Kursus Kontrol Adaptif Manipulator Robot dengan Reinforcement Learning (SAC)
Kendalikan lengan robot dengan reinforcement learning: kinematika maju & balik, dinamika Lagrange, pembanding PID dan computed torque, lingkungan Gymnasium, lalu agen Soft Actor-Critic yang belajar mengoreksi torsi — dan tetap akurat saat beban berubah.
Materi mengikuti seri video Kursus Kontrol Adaptif Berbasis Reinforcement Learning untuk Manipulator Robot (6 modul). Modul 1 bisa ditonton gratis.
Hasil yang Dicapai
- 6–11 mm — Galat tracking PD + SAC pada empat skenario
- Hingga 27 mm — Galat computed torque saat beban berubah
- 60 ribu — Langkah pelatihan agen SAC
- 2-DOF — Lengan robot dengan dinamika Lagrange
Apa yang Dipelajari
- Kinematika: Kinematika maju & balik lengan 2-DOF dan lintasan lingkaran.
- Dinamika: Persamaan Lagrange dan simulasi RK4 yang tervalidasi energi.
- PID & Computed Torque: Dua pengendali klasik sebagai pembanding.
- Lingkungan Gymnasium: State, aksi residual, dan reward untuk tracking lintasan.
- Agen SAC: Soft Actor-Critic dari Stable-Baselines3.
- Uji Adaptif: Perubahan beban, gesekan, dan parameter yang tidak pasti.
Untuk Siapa?
- Mahasiswa S1/S2 (skripsi & tesis) — Kerangka penelitian kendali robot lengkap: metode pembanding, metode usulan, eksperimen, dan evaluasi siap bab 4.
- Peneliti & dosen — Kode Gymnasium & Stable-Baselines3 yang rapi dan mudah diganti data, parameter, atau metodenya untuk publikasi.
- Praktisi & engineer — Memahami cara kerja kendali robot dari teori sampai implementasi yang bisa dicoba sendiri.
- Developer & data scientist — Praktik Gymnasium & Stable-Baselines3 pada studi kasus nyata, bukan sekadar contoh mainan.
Dataset dan file project tersedia khusus untuk pelanggan premium. Butuh pendampingan riset? Lihat jasa riset robotika & reinforcement learning.
