Rektor Universitas Mercu Buana dan Tim UTHM Teliti Penggunaan Isyarat Mata Robot Pelayan

Liputan6.com, Jakarta - Robot layanan sudah umum digunakan di banyak industri untuk membantu manusia dalam melakukan tugas berulang. Interaksi Robot Manusia (HRI) menjadi hal penting dalam konteks ini.

HRI Non Verbal terutama memainkan peran penting dalam interaksi sosial, yang menyoroti kebutuhan untuk secara akurat mendeteksi perhatian subjek dengan mengevaluasi isyarat yang diprogram.

Tim ahli dari Indonesia dan Malaysia berkolaborasi dalam sebuah penelitian berjudul Non-Verbal Human-Robot Interaction Using Neural Network for the Application of Service Robot yang diterbitkan dalam jurnal IIUM Engineering Journal pada Januari 2023, memperkenalkan algoritma model perhatian konseptual yang disebut Attentive Recognition Model (ARM) untuk mengenali perhatian seseorang dengan meningkatkan akurasi deteksi dan pengalaman subjektif selama HRI Non Verbal.

Menurut Rektor Universitas Mercu Buana Prof. Dr. Andi Adriansyah, M. Eng., salah satu anggota tim peneliti, dalam penelitiannya algoritma ARM yang mereka gunakan memakai tiga model deteksi gabungan, yaitu: pelacakan wajah, pelacakan iris dan kedipan mata.

"Model pelacakan wajah dilatih menggunakan jaringan saraf Long Short-Term Memory (LSTM), yang didasarkan pada pembelajaran mendalam. Sedangkan pelacakan iris mata dan kedipan mata menggunakan model matematis. Model kedipan mata menggunakan titik penanda wajah acak untuk menghitung Rasio Aspek Mata (EAR), yang jauh lebih andal dibandingkan dengan metode sebelumnya," terang Andi Adriansyah, Senin (27/3/2023).

Lebih lanjut Andi menjelaskan, eksperimen pelacakan wajah dan iris yang dilakukan mampu mendeteksi arah hingga jarak 2 meter. Sedangkan model kedipan mata yang diuji memberikan akurasi sebesar 83,33% pada jarak hingga 2 meter.

Akurasi perhatian keseluruhan dari ARM mencapai 85,7%. Eksperimen menunjukkan bahwa robot layanan dapat memahami isyarat yang diprogram dan karenanya melakukan tugas tertentu, seperti mendekati orang yang tertarik.

"Dengan kemampuan membaca isyarat nonverbal manusia yang lebih akurat, robot layanan akan semakin efektif dalam membantu manusia dalam melakukan tugas-tugas berulang di banyak industri," kata Andi.