Optimasi Ackerman Steering Mobile Robot Pada Jalan Belokan Dengan Model Predictive Control

Penelitian ini bertujuan mengoptimalkan pergerakan mobile robot dengan mekanisme Ackerman Steering pada lintasan berbelok menggunakan Model Predictive Control (MPC). Sistem vision memanfaatkan algoritma Canny Edge Detection dan Hough Transform untuk mengekstraksi sudut jalan dan batas lintasan secara real time, kemudian mengirimkan parameter heading angle ke ESP32 sebagai input MPC. Pengujian dilakukan pada tiga jenis belokan, yaitu melengkung, siku, dan tajam, dengan jumlah data sebesar 451 sampel. Hasil pengujian menunjukkan nilai Root Mean Squared Error (RMSE) 2,17°, yang menandakan bahwa error sudut kemudi terhadap sudut jalan berada pada kisaran kecil sehingga MPC mampu menghasilkan manuver yang halus dan stabil. Robot berhasil melalui 2 dari 3 jenis belokan sehingga tingkat keberhasilan mencapai 66,67%. Kegagalan pada belokan tajam terjadi akibat sudut jalan terdeteksi mendekati 0° karena area deteksi kamera terlalu sempit, sehingga MPC tidak memperoleh referensi yang sebenarnya. Secara keseluruhan, integrasi antara computer vision dan MPC terbukti efektif dalam meningkatkan akurasi dan kestabilan robot dalam mengikuti center line lintasan.