Sistem Navigasi Robot Hemat Energi Terinspirasi Otak Manusia dari QUT
Teknologi
Robotika
19 Jun 2025
76 dibaca
2 menit

Rangkuman 15 Detik
Sistem LENS menunjukkan kemajuan signifikan dalam efisiensi energi untuk navigasi robot.
Kombinasi teknologi kamera event dan jaringan saraf spiking memungkinkan pemrosesan visual yang lebih mirip dengan manusia.
Penelitian ini membuka peluang baru untuk aplikasi robotika di bidang pencarian dan penyelamatan, eksplorasi luar angkasa, dan pemantauan lingkungan.
Para peneliti dari QUT Centre for Robotics telah menciptakan sebuah sistem navigasi robot baru bernama LENS yang terinspirasi dari cara otak manusia bernavigasi. Sistem ini menggunakan hanya kurang dari 10% energi dibanding sistem navigasi robot konvensional, sehingga memungkinkan robot beroperasi lebih lama dan lebih jauh.
Sistem LENS memanfaatkan teknologi neuromorphic computing yang menggunakan algoritma khusus untuk memproses informasi dalam bentuk sinyal listrik mirip neuron otak. Salah satu komponen utama sistem ini adalah kamera event yang hanya merekam perubahan cahaya setiap mikrodetik, berbeda dari kamera biasa yang menangkap gambar penuh tiap waktu.
Data dari kamera event ini kemudian diproses oleh jaringan syaraf tiruan berbasis spike di chip berdaya rendah, membuat sistem ini sangat efisien baik dari segi energi maupun penyimpanan data. LENS hanya membutuhkan ruang penyimpanan sebesar 180KB, hampir 300 kali lebih kecil dari sistem lain dengan kemampuan serupa.
Keunggulan LENS juga dilihat dari kemudahannya untuk diaplikasikan dalam dunia nyata, yang sering menjadi batasan neuromorphic systems sebelumnya. Dengan sistem ini, robot dapat digunakan di berbagai misi seperti pencarian dan penyelamatan, eksplorasi laut dalam, dan perjalanan ruang angkasa dengan ketahanan energi yang lebih baik.
Penemuan ini dipublikasikan di jurnal Science Robotics dan menambah perkembangan cepat teknologi neuromorfik, sejalan dengan langkah Intel yang memperkenalkan komputer neuromorfik terbesar di dunia, Hala Point, yang juga menyeimbangkan kecepatan dan efisiensi energi dalam kecerdasan buatan.


