<![CDATA[Interaksi manusia–robot pada robot humanoid membutuhkan sistem deteksi manusia yang andal untuk merespons pengguna secara tepat di lingkungan nyata. Robot BRONE sebagai robot maskot Universitas Brawijaya menghadapi beberapa tantangan teknis, di antaranya variasi jarak deteksi, perubahan kondisi pencahayaan, serta keterbatasan daya komputasi perangkat. Penelitian ini mengusulkan implementasi model YOLOv11 sebagai sistem deteksi manusia secara real-time yang optimal untuk perangkat embedded pada robot BRONE sekaligus diintegrasikan dengan sistem penggerak untuk mendukung interaksi human-following. Hasil pengujian menunjukkan model memiliki nilai precision sebesar 0,995, recall sebesar 1,000, f1-score sebesar 0,997, mAP@0,5 sebesar 0,995, dan mAP@0,5:0,95 sebesar 0,92. Model mampu melakukan deteksi secara stabil pada jarak 1 hingga 18 meter, dengan tingkat keberhasilan 100% pada kondisi pencahayaan terang dan 94,44% pada kondisi pencahayaan rendah. Selain itu, model memenuhi kebutuhan real-time dengan rata-rata waktu inferensi sebesar 26,57 ms dan rata-rata frame rate sebesar 27,61 FPS. Pada pengujian integrasi, seluruh skenario human-following berhasil dijalankan dengan tingkat keberhasilan 100%. Hasil penelitian ini menunjukkan bahwa implementasi YOLOv11 layak digunakan untuk meningkatkan kapabilitas interaksi manusia–robot pada robot BRONE.]]>
Copyrights © 2026
