Deteksi Gestur Tangan Menggunakan Computer Vision Untuk Pengendalian Robot Lengan
DOI:
https://doi.org/10.70609/metrotech.v5i1.7662Kata Kunci:
Computer vision, Kendali robot, MediaPipeAbstrak
Dalam era digital saat ini, interaksi antara manusia dan robot dituntut untuk menjadi lebih intuitif dan alami. Salah satu pendekatan yang menjanjikan adalah pengendalian robot menggunakan gestur tangan. Penelitian ini mengembangkan sistem kendali robot lengan berbasis computer vision dengan memanfaatkan MediaPipe sebagai alat deteksi dan pelacakan posisi tangan secara real-time. Sistem dirancang agar dapat mengenali kombinasi gerakan jari dan arah tangan, lalu mengubahnya menjadi perintah untuk menggerakkan robot. Tahapan pengujian meliputi identifikasi posisi jari yang terangkat, interpretasi arah gerakan tangan, serta evaluasi ketepatan pergerakan robot menuju lima titik sasaran. Hasil pengujian menunjukkan bahwa sistem berhasil mengenali gestur tangan dengan tingkat keberhasilan 100% pada lima skenario, menjalankan delapan jenis perintah gerakan dengan baik, serta memiliki rata-rata error pergerakan sebesar 5,43% terhadap posisi target. Temuan ini menunjukkan bahwa sistem cukup akurat dan responsif, serta dapat menjadi solusi awal untuk interaksi bebas sentuh antara manusia dan mesin. Sistem ini juga memiliki potensi untuk dikembangkan lebih lanjut dalam berbagai aplikasi, mulai dari edukasi hingga otomasi sederhana di masa depan.
Referensi
[1] K. Sato, “Society 5.0: A People-Centered Super-Smart Society,” Japan SPOTLIGHT, vol. 3, pp. 47–50, 2017.
[2] B. Siciliano and O. Khatib, “Robotics: Modelling, Planning and Control,” Springer, 2009.
[3] G. A. Bekey, “Current Trends in Robotics: Technology and Applications,” IEEE Robot Autom Mag, vol. 12, no. 1, pp. 20–23, 2005, doi: 10.1109/MRA.2005.141.
[4] R. Szeliski, “Computer vision: Algorithms and Applications,” Springer, 2010.
[5] V. I. Pavlovic, R. Sharma, and T. S. Huang, “Visual Interpretation of Hand Gestures for Human-Computer Interaction,” in Proceedings of the IEEE, 1997, pp. 1371–1394. doi: 10.1109/5.598984.
[6] J. Qi, L. Ma, Z. Cui, and Y. Yu, “Computer vision-based hand gesture recognition for human-robot interaction: a review,” Complex and Intelligent Systems, vol. 10, no. 1, pp. 1581–1606, Feb. 2024, doi: 10.1007/s40747-023-01173-6.
[7] S. Nur Budiman, S. Lestanti, S. Marselius Evvandri, and R. Kartika Putri, “PENGENALAN GESTUR GERAKAN JARI UNTUK MENGONTROL VOLUME DI KOMPUTER MENGGUNAKAN LIBRARY OPENCV DAN MEDIAPIPE,” Antivirus : Jurnal Ilmiah Teknik Informatika, vol. 16, no. 2, pp. 223–232, Nov. 2022, doi: 10.35457/antivirus.v16i2.2508.
[8] M. Anwar and D. Suryana, “Implementasi Inverse Kinematics pada Robot Lengan 3 DOF Berbasis Arduino,” Jurnal Robotika dan Kontrol Otomatis, vol. 7, no. 2, pp. 15–22, 2021, [Online]. Available: https://example.com/inverse-kinematics-jurnal
[9] Y. Susanthi, A. Darmawan, and S. B. Suryadi, “Alat Pengenal Gerakan Tangan Menggunakan Algoritma Artificial Neural Network Berbasis ESP32 dan Platform Edge Impulse.”
[10] B. Setiawan and R. Maulana, “Perancangan dan Implementasi Robot Lengan untuk Aplikasi Otomasi Industri,” Jurnal Teknik Elektro dan Otomasi, vol. 9, no. 1, pp. 1–8, 2022, [Online]. Available: https://example.com/robot-lengan-jurnal
[11] G. A. Bekey, “Current Trends in Robotics: Technology and Applications,” IEEE Robot Autom Mag, vol. 12, no. 1, pp. 20–23, 2005, doi: 10.1109/MRA.2005.141.
[12] W. Kim, H. Park, and B.-J. Lee, “Gesture-Based Robot Arm Control Using Deep Learning and Hand Tracking,” Sensors, vol. 21, no. 1, p. 304, 2021, doi: 10.3390/s21010304.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Ananda Yoga Prasetya, Subairi, Rabi'
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
