ETD

• equality constraints
• manipolatori robotici
• motion planning
• MoveIt
• NLOPT
• optimization-based
• ottimizzazione non lineare
• pianificazione del movimento
• PRM*
• RRT*
• sampling-based
• TrajOpt

Sebbene gli algoritmi di campionamento probabilistico, come RRT*, siano ampiamente diffusi per la loro capacità di esplorare spazi ad alta dimensionalità, spesso producono traiettorie sub-ottime, caratterizzate da discontinuità e di natura puramente geometrica, prive cioè di una parametrizzazione temporale nativa.
Questa tesi propone un approccio basato sull'Ottimizzazione Non Lineare per la generazione di traiettorie ottime in presenza di ostacoli. Il metodo sviluppato utilizza una traiettoria a Jerk Minimo come inizializzazione per l'ottimizzatore, il quale minimizza un funzionale di costo specifico soggetto a vincoli cinematici, dinamici e di collisione.
A differenza degli approcci tradizionali su framework quali MoveIt, spesso vincolati a una velocità finale nulla, la soluzione proposta permette invece la definizione esplicita di velocità e accelerazioni finali arbitrarie. Tale caratteristica estende l'applicabilità del planner a scenari avanzati, abilitando comportamenti dinamici non realizzabili con le tecniche di pianificazione standard.
Al fine di dimostrare l'efficacia dell'approccio proposto, è stata condotta un'analisi comparativa rispetto agli algoritmi più rilevanti dello stato dell'arte. Il confronto si è basato su metriche quantitative quali il consumo energetico totale, la qualità della traiettoria risultante in termini di fluidità ed efficienza e per ultimo la lunghezza della traiettoria nello spazio dei giunti.
I risultati sperimentali dimostrano che l'approccio basato su ottimizzazione non lineare è in grado, in determinati contesti, di generare traiettorie più regolari e leggermente più efficienti dal punto di vista energetico rispetto alle controparti probabilistiche. Inoltre l'approccio proposto garantisce una maggiore ripetibilità delle soluzioni ottenute a parità di condizioni iniziali e parametri di ottimizzazione.