Autonomous Mobile Robot Navigation Menuju Docking Station Menggunakan Metode Deep Q Network (DQN)

Mobile robot membutuhkan kemampuan navigasi otonom untuk mencapai docking station pada lingkungan yang dapat berubah dan terdapat hambatan. Kemampuan tersebut penting agar robot dapat beroperasi secara mandiri tanpa intervensi manusia. Penelitian ini bertujuan untuk mengimplementasikan metode Deep Q Network (DQN) sebagai pengendali navigasi mobile robot menuju docking station. Sistem yang dikembangkan menggunakan platform Robot Operating System (ROS) dengan lingkungan simulasi gazebo dan implementasi pada perangkat keras mobile robot. Untuk memperoleh informasi posisi dan orientasi robot, digunakan RTAB-Map yang memanfaatkan data kamera depth dan sensor Inertial Measurement Unit (IMU). Informasi tersebut digunakan sebagai input bagi agent DQN untuk menentukan aksi navigasi yang optimal dalam mencapai docking station serta menghindari hambatan yang terdapat pada lingkungan. Melalui mekanisme reward dan punishment, agent DQN dilatih untuk mempelajari policy navigasi yang efektif berdasarkan interaksi dengan lingkungan. Model yang telah dilatih kemudian diimplementasikan pada mobile robot untuk mengevaluasi kemampuannya dalam bergerak secara otonom menuju docking station. Penelitian ini diharapkan dapat menghasilkan sistem navigasi yang mampu beradaptasi terhadap perubahan lingkungan dan mendukung proses docking secara mandiri.