Kursus Path Tracking Kendaraan Otonom dengan Model Predictive Control (Python CVXPY)
Buat mobil otonom mengikuti lintasan dengan Model Predictive Control: bicycle model, lintasan cubic spline, pembanding pure pursuit dan Stanley, linearisasi & formulasi MPC sebagai quadratic program, implementasi CVXPY + OSQP, animasi, sampai uji sirkuit berliku.
Materi mengikuti seri video Kursus Kendali Kendaraan Otonom untuk Path Tracking Berbasis Model Predictive Control (6 modul). Modul 1 bisa ditonton gratis.
Hasil yang Dicapai
- 9,7× — MPC lebih akurat dari pure pursuit pada 5 m/s
- ±10 ms — Waktu satu quadratic program per langkah
- 3 kecepatan — Uji sirkuit pada 5, 10, dan 15 m/s
- 1,1 cm — Galat RMS MPC pada tikungan S
Apa yang Dipelajari
- Bicycle Model: Model kinematika dengan batas kemudi dan RK4.
- Lintasan Referensi: Cubic spline, kelengkungan, galat lateral, dan simulasi.
- Pure Pursuit & Stanley: Dua pengendali geometris sebagai pembanding.
- Formulasi MPC: Linearisasi, horizon, fungsi biaya, dan batasan kemudi.
- CVXPY & Animasi: Receding horizon dengan OSQP dan animasi kendaraan.
- Uji Sirkuit: Lintasan berliku, variasi kecepatan, dan evaluasi galat.
Untuk Siapa?
- Mahasiswa S1/S2 (skripsi & tesis) — Kerangka penelitian kendaraan otonom lengkap: metode pembanding, metode usulan, eksperimen, dan evaluasi siap bab 4.
- Peneliti & dosen — Kode Python & CVXPY yang rapi dan mudah diganti data, parameter, atau metodenya untuk publikasi.
- Praktisi & engineer — Memahami cara kerja kendaraan otonom dari teori sampai implementasi yang bisa dicoba sendiri.
- Developer & data scientist — Praktik Python & CVXPY pada studi kasus nyata, bukan sekadar contoh mainan.
Dataset dan file project tersedia khusus untuk pelanggan premium. Butuh pendampingan riset? Lihat .
