Implementasi Algoritma Q-Learning Untuk Perencanaan Jalur Mobile Robot

Seiring dengan kemajuan ilmu pengetahuan dan teknologi yang pesat khususnya dalam bidang kecerdasan buatan dan robotika, ruang lingkup aplikasi mobile robot (robot mobil) terus berkembang. Dalam bidang mobile robot, perencanaan jalur adalah salah satu tugas yang paling penting dan menantang, terutama di lingkungan yang tidak pasti. Perencanaan jalur telah menjadi masalah penelitian yang populer dalam beberapa tahun terakhir, dan telah digunakan secara luas di berbagai bidang kehidupan. Untuk menyelesaikan masalah perencanaan jalur, skripsi ini menyajikan pendekatan menggunakan algoritma Q-learning untuk menemukan jalur yang optimal dalam lingkungan simulasi. Algoritma Q-learning merupakan salah satu algoritma dalam Reinforcement learning. Pertama, dilakukan anlisis kebutuhan untuk membuat program simulasi perencaan jalur. Kemudian, dilakukan perancangan sesuai dengan analisis kebutuhan. Selanjutnya, program diimplementasikan menggunakan bahasa pemprograman Python. Terakhir, hasil pengujian dikumpulkan, termasuk peta perencanaan jalur dan grafik kemajuan training (pelatihan) yang sesuai. Hasil pengujian menunjukkan bahwa algoritma Q-learning dapat menyelesaikan masalah perencanaan jalur pada lingkungan simulasi peta grid. Agent Q-learning (mobile robot) yang sudah dilatih berhasil menemukan rute terpendek pada sebuah lingkungan simulasi peta grid.