zoe Foe
    5 Albums - 50 Songs
Sistem Kontrol AI Revolusioner Bantu Drone Otonom Tetap Akurat di Lingkungan Tak Pasti
9
June 2025

Sistem Kontrol AI Revolusioner Bantu Drone Otonom Tetap Akurat di Lingkungan Tak Pasti

  • 4
  • 09 June 2025
Sistem Kontrol AI Revolusioner Bantu Drone Otonom Tetap Akurat di Lingkungan Tak Pasti

Peneliti MIT berhasil mengembangkan sistem kontrol adaptif berbasis machine learning yg revolusioner untuk membantu drone otonom tetap pada jalur target meskipun menghadapi gangguan tak terduga seperti angin kencang1. Teknologi ini menjadi terobosan penting dalam dunia penerbangan tanpa awak.

Tantangan Navigasi Drone dalam Kondisi Ekstrem

Sebuah drone otonom yg membawa air untuk memadamkan kebakaran hutan di Sierra Nevada mungkin menghadapi angin Santa Ana yg berputar-putar dan mengancam akan mendorongnya keluar jalur. Adaptasi cepat terhadap gangguan tak dikenal ini dlm penerbangan menyajikan tantangan besar bagi sistem kontrol penerbangan drone2.

Berbeda dg pendekatan standar, teknik baru ini tidak mengharuskan orang yg memprogram drone otonom untuk mengetahui apa pun sebelumnya tentang struktur gangguan tak pasti tersebut. Sebagai gantinya, model kecerdasan buatan sistem kontrol mempelajari semua yang perlu diketahui dari sejumlah kecil data observasional yg dikumpulkan dari 15 menit waktu penerbangan.

Inovasi Meta-Learning dalam Sistem Kontrol

Yang penting adalah, teknik ini secara otomatis menentukan algoritma optimasi mana yg harus digunakan untuk beradaptasi dengan gangguan, yg meningkatkan kinerja pelacakan3. Sistem memilih algoritma yg paling cocok dg geometri gangguan spesifik yg dihadapi drone ini.

Para peneliti melatih sistem kontrol mereka untuk melakukan kedua hal secara bersamaan menggunakan teknik yg disebut meta-learning, yg mengajarkan sistem cara beradaptasi dg berbagai jenis gangguan. Kalau digabungkan, bahan-bahan ini memungkinkan sistem kontrol adaptif mereka mencapai kesalahan pelacakan lintasan 50 persen lebih sedikit daripada metode dasar dalam simulasi dan berkinerja lebih baik dg kecepatan angin baru yg tidak dilihatnya selama pelatihan.

Aplikasi Praktis dan Manfaat Teknologi

Di masa depan, sistem kontrol adaptif ini dapat membantu drone otonom lebih efisien mengirimkan paket berat meskipun angin kencang atau memantau area taman nasional yg rawan kebakaran4. "Pembelajaran bersamaan komponen-komponen ini adalah yg memberikan kekuatan pada metode kami," kata Navid Azizan, Profesor Asisten Esther dan Harold E. Edgerton di Departemen Teknik Mesin MIT.

Penelitian ini juga menunjukkan potensi besar dalam mengoptimalkan operasi drone untuk berbagai keperluan sipil. National Grid baru-baru ini meluncurkan inspeksi drone otonom untuk meningkatkan keamanan dan keandalan infrastruktur listrik5.

Perkembangan Industri Drone Global

Industri layanan inspeksi drone mengalami pertumbuhan signifikan didorong oleh AI, cloud computing, dan kepatuhan keselamatan6. Pasar global untuk Layanan Inspeksi Drone dinilai USD 13.240 juta, menunjukkan potensi komersial yg besar dari teknologi ini.

Sementara itu, penggunaan drone untuk keperluan medis juga berkembang pesat. NHS mempertimbangkan penggunaan drone untuk mengirimkan defibrillator kepada korban serangan jantung setelah uji coba pedesaan yg berhasil menunjukkan hasil "sangat menjanjikan"7.

Implementasi dan Pengembangan Lanjutan

Tim peneliti saat ini sedang melakukan eksperimen perangkat keras untuk menguji sistem kontrol mereka pada drone nyata dg kondisi angin yg bervariasi dan gangguan lainnya. Mereka juga ingin memperluas metode mereka sehingga dapat menangani gangguan dari berbagai sumber sekaligus8.

Misalnya, perubahan kecepatan angin dapat menyebabkan berat paket yg dibawa drone bergeser dalam penerbangan, terutama saat drone membawa muatan yg berguncang. Mereka juga ingin mengeksplorasi pembelajaran berkelanjutan, sehingga drone dapat beradaptasi dg gangguan baru tanpa perlu dilatih ulang pada data yg telah dilihatnya sejauh ini.

Kesimpulan

Teknologi sistem kontrol AI ini merupakan langkah maju signifikan dalam pengembangan drone otonom yg lebih adaptif dan andal. Kemampuannya untuk belajar dari data minimal dan beradaptasi secara real-time terhadap kondisi tak terduga membuka peluang aplikasi yg luas, mulai dari pemadam kebakaran hingga layanan medis darurat.

Penelitian ini didukung sebagian oleh MathWorks, MIT-IBM Watson AI Lab, MIT-Amazon Science Hub, dan MIT-Google Program for Computing Innovation, menunjukkan komitmen industri terhadap pengembangan teknologi drone yg lebih canggih.

Referensi

Download PDF tentang Implementasi Meta-Learning dal (telah di download 10 kali)
  • Sistem Kontrol AI Revolusioner Bantu Drone Otonom Tetap Akurat di Lingkungan Tak Pasti
    Penelitian ini menganalisis penerapan teknik meta-learning dalam pengembangan sistem kontrol adaptif untuk drone otonom yang menghadapi gangguan lingkungan tidak pasti. Melalui integrasi algoritma mirror descent dan model neural network, sistem mampu mencapai peningkatan akurasi pelacakan lintasan hingga 50% dibandingkan metode konvensional, dengan kemampuan adaptasi real-time terhadap variasi kecepatan angin dan kondisi atmosferik yang tidak terprediksi dalam operasi penerbangan tanpa awak.
Penulis
Swante Adi Krisna
Penikmat musik Ska, Reggae dan Rocksteady sejak 2004. Gooners sejak 1998. Blogger dan ai paruh waktu sejak 2014. Graphic Designer autodidak sejak 2001. Website Programmer autodidak sejak 2003. Woodworker autodidak sejak 2024. Sarjana Hukum Pidana dari salah satu Perguruan Tinggi Negeri di Surakarta. Magister Hukum Pidana di bidang cybercrime dari salah satu Perguruan Tinggi Swasta di Surakarta. Magister Kenotariatan di bidang hukum teknologi, khususnya cybernotary dari salah satu Perguruan Tinggi Negeri di Surakarta. Bagian dari Keluarga Besar Kementerian Pertahanan Republik Indonesia.