📚 Eksplorasi & Komparasi Topik Dokumen

ESTIMASI POSISI DAN KECEPATAN TRANSLASI MENGGUNAKAN UWB-TDOA PADA SISTEM POSISI DALAM RUANGAN

Peneliti robotika di Institut Teknologi Bandung membutuhkan sistem posisi dalam ruangan (indoor positioning system) yang mampu menyediakan informasi posisi, orientasi, kecepatan, dan percepatan drone secara akurat dan terjangkau untuk keperluan pengembangan sistem kendali maupun algoritma. Teknologi konvensional seperti Global Positioning System (GPS) tidak dapat digunakan di dalam ruangan akibat atenuasi sinyal satelit, sedangkan sistem komersial berbasis motion capture memiliki harga yang tidak terjangkau untuk skala laboratorium. Tugas akhir ini mengembangkan sistem posisi dalam ruangan berbasis teknologi ultra-wideband (UWB) dengan topologi time difference of arrival (TDoA) sebagai alternatif yang memenuhi kebutuhan tersebut. Subsistem yang dikerjakan pada tugas akhir ini adalah TDoA Positioning Calculation, yang berfungsi menghitung estimasi posisi dan kecepatan translasi drone berdasarkan data waktu kedatangan (time of arrival, ToA) yang telah tersinkronisasi antar-anchor. Sistem terdiri atas lima buah anchor, dengan empat anchor berperan sebagai pengukuran (SA) dan satu anchor berperan sebagai master clock (MC) untuk sinkronisasi waktu. Keempat anchor pengukuran ditempatkan secara non-coplanar pada arena berdimensi 5.026 × 5.191 × 3.5 m untuk menjamin seluruh koordinat tag berada di dalam volume kerja. Spesifikasi teknis yang ditetapkan mencakup akurasi posisi ±10 cm dan akurasi kecepatan translasi ±0.1 m/s pada setiap sumbu koordinat. Perancangan algoritma estimasi posisi dilakukan melalui dua fase iteratif. Pada fase pertama, algoritma dirancang berdasarkan asumsi noise Gaussian yang bersumber dari tinjauan manufaktur transceiver DW1000, menghasilkan pipeline berbasis algoritma Chan sebagai closed-form method yang diperhalus oleh linear Kalman Filter. Setelah karakterisasi noise aktual dilakukan, distribusi noise pengukuran teridentifikasi sebagai contaminated-Gaussian dengan outlier yang berasal dari kondisi fisik lingkungan seperti multipath. Temuan ini memicu revisi perancangan pada fase kedua melalui dua pendekatan penanganan outlier, yaitu outlier removal menggunakan pre-filter berlapis (triangle inequality dan predictive TDoA gate), serta robust filtering berbasis Weighted observation Likelihood Filter–Extended Kalman Filter (WoLF-EKF) dengan pembobotan Inverse Multi-Quadratic (IMQ). Ketiga pipeline yang dihasilkan (Chan+KF konvensional, Chan+Robust KF berbasis Student’s-t, dan WoLF-EKF) diimplementasikan sebagai node ROS 2 dan diuji secara real-time pada arena pengujian, dengan sistem motion capture OptiTrack PrimeX 13 digunakan sebagai ground truth. Hasil pengujian menunjukkan ketiga pipeline memenuhi spesifikasi akurasi posisi pada skenario statis, dengan RMSE per-sumbu berada pada rentang 0.6–3.7 cm. Namun, pada skenario dinamis, hanya pipeline WoLF-EKF yang memenuhi spesifikasi dengan RMSE persumbu 5.2–9.8 cm, sedangkan Chan+KF konvensional dan Chan+Robust KF mengalami degradasi akurasi yang signifikan. Berdasarkan hasil ini, WoLF-EKF terpilih sebagai algoritma estimasi posisi yang diimplementasikan pada sistem final. Estimasi kecepatan translasi diperoleh langsung dari vektor state WoLF-EKF untuk menghindari amplifikasi noise akibat finite difference estimasi posisi, dengan hasil pengukuran menunjukkan RMSE pada rentang 0.11–0.15 m/s. Spesifikasi akurasi kecepatan translasi belum sepenuhnya tercapai karena kecepatan diperoleh melalui propagasi matriks transisi tanpa measurement update langsung, sekaligus keterbatasan metodologis dari ground truth kecepatan yang dihitung melalui finite difference posisi OptiTrack. Secara keseluruhan, tugas akhir ini menghasilkan subsistem estimasi posisi yang memenuhi spesifikasi akurasi ±10 cm pada dua skenario pengujian, sekaligus mengidentifikasi keterbatasan pada estimasi kecepatan translasi yang menjadi arahan pengembangan lanjutan berupa sensor fusion dengan Inertial Measurement Unit (IMU). Selain itu, langkah lain yang dapat dilakukan adalah dengan menangani noise yang muncul pada GT sehingga perbandingan hasil pengukuran dapat mencerminkan RMSE yang sebenarnya.