Trajectory optimization applied to motion planning of industrial manipulators.

• Ano de defesa: 2022
• Autor(a) principal: Vieira, Miguel Felipe Nery
• Orientador(a): Conceição, Andre Gustavo Scolari
• Banca de defesa: Conceição, Andre Gustavo Scolari , Ribeiro, Tiago Trindade , Braga, Rodrigo Antônio Marques
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Federal da Bahia
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Elétrica (PPGEE)
• Departamento: Escola Politécnica
• País: Brasil
• Palavras-chave em Português: Manipuladores robóticos; Robôs colaborativos; Otimização de trajetória (robótica); Robot Operating System (ROS); Moveit
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS
• Link de acesso: https://repositorio.ufba.br/handle/ri/36181

Manipuladores robóticos estão cada vez mais presentes em diversas atividades, dentro e fora da indústria. A utilização destes robôs permite maior precisão e exatidão na realização nas tarefas, porém, é importante levar em consideração alguns fatores que garantam a segurança do sistema, como a capacidade de evitar obstáculos que possam estar presentes no ambiente operacional e a qualidade da trajetória final gerada. Neste trabalho, um sistema para otimização de trajetória de um robô manipulador em ambientes complexos é implementado, utilizando os algoritmos Covariant Hamiltonian Optimization for Motion Planning (CHOMP) e Stochastic Trajectory Optimization for Motion Planning (STOMP). Um sensor visual do tipo RGB+D é integrado para ao sistema detecção de obstáculos no ambiente de operação. O sistema é baseado no framework open-source Robot Operating System (ROS) e é aplicado a uma célula de manufatura aditiva composta pelo robô colaborativo UR5 para a realização de tarefas de pick and place. Após uma série de execuções em cenários simulados e reais, os algoritmos que compõem o sistema foram comparados com base em sua taxa de sucesso, tempo de planejamento e duração da trajetória gerada. Os resultados obtidos indicam a capacidade do sistema de gerar trajetórias otimizadas e livres de colisões em ambiente estático.