geosurvey.co.id, JAKARTA – Robot layanan biasa digunakan di banyak industri untuk membantu manusia melakukan tugas yang berulang. Interaksi Robot Manusia (HRI) menjadi penting dalam konteks ini.
HRI nonverbal sangat penting dalam interaksi sosial, menekankan perlunya menentukan perhatian subjek secara akurat dengan mengevaluasi isyarat terprogram.
Sebuah tim ahli dari Indonesia dan Malaysia berkolaborasi dalam penelitian bertajuk “Nonverbal Human Interaction and Operation Used a Neural Network for Service Robot Applications” yang dipublikasikan di IIUM Engineering Journal pada Januari 2023, menghadirkan algoritma model perhatian konseptual yang disebut Attentional Recognition Model (ARM ). untuk mengenali perhatian manusia dengan meningkatkan akurasi deteksi dan pengalaman subjektif selama HRI nonverbal.
Menurut Prof. dr. Andy Adriancia, M.Sc., salah satu anggota tim peneliti, menggunakan tiga model deteksi gabungan, yaitu pelacakan wajah, pelacakan iris, dan kedipan mata, dalam penelitiannya pada algoritma ARM yang mereka gunakan.
“Model pelacakan wajah dilatih menggunakan jaringan saraf memori jangka pendek (LSTM), yang didasarkan pada pembelajaran mendalam. Sedangkan model matematika digunakan untuk melacak pergerakan iris dan mata. “Model kedipan menggunakan titik penanda wajah secara acak untuk menghitung rasio mata (EAR), yang jauh lebih andal dibandingkan metode sebelumnya,” kata Rektor Merck University Buana, Senin (27/03/2023).
Selain itu, Andy menjelaskan, eksperimen pelacakan wajah dan iris mata memungkinkan penentuan arah pada jarak hingga 2 meter. Sementara itu, model kedipan mata yang diuji memberikan akurasi 83,33 persen pada jarak hingga 2 meter. Akurasi perhatian ARM secara keseluruhan mencapai 85,7%. Eksperimen menunjukkan bahwa robot layanan dapat memahami instruksi yang diprogram dan dengan demikian melakukan tugas tertentu, seperti mendekati orang yang berminat.
“Dengan kemampuan membaca sinyal nonverbal manusia dengan lebih akurat, robot layanan akan semakin efektif dalam membantu manusia melakukan tugas berulang di banyak industri,” kata Andy.
Selain itu, akurasi prediksi perhatian dievaluasi pada intensitas cahaya yang berbeda untuk menguji kelayakan metode ini di dunia nyata. Desain ini diharapkan dapat memberikan pengalaman HRI terbaik dengan kompleksitas komputasi rendah dan invarian terhadap perubahan rotasi dan iluminasi linier.
Kecuali Prof. dr. Andy Adriancia, MSc, dari Universitas Merku Buan, tim peneliti lainnya yang terdiri dari akademisi dari Universiti Tun Hussein Onn Malaysia yaitu Zubair Adil Somro, Abu Ubaid Shamsuddin dan Ruzari Abdul Rahim, serta dari Move Robotic SDN BHD yaitu Mohd Hazeli.
