Online Trajectory Planning in Bounded Cartesian Space for Robot Manipulators
Buch in deiner Nähe kaufen
Beschreibung
Die Robotik entwickelt sich zunehmend hin zu Robotern, die in unbekannten und dynamischen Umgebungen wie Haushalten, Straßen oder im freien Gelände agieren können. Dies stellt hohe Anforderungen an die Bewegungsplanung, da Roboter schnell auf wechselnde Situationen reagieren müssen. Besonders für serielle Manipulatoren ist dies aufgrund ihrer komplexen Kinematik und Dynamik herausfordernd.
Diese Arbeit entwickelt einen neuen Online-Bewegungsplaner für Manipulatoren. Das Bewegungsplanungsproblem wird in zwei Schritte aufgeteilt: Zunächst wird ein begrenzter kartesischer Referenzpfad erstellt, anschließend eine Gelenkbahntrajektorie berechnet, die diesem Pfad innerhalb definierter Grenzen folgt und einen endlichen Zeithorizont berücksichtigt. Diese Trennung ermöglicht echtzeitfähige Bewegungsplanung und eine flexible Übertragung von Aufgabenbeschränkungen durch lernbasierte Task-Planer.
Der entwickelte Trajektorienplaner BoundMPC berechnet Gelenktrajektorien mittels Online-Optimierung. Durch asymmetrische Positions- und Orientierungsgrenzen sowie eine Fehlerzerlegung ermöglicht er die implizite Berücksichtigung der Roboterkinematik. Experimente zeigen Vorteile bei kartesischen Aufgaben und der sicheren Mensch-Roboter-Interaktion.
Zur Berechnung geeigneter Referenzpfade wird BoundPlanner vorgestellt. Dieser erzeugt auf Basis kollisionsfreier konvexer Mengen begrenzte, stückweise lineare Pfade in Echtzeit. Der Ansatz gewährleistet sichere Endeffektorbewegungen und reduziert Kollisionen auch in stark eingeschränkten Umgebungen.
Abschließend werden BoundPlanner und BoundMPC in ein modulares Framework integriert, das Bewegungen über menschliche Sprache plant. Ein LLM koordiniert dabei Sprachverständnis, Vision und Bewegungsplanung.
Autor*in
Thies Oelerich
Themen in »Online Trajectory Planning in Bounded Cartesian Space for Robot Manipulators«
Robotics Path Planning Trajectory Planning Human-Robot Interaction Convex Sets