Robot Udara akan Mendapat Manfaat dari Reseptor Regangan Berbasis AI

Kecerdasan buatan terus memberikan inovasi di industri aeronautika dan robotika. Perkembangan terbaru yang melibatkan reseptor regangan berbasis AI terintegrasi dapat memungkinkan penciptaan opsi yang lebih gesit dan ringan dalam beberapa tahun mendatang. Berikut semua yang perlu Anda ketahui.

Sejak zaman purba, manusia telah melihat ke alam untuk memperoleh pemahaman yang lebih baik tentang penerbangan. Namun, menciptakan robot yang mengepakkan sayapnya untuk terbang terbukti jauh lebih menantang dibandingkan pesawat tradisional bersayap. Sayangnya, kondisi ini membuat robot udara kehilangan beberapa kemampuan penting yang dimiliki rekan alami mereka, seperti beralih dengan cepat antara melayang dan penerbangan yang dioptimalkan. Untungnya, situasi ini mungkin akan berubah.

Robot Udara dengan Sayap Mengepak

Saat ini, robot udara tersebar di berbagai sektor, dan pengaruh, kemampuan, serta ketersediaannya terus meningkat. Orang biasanya hanya memikirkan pesawat yang digerakkan oleh baling-baling atau pesawat bersayap ketika membahas robotika udara. Namun, ada beberapa opsi lain yang mungkin kurang mendapat perhatian tetapi jelas memiliki manfaat unik yang membuatnya menonjol.

Sayap Mengepak

Sayap yang mengepak memberikan keunggulan keduanya. Mereka memungkinkan burung memperoleh daya angkat vertikal dengan cepat dan menstabilkan diri untuk meluncur jauh. Serangga bersayap dapat melayang dan mengubah arah dengan cepat. Bayangkan bagaimana lebah atau kolibri melesat di sekitar area, atau bagaimana ngengat berputar mengelilingi lampu.

Hingga saat ini, telah terjadi beberapa kemajuan signifikan dalam desain robot bersayap mengepak. Namun, pengendali penerbangan yang diperlukan agar pesawat ini beroperasi secara andal dalam kondisi yang berubah-ubah, bukan hanya di laboratorium, terbukti sulit dibuat. Meskipun begitu, desain ini tetap memikat imajinasi pengembang dan pembuat, terutama setelah film Dune menampilkan Ornithopter yang mengandalkan sayap mengepak menyerupai capung.

Sumber – Fandom

Studi Reseptor Regangan Berbasis AI

Sebuah studi terbaru, “Machine Learning-Based Wind Classification by Wing Deformation in Biomimetic Flapping Robots: Biomimetic Flexible Structures Improve Wind Sensing,” mengambil inspirasi alami untuk meningkatkan kemampuan robot bersayap mengepak. Secara khusus, peneliti memeriksa berbagai makhluk untuk menentukan bagaimana indera mereka memungkinkan mereka mengoptimalkan pola penerbangan secara akurat.

Reseptor Regangan Berbasis AI Mengambil Inspirasi Alami.

Tim memperhatikan bahwa semua burung dan serangga bersayap mengepak memiliki semacam organ sensor di sayap mereka. Mereka berhipotesis bahwa organ ini melakukan tugas yang berbeda pada hewan yang berbeda, memungkinkan mereka memperbaiki karakteristik penerbangan untuk meningkatkan hasil. Tim menemukan bahwa belalang memiliki reseptor regangan yang terletak di vena sayapnya, sedangkan banyak burung, seperti ayam, memiliki sensor di dekat folikel bulu.

Sebelum studi ini, pemahaman tentang data apa yang sebenarnya diberikan sensor tersebut kepada hewan sangat terbatas. Namun, peneliti menyimpulkan bahwa informasi sensor memungkinkan hewan mendeteksi angin, gerakan tubuh, dan perubahan kondisi lingkungan secara real‑time. Untuk memberikan robot kemampuan yang sama, tim berusaha menciptakan sensor regangan berbasis AI yang dapat meniru rekan alami mereka, memungkinkan robot “merasakan” lingkungan dan kondisi sekitarnya, serta menyesuaikan diri secara otomatis.

Desain Sayap

Tim mengambil inspirasi dari salah satu penerbang paling gesit di alam, kolibri. Mereka menciptakan sayap meniru kolibri dengan struktur serupa tulang burung. Poros sayap menyempit di ujung dan berfungsi sebagai vena sayap, menambah lapisan stabilitas pada struktur sayap.

Sayap fleksibel ini dicetak 3D menggunakan printer fused deposition modeling dengan dual‑nozzle. Pendekatan ini memungkinkan tim mencetak dengan polimer kopolester tebal 12,5 µm serta poli­etilena tereftalat yang diperkuat serat karbon. Metode ini memberikan karakteristik sayap alami yang dapat melentur dan bergerak sesuai jalurnya.

Gerakan Bebas

Secara khusus, sayap dapat menggerakkan bulu secara bebas hingga sudut ±23°. Sayap juga berputar di sepanjang tepi depan setiap kali mengepak. Gerakan ini memberikan daya tambahan dengan memaksimalkan gaya angkat, mirip serangga. Insinyur mengatur amplitudo pengepakan sayap menjadi 158°, dan frekuensi pengepakan disetel sekitar 12 Hz untuk percobaan.

Sumber – Advanced Intelligent Systems

Reseptor Regangan Berbasis AI

Tim mengintegrasikan strain gauge ke dalam struktur sayap menyerupai kolibri. Secara khusus, tujuh reseptor regangan berbiaya rendah yang tersedia secara komersial dengan lebar dasar 1,4 mm dan panjang 4,2 mm ditempelkan pada lokasi tertentu di sayap uji. Sensor ini kemudian digunakan untuk mengukur tekanan dan regangan sayap pada tujuh arah angin berbeda, yaitu 0°, 15°, 30°, 45°, 60°, 75°, dan 90°.

Motor

Untuk membuat sayap mengepak, motor DC dipasang. Motor menggunakan mekanisme Scotch yoke dan roda gigi reduksi untuk menghasilkan gerakan pengepakan yang realistis. Perangkat diatur pada 12 siklus per detik, dan kabel sensor dialirkan melalui konektor pada sayap ke register data. Secara khusus, insinyur menggunakan perangkat TEXIO TECHNOLOGY dengan catu daya tegangan konstan untuk memastikan keseragaman dan dapat diukur.

Model Jaringan Saraf Konvolusional untuk Reseptor Regangan Berbasis AI

Salah satu komponen utama percobaan adalah pemanfaatan jaringan saraf konvolusional. Model ini memungkinkan peneliti merekam, mengklasifikasikan, dan melatih pengendali penerbangan yang mampu melakukan penyesuaian secara real‑time menggunakan data yang dikumpulkan dari sensor regangan dan dicocokkan dengan model CNN.

Data penginderaan regangan memungkinkan algoritma pembelajaran mesin mengklasifikasikan kondisi angin dengan akurat. Sebagai bagian dari pelatihan, data sensor diperoleh untuk meniru penerbangan melayang dalam terowongan angin. Secara khusus, 720 set data regangan dan fase diperoleh untuk setiap kondisi angin. Data ini dipecah menjadi setiap siklus pengepakan sayap.

Uji Reseptor Regangan Berbasis AI

Tim memulai fase pengujian dengan merekam data sensor sayap pada kondisi tanpa angin. Ketiadaan aliran udara memungkinkan sensor mengatur nol dan membuat perbandingan akurat saat kondisi ditingkatkan. Tim juga menguji tiga sayap berbeda dengan data gauge yang sama dan membandingkan hasilnya.

Encoder rotary magnetik digunakan untuk menangkap keadaan sayap secara akurat selama berbagai kondisi. Perangkat diletakkan tepat di atas sayap, memberikan resolusi 0,703° selama fase pengepakan. Menariknya, tim memulai proses dengan menyetel satu rotasi encoder menjadi satu siklus pengepakan.

Terowongan Angin

Terowongan angin merupakan bagian penting dari percobaan ini. Ia memungkinkan tim mensimulasikan penerbangan melayang di bawah kondisi angin yang lembut hingga keras. Secara khusus, delapan kondisi angin bergantian digunakan dalam fase pengujian. Setiap kondisi diukur tiga kali selama satu siklus pengepakan.

Hasil Uji Reseptor Regangan Berbasis AI

Hasil studi sangat mengesankan. Tim berhasil menentukan kondisi angin dengan akurasi 99%. Secara luar biasa, penentuan hanya memerlukan satu siklus pengepakan dan dalam beberapa kasus, hanya 0,2 siklus pengepakan sudah memberikan hasil yang sangat akurat. Selain itu, studi menemukan bahwa sensor yang terletak paling dekat dengan poros sayap memberikan hasil tercepat.

Waktu Siklus Penting

Waktu siklus setiap pengukuran memberikan perbedaan besar pada hasil. Tim memperhatikan bahwa di bawah 0,2 siklus, keandalan data menurun tajam. Namun, pada 0,2 siklus, sensor mencapai akurasi 85%. Akurasi ini dapat ditingkatkan atau berkurang tergantung pada jumlah sensor yang dipasang pada sayap.

Struktur Poros Sayap Biomimetik Meningkatkan Hasil Reseptor Regangan Berbasis AI

Pengujian menemukan bahwa struktur poros sayap memainkan peran penting dalam pengambilan data dan akurasi. Oleh karena itu, sayap terstruktur yang diuji dapat menentukan kondisi angin jauh lebih cepat dibandingkan subjek uji yang tidak terstruktur. Penemuan ini mendorong insinyur untuk meningkatkan struktur sayap dan penempatan sensor guna memperoleh akurasi yang lebih tinggi di masa depan.

Manfaat Reseptor Regangan Berbasis AI

Berbagai manfaat yang dibawa studi ini ke pasar sangat banyak. Pertama, studi ini menyediakan insinyur robotik dengan kemampuan sederhana untuk mengukur regangan sayap menggunakan komponen yang tersedia secara komersial, terjangkau, dan mudah dipasang. Perangkat berbiaya rendah dan berdaya rendah ini dapat dengan mudah diintegrasikan ke dalam robot terbang tanpa perlu melakukan perubahan besar.

Kelincahan

Kelincahan yang dicapai lebah sangat luar biasa. Hewan bersayap ini dapat berhenti secara cepat, melayang, dan mengubah arah tanpa banyak usaha. Ilmuwan berharap dapat menciptakan drone dengan kemampuan serupa, membuka tingkat integrasi baru.

Adaptabilitas

Tidak ada yang dapat memprediksi arah angin setiap saat. Namun, masukan sensor pada sayap yang diuji dapat langsung mengenali kondisi aliran tanpa bantuan perangkat tambahan. Data ini dapat digunakan untuk meningkatkan kesadaran lingkungan, memberikan kontrol yang lebih baik serta pengkodean informasi cepat berdasarkan kondisi lingkungan.

Pendekatan Sederhana

Manfaat utama lain dari sayap mengepak dibandingkan teknologi melayang lainnya adalah kesederhanaannya. Hovercraft memerlukan banyak aliran udara dan hanya dapat mencapai ketinggian tertentu. Sebaliknya, helikopter sangat kompleks, memerlukan ribuan komponen bergerak yang harus dikalibrasi secara sempurna untuk mencapai keadaan melayang. Studi terbaru ini dapat memungkinkan pencetakan 3D sayap kendaraan yang mampu melayang stabil dan mengubah arah dengan cepat tanpa banyak komponen bergerak yang rumit.

Kasus Penggunaan Reseptor Regangan Berbasis AI

Ada beberapa kasus penggunaan untuk robot bersayap mengepak. Perangkat ini dapat membantu menjangkau lokasi yang sulit dijangkau atau melakukan pemindaian halus pada bencana alam atau zona perang. Robot udara kecil saat ini mengalami keterbatasan berat dan ukuran yang signifikan. Penggunaan sayap mengepak dapat meningkatkan beban muat mereka dengan mengurangi berat yang diperlukan untuk perangkat penerbangan.

Peneliti Reseptor Regangan Berbasis AI

Studi ini diprakarsai oleh peneliti di Institute of Science Tokyo. Laporan dipimpin oleh Associate Professor Hiroto Tanaka dan melibatkan kerja dari Hiroto Tanaka. Selain itu, Tomoya Fujii membantu dalam desain sayap. Secara khusus, peneliti menerima dukungan dari JSPS KAKENHI Grant-in-Aid for Scientific Research on Innovative Areas “Science of Soft Robots” dengan nomor hibah JP18H05468.

Perusahaan yang Dapat Memanfaatkan Reseptor Regangan Berbasis AI

Kemampuan untuk menentukan kondisi angin secara akurat dan cepat merupakan opsi yang dapat dimanfaatkan banyak perusahaan untuk meningkatkan penawaran mereka. Penggunaan sensor ini pada robot bersayap mengepak membuka peluang bagi pembuat drone untuk mengembangkan teknologi ini menjadi opsi yang lebih gesit dan unik. Berikut satu perusahaan yang dapat mewujudkan tugas ini dalam beberapa bulan ke depan.

Kratos Defense & Security Solutions Inc

Kratos Defense & Security Solutions Inc (KTOS ) awalnya memasuki pasar pada tahun 1994 sebagai penyedia infrastruktur telekomunikasi sebelum mengalihkan misi dan tujuan mereka ke produksi drone. Perusahaan ini berbasis di San Diego, CA.

Pada tahun 2004, Kratos Defense & Security Solutions Inc. mulai melakukan akuisisi tingkat tinggi di seluruh pasar. Akuisisi ini memberikan perusahaan akses ke teknologi canggih dan menyebabkan perusahaan mengubah nama serta fokus keseluruhan ke teknologi pertahanan militer.

Saat ini, Kratos diakui sebagai penyedia terkemuka drone militer dan perangkat lunak. Saham perusahaan, KTOS, telah menunjukkan pertumbuhan stabil selama tahun ini karena berbagai faktor termasuk inovasi berkelanjutan pada penawaran serta meningkatnya permintaan drone perang otomatis dan berbasis AI.

Hubungan mendalam Kratos Defense & Security Solutions Inc. dengan investor institusional, pemerintah, dan rekam jejak terbukti menjadikannya perusahaan yang tepat untuk mengintegrasikan teknologi ini dalam beberapa bulan ke depan.

Masa Depan Reseptor Regangan Berbasis AI

Insinyur di balik studi sensor regangan berbasis AI percaya masih banyak pekerjaan yang harus dilakukan untuk memastikan teknologi ini mencapai puncaknya. Saat ini, sektor drone bersayap masih merupakan pasar yang baru berkembang.

Namun, seiring keunggulan penerbangan bersayap, seperti melayang stabil dan perubahan arah cepat, menciptakan peluang unik, permintaan terhadap bot ini diperkirakan akan meningkat. Oleh karena itu, tim berencana melakukan studi lanjutan pada kondisi angin yang lebih kompleks serta kombinasi lokasi penginderaan regangan yang berbeda untuk mengoptimalkan desain mereka.

Reseptor Regangan Berbasis AI – Membuat Sayap Pintar

Pengenalan reseptor regangan berbasis AI yang andal dan terjangkau ke dalam robot bersayap pasti akan meningkatkan kinerja secara menyeluruh. Studi ini membawa industri selangkah lebih dekat meniru alam dan mengungkap misteri lama tentang penerbangan. Dalam beberapa bulan ke depan, studi ini dapat menghasilkan banyak kreasi baru berupa pesawat bersayap mengepak yang canggih.

Pelajari proyek robotika keren lainnya di sini.

Referensi Studi:

^{1. Kubota, K., & Tanaka, H. (2024). Machine learning-based wind classification by wing deformation in biomimetic flapping robots: Biomimetic flexible structures improve wind sensing. Advanced Intelligent Systems, 6(11), 2400473. https://doi.org/10.1002/aisy.202400473}