Seiring dengan kemajuan teknologi kendaraan otonom, diperlukan sistem bantu yang mampu menjaga kendaraan tetap berada di jalurnya guna mengurangi risiko kecelakaan akibat kelelahan atau kondisi jalan yang menantang. Penelitian ini mengembangkan sistem Lane Keeping Assist (LKA) pada robot mobile skala kecil dengan mengintegrasikan metode segmentasi visual menggunakan You Only Look Once version 8 (YOLOv8) yang berasal dari frame deteksi marka berbasis Canny Edge Detection, Setelah itu diperjelas oleh Region of Interest (ROI), dan Hough Transform, sebagai pengendali menggunakan Fuzzy Logic, dan Social Force Model (SFM) sebagai koreksi arah berbasis gaya. Sistem ini didesain untuk bekerja secara real-time dengan input dari kamera, dan mengendalikan arah serta kecepatan melalui geometri Ackerman Steering. Sistem dimulai dengan deteksi jalur melalui segmentasi YOLOv8 yang menghasilkan nilai offset terhadap garis tengah jalan. Offset dan arah pergerakan digunakan sebagai input fuzzy logic untuk menentukan sudut kemudi dan kecepatan, yang kemudian disempurnakan oleh SFM agar kendaraan tetap berada dalam jalur secara halus dan adaptif. Hasil pengujian menunjukkan bahwa akurasi deteksi marka jalan mencapai 90% dari 30 frame uji. Sistem fuzzy logic menunjukkan akurasi 85% pada 20 skenario input-output yang diuji, dengan hasil sesuai seluruh rule base. Pengujian SFM pada 20 kasus menunjukkan output gaya korektif (Fnav) dan jarak relatif (rho) yang konsisten terhadap arah deviasi. Pada pengujian integrasi penuh Lane Keeping Assist, sistem berhasil menjaga robot tetap berada di jalur dengan akurasi 80%, untuk nilai jarak pada garis marka di tengah diantara -1,81sampai 1,57 , lalu untuk nilai garis ke kiri -5,75 sampai 11,82 cm dan garis ke kanan 3,84 cm sampai 20 cm baik pada kondisi offset besar maupun kecil. Hasil ini menunjukkan bahwa kombinasi metode yang digunakan mampu menciptakan sistem LKA yang responsif, adaptif, dan stabil pada lingkungan indoor, meskipun diperlukan pengembangan lebih lanjut untuk ketahanan terhadap variasi lingkungan luar untuk menjadikan sebagai autonomous vehicle atau kendaraan autonomous.