Memuat
Memuat
Ingin belajar lebih dalam?
Ikuti kursus kami atau tanyakan langsung lewat WhatsApp.
Dipilih dari software, topik, dan level “Kelas Reinforcement Learning Robot Manipulator #3: Kontrol PID & Computed Torque sebagai Pembanding”.
Pilihan lain dari kami untuk Python.
Belajar bareng mentor
Kursus AI & Kecerdasan Buatan terjadwal, dibimbing langsung, bersertifikat.

Kursus Optimasi Multi-Objektif: NSGA-II, MOPSO & Algoritma Hybrid (Python)

Kursus Klasifikasi Aritmia EKG dengan Wavelet & Deep Learning (PyTorch)

Kursus ANFIS + PSO/GA untuk Peramalan Deret Waktu Non-Linear (Python)
Minta dibuatkan
Tidak sempat belajar Python? Tim kami bisa mengerjakan proyeknya.

Jasa Machine Learning Python — Model Prediksi, Segmentasi Pelanggan, Deteksi Fraud & Aplikasi AI

Jasa Pembuatan Gambar AI dengan Stable Diffusion — Produksi Visual Custom Tanpa Batas
★ 4.9

Jasa Pembuatan Gambar & Video AI dengan Leonardo AI — Visual All-in-One untuk Bisnis
★ 4.9
Kabari saya kalau ada kelas Python baru
Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.
Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.
Inilah hasil akhirnya, dua pengendali klasik melacak lintasan lingkaran. PI dimeleset sekitar 17 mm, sedangkan Computed Torque yang memakai model dinamika hanya 9 per 100 mm. Tapi apa jadinya kalau modelnya salah? Ayo kita mulai. Halo, selamat datang di episode ketiga seri kontrol robot manipulator dengan reinforcement learning. Sebelum melatih agen reinforcement learning, kita butuh pembanding yang adil. Hari ini kita membuat dua pengendali klasik, PI yang tidak tahu apa-apa tentang robot, dan Computed Torque yang memakai model dinamika dari episode lalu.
Buat file control.py Kelas PI dimenghitung torsi tiap sendi dari galat sudut, integral galat, dan galat kecepatan. Kelas Computed Torque jauh lebih pintar, torsinya M dikali percepatan referensi plus koreksi PD, ditambah C dan G. Dengan model yang tepat, seluruh dinamika non-linear robot dibatalkan, dan yang tersisa sistem linear sederhana. Perhatikan parameter beban model. Pengendali ini mengira lengannya tanpa beban.
Fungsi simulasi menjalankan pengendali apapun pada lintasan lingkaran selama 8 detik. Setiap 1 per 100 detik pengendali menghitung torsi yang dibatasi 40 Nm, lalu robot disimulasikan 5 sublangkah. Kita bisa memberi beban di ujung lengan dan torsi gangguan luar mulai detik keempat. Galat dihitung sebagai jarak ujung lengan ke titik referensi dalam milimeter.
Buat file uji underscore klasik.py dan jalankan tanpa beban dan tanpa gangguan. PI dipunya RMSI 17,48 mm dengan galat maksimum hampir 48 mm, dan torsinya sempat menyentuh batas 40 Nm. Computed Torque nyari sempurna, RMSI 0,09 mm dengan torsi maksimum hanya 16,6 Nm. Model yang tepat membuat pengendali jauh lebih akurat sekaligus hemat energi.
Mari lihat grafiknya. Lintasan PI dimelenceng dari lingkaran referensi, sedangkan Computed Torque menempel di atasnya. Grafik galat berskala logaritmik memperlihatkan selisih lebih dari 100 kali lipat. Tapi Computed Torque bergantung penuh pada model. Di episode terakhir kita akan melihat apa yang terjadi saat lengannya membawa beban yang tidak diketahui.
Selesai. Kita sudah membuat pengendali PID dan Computed Torque, fungsi simulasi tracking dengan beban dan gangguan, dan membandingkan keduanya. Di episode berikutnya kita membangun lingkungan reinforcement learning dengan gymnasium. Sedang menyusun skripsi, tesis, atau riset di bidang robotika dan reinforcement learning? Cerdas inovasi digital membantu implementasi kendali robot, dari kinematika dan dinamika manipulator, PID dan Computed Torque, lingkungan gymnasium, sampai pelatihan agen soft actor kritik, serta membuka kursus pemrograman Python untuk teknik elektro dan mekatronika. Ingin menguasai seluruh seri ini, dari kinematika lengan robot sampai uji adaptif agen reinforcement learning? Semua 6 episode, lengkap dengan PDF panduan langkah demi langkah dan source code, tersedia untuk pelanggan tutorial premium. Berlangganan mulai Rp69.000 per bulan, hemat 28% dengan paket 12 bulan, atau sekali bayar Rp999.000 untuk akses seumur hidup. Terima kasih telah menonton, sampai jumpa di episode berikutnya.
Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.
Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.
Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.
Belum ada pertanyaan.

Tim Cerdas Inovasi Digital
Pengembang software, engineer BIM & 3D, dan praktisi AI
Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.
Lihat klien kami →