Informed-RRT* Using Hybrid Sampling to Finding Fast Final Path Solution

Abstract

Informed Rapidly-exploring Random Tree* (Informed-RRT*) merupakan hasil pengembangan dari algoritma Rapidly-exploring Random Tree (RRT) yang dapat menghasilkan solusi jalur yang bersifat asimptotik optimal tetapi waktu komputasi yang dibutuhkan menjadi lebih lama. Pada awalnya algoritma Informed-RRT* masih menggunakan metode random sampling yang mana metode ini akan mengambil sampel acak pada ruang pencarian. Pengambilan sampel acak inilah yang akan membuat waktu komputasi menjadi tidak optimal. Penelitian ini bertujuan untuk merancang algoritma Informed-RRT* menggunakan metode hybrid sampling. Metode hybrid sampling merupakan integrasi dari beberapa metode pengambilan sampel. Pada pengujian ini, performansi metode random sampling akan dibandingkan dengan perfomansi metode hybrid sampling dalam hal waktu komputasi. Pengujian metode hybrid sampling pada algoritma Informed-RRT* ini berbasis simulasi dan dilakukan pada lingkungan narrow, clutter, trap. Hasil yang didapatkan dari pengujian ini adalah penggunaan metode hybrid sampling pada algoritma Informed-RRT* mampu menghasilkan performansi waktu rata- rata komputasi yang lebih cepat 26,4 detik bila dibandingkan dengan metode random sampling pada lingkungan clutter. Pada lingkungan narrow metode hybrid sampling menghasilkan waktu komputasi 24,52 detik lebih cepat bila dibandingkan dengan metode random sampling. Pada lingkungan trap metode hybrid sampling menghasilkan waktu komputasi 5,25 detik lebih cepat dibandingkan dengan metode random sampling. Dari data hasil pengujian, metode hybrid sampling ini dapat menjadi metode pangambilan sampel alternatif untuk digunakan pada algoritma Informed-RRT*

Asymptoticcaly-Optimal Path Planning Using the Improved Probabilistic Road Map Algorithm

“…Fauzi [22] mengembangkan metode hybrid sampling agar RRT dapat menemukan solusi jalur lebih cepat. Pakaya [23] mengembangkan metode improved gaussian sampling yaitu penerapan distribusi gaussian pada sampling RRT. Ferida dan Rahajoeningroem [24] mengembangkan metode sampling menuju lokasi goal pada algoritma RRT.…”