Program Studi S1 Teknik Elektro menggelar kuliah tamu yang menghadirkan Prof. Dr. Ahmad Hoirul Basori dari Faculty of Computing and Information Technology in Rabigh, King Abdul Aziz University, Jedah, Saudi Arabia pada 3 - 10 November 2023. Kegiatan ini mengangkat tema "Computer Vision in Robotics", sebuah bidang interdisipliner yang menjadi tulang punggung perkembangan robot autonomous dan sistem cerdas di era digital.

Computer vision merupakan teknologi yang memungkinkan mesin untuk memperoleh pemahaman tingkat tinggi dari gambar atau video digital. Dalam konteks robotika, kemampuan ini menjadi krusial karena memungkinkan robot tidak hanya bergerak secara terprogram, tetapi juga "melihat", menganalisis, dan merespons lingkungan secara real-time. Prof. Basori menekankan bahwa integrasi computer vision dalam robotika telah mengubah paradigma otomasi dari sekadar eksekusi perintah menjadi sistem yang mampu melakukan persepsi visual, pengambilan keputusan berbasis data visual, dan adaptasi terhadap kondisi lingkungan yang dinamis. "Robot modern tidak lagi bekerja dalam lingkungan terstruktur saja, tetapi harus mampu beradaptasi dengan kondisi nyata yang kompleks dan tidak terprediksi," ujar Prof. Basori.

Kuliah yang dibagi menjadi beberapa sesi ini membahas topik-topik fundamental hingga aplikasi advanced dalam computer vision untuk robotika. Materi dimulai dari prinsip-prinsip dasar image processing, termasuk teknik preprocessing seperti filtering, edge detection, dan image enhancement yang menjadi fondasi analisis visual. Prof. Basori kemudian menjelaskan berbagai teknik feature extraction dan pattern recognition yang memungkinkan robot mengidentifikasi objek dalam scene kompleks. Pembahasan dilanjutkan dengan algoritma object detection dan tracking, termasuk metode klasik seperti SIFT, SURF, dan HOG, hingga pendekatan modern berbasis deep learning seperti YOLO, R-CNN, dan SSD. Aspek stereo vision dan depth perception juga dibahas secara mendalam, mengingat kemampuan memahami struktur 3D lingkungan sangat penting untuk navigasi robot dan manipulasi objek. Prof. Basori mendemonstrasikan bagaimana informasi depth dapat diekstrak dari stereo camera atau depth sensor seperti LiDAR dan RGB-D camera. Sesi khusus didedikasikan untuk membahas SLAM (Simultaneous Localization and Mapping), teknologi yang memungkinkan robot membangun peta lingkungan sambil menentukan posisinya secara bersamaan. Konsep ini fundamental untuk robot autonomous seperti vacuum cleaner robot, drone, dan self-driving vehicles.

Prof. Basori memperkaya materi dengan berbagai studi kasus aplikasi nyata computer vision dalam robotika. Beberapa aplikasi yang dibahas mencakup:

• Industrial Automation: Penggunaan vision system untuk quality control, bin picking, dan assembly verification di lini produksi manufaktur. Robot dengan computer vision dapat mendeteksi defect produk dengan akurasi tinggi dan kecepatan yang konsisten.
• Agricultural Robotics: Implementasi computer vision untuk crop monitoring, weed detection, dan selective harvesting. Robot pertanian dapat mengidentifikasi tingkat kematangan buah atau mendeteksi penyakit tanaman berdasarkan analisis visual.
• Medical Robotics: Aplikasi dalam robot bedah yang menggunakan computer vision untuk tissue recognition, instrument tracking, dan surgical navigation dengan presisi sub-milimeter.
• Service Robots: Robot pelayan di hotel atau restoran yang menggunakan computer vision untuk mengenali wajah pelanggan, mendeteksi gesture, dan navigasi di lingkungan dinamis dengan banyak orang.
• Autonomous Vehicles: Sistem persepsi visual untuk mendeteksi pedestrian, traffic signs, lane marking, dan obstacle avoidance pada kendaraan otonom.

Sesi khusus membahas revolusi yang dibawa oleh deep learning dalam computer vision. Prof. Basori menjelaskan bagaimana Convolutional Neural Networks (CNN) telah meningkatkan akurasi object recognition secara dramatis, dari sekitar 75% dengan metode tradisional menjadi lebih dari 95% dengan arsitektur modern seperti ResNet dan EfficientNet. "Deep learning telah mengubah game completely," ungkap Prof. Basori. "Sistem yang dulu memerlukan hand-crafted features dan tuning manual yang intensif, kini dapat di-train end-to-end dari data, menghasilkan representasi yang lebih robust dan generalisasi yang lebih baik." Pembahasan mencakup berbagai arsitektur neural network populer seperti AlexNet, VGGNet, ResNet, dan transformer-based models seperti Vision Transformer (ViT). Prof. Basori juga menjelaskan konsep transfer learning yang memungkinkan researcher memanfaatkan model pre-trained untuk aplikasi spesifik dengan dataset terbatas.

Prof. Basori tidak hanya menyampaikan aspek teoritis, tetapi juga mengupas berbagai tantangan praktis dalam implementasi computer vision pada robot. Beberapa tantangan yang dibahas meliputi:

• Computational Constraint: Robot embedded system memiliki keterbatasan daya komputasi. Prof. Basori menjelaskan teknik model optimization seperti quantization, pruning, dan knowledge distillation untuk menjalankan deep learning models pada edge devices.
• Real-time Processing: Aplikasi robotika memerlukan latency rendah. Strategi seperti model parallelization, hardware acceleration dengan GPU/TPU, dan efficient network architecture menjadi kunci solusi.
• Illumination Variation: Perubahan kondisi pencahayaan dapat mempengaruhi performa vision system. Teknik seperti histogram equalization, adaptive thresholding, dan illumination-invariant features dibahas sebagai solusi.
• Occlusion Handling: Bagaimana robot tetap dapat tracking objek yang sebagian terhalang menjadi pembahasan penting, dengan solusi menggunakan probabilistic tracking dan multi-sensor fusion.
• Domain Adaptation: Model yang di-train di satu lingkungan sering gagal di lingkungan berbeda. Prof. Basori menjelaskan teknik domain adaptation dan sim-to-real transfer untuk mengatasi domain shift.

Antusiasme mahasiswa terlihat dari banyaknya pertanyaan kritis yang diajukan dalam sesi diskusi. Pertanyaan berkisar dari aspek teknis implementasi algoritma, pemilihan sensor yang tepat, hingga metodologi riset dan publikasi ilmiah. Salah satu diskusi menarik membahas trade-off antara akurasi dan kecepatan dalam vision system. Prof. Basori menjelaskan bahwa pemilihan model harus disesuaikan dengan requirement aplikasi: "Untuk quality inspection yang memerlukan akurasi ekstrem, kita bisa menggunakan model besar dan kompleks. Tetapi untuk autonomous vehicle yang memerlukan response time milidetik, kita harus compromise dengan model yang lebih ringan namun cukup akurat." Terkait riset, Prof. Basori memberikan tips berharga: "Mulailah dari problem statement yang jelas. Jangan tergoda untuk menggunakan teknologi paling canggih jika problem Anda bisa diselesaikan dengan metode sederhana. Research yang baik adalah yang memberikan solusi efektif dan efisien, bukan yang paling kompleks."

Sebagai akademisi Indonesia yang berkarir di King Abdul Aziz University, salah satu universitas terkemuka di Arab Saudi yang masuk ranking QS World University dan memiliki research funding yang substantial, Prof. Basori berbagi perspektif tentang landscape riset internasional. "Arab Saudi sedang massive investment dalam teknologi dan AI sebagai bagian dari Vision 2030," jelas Prof. Basori. "Ada banyak peluang funding untuk collaborative research, terutama dalam bidang robotics, AI, dan smart systems. Saya encourage mahasiswa dan dosen untuk aktif membangun network internasional." Prof. Basori juga menekankan pentingnya publikasi di jurnal internasional bereputasi dan partisipasi dalam konferensi internasional sebagai cara membangun visibility dan kredibilitas akademik. Beliau berbagi pengalaman mengenai proses peer review, strategi menulis paper yang impactful, dan pentingnya novelty dan contribution yang jelas dalam penelitian.

Materi computer vision in robotics yang disampaikan sangat relevan dengan transformasi industri menuju era 4.0 dan persiapan menuju Industry 5.0. Dalam smart factory modern, robot dengan kemampuan visual intelligence menjadi enabler key untuk flexible manufacturing, mass customization, dan lights-out production. Prof. Basori menjelaskan bahwa pasar global untuk computer vision dalam robotika diproyeksikan tumbuh secara eksponensial, dengan CAGR lebih dari 15% dalam lima tahun ke depan. "Demand untuk engineer yang menguasai intersection antara computer vision, robotics, dan AI sangat tinggi, baik di industri maupun research institution," ujar beliau. Kemampuan memahami dan mengimplementasikan computer vision untuk robotika juga membuka peluang di berbagai sektor emerging seperti smart agriculture, healthcare automation, logistics 4.0, dan smart city infrastructure. "Skills ini bukan hanya relevant hari ini, tetapi akan semakin crucial di masa depan," tambah Prof. Basori.

Selain teori, Prof. Basori juga memperkenalkan berbagai tools dan frameworks yang widely used dalam industri dan riset. OpenCV sebagai library fundamental untuk computer vision, ROS (Robot Operating System) untuk integrasi robotika, serta frameworks deep learning seperti TensorFlow, PyTorch, dan ONNX untuk deployment model. Mahasiswa juga diperkenalkan dengan simulation environments seperti Gazebo dan CoppeliaSim yang memungkinkan testing dan validation algoritma dalam virtual environment sebelum implementasi pada robot fisik, significantly reducing development time and cost.

Kegiatan kuliah tamu ini memberikan insight mendalam tentang state-of-the-art computer vision dalam robotika dan membuka wawasan mahasiswa tentang frontier research di bidang ini. Lebih dari sekadar transfer knowledge, kegiatan ini memotivasi mahasiswa untuk consider career path dalam robotics dan AI, baik di industri maupun academia. "Saya impressed dengan antusiasme dan kualitas pertanyaan dari mahasiswa," komentar Prof. Basori. "Indonesia memiliki talenta muda yang sangat potensial. Dengan proper guidance dan exposure ke cutting-edge research, saya yakin mereka dapat berkontribusi signifikan dalam global research community."

Kegiatan ini merupakan bagian dari komitmen Program Studi untuk memberikan exposure berkualitas kepada mahasiswa terhadap perkembangan teknologi terkini, membangun jejaring dengan akademisi Indonesia yang berkarir di universitas internasional, dan mempersiapkan lulusan yang siap berkompetisi di tingkat global.