Imitasi Pose Tubuh Bagian Atas Manusia Oleh Robot Humanoid Menggunakan Kesamaan Kosinus

Kebiasaan untuk melakukan aktivitas fisik secara teratur merupakan faktor yang penting bagi kesehatan. Namun, terkadang motivasi untuk melakukan aktivitas fisik menurun seiring bertambahnya usia. Hal ini dapat diatasi dengan menggantikan posisi pelatih fisik dengan robot humanoid. Perbedaan antara penelitian ini dengan penelitian-penelitian terdahulu adalah membandingkan pose robot humanoid dengan manusia secara langsung, yang nantinya akan digunakan pada proses imitasi robot terhadap manusia. Program utama pada penelitian ini akan dibagi menjadi 2 bagian: mode RECORD dan PLAY. Pada mode RECORD, manusia akan mencontohkan gerakan dan robot akan menirukannya sekaligus menyimpan gerakannya. Sedangkan pada mode PLAY, robot akan bergerak sesuai gerakan yang telah disimpan pada mode sebelumnya dan manusia akan menirukan gerakan robot (robot berperan sebagai trainer). Kemudian akan dilakukan penilaian terhadap gerakan manusia berdasarkan gerakan robot menggunakan kesamaan kosinus dan didaptkan hasilnya dalam bentuk persentase. Semakin besar nilainya maka semakin mirip pula pose manusia dan pose robot, begitu juga sebaliknya. Dengan menggunakan MediaPipe Pose untuk estimasi keypoint pada manusia dan Keypoint RCNN untuk robot, sistem yang dibuat mampu memberikan penilaian yang tepat terhadap kemiripan antara 2 pose. ================================================================================================================================== The habit of doing regular physical activity is a central protective factor for health. However, sometimes the motivation to engage in physical activity decreases with age. Luckily, this can be overcome by replacing the position of a physical trainer with a humanoid robot. The main difference between this study and some previous studies is comparing humanoid robot’s pose with human’s pose directly, which will be used in the process of mimicking of robots to humans. The main program in this study will be divided into 2 parts: RECORD and PLAY modes. In RECORD mode, human will do some poses and robot will imitate them while saving the movement. Whereas in PLAY mode, the robot will move according to the movements that have been stored in the previous mode and humans will imitate the robot’s movements (the robot acts as a trainer). Then an assessment of human movement will be carried out based on robot movement using cosine similarity and the results will be obtained in percentage form. The greater the value, the more similar human pose and robot pose are, and vice versa. By using MediaPipe Pose for keypoint estimation in humans and RCNN Keypoint for robots, the created system is able to provide an accurate assessment of the similarity between the 2 poses