Padplanning voor ondergespecifieerde roboteindeffectorpaden: sampling-gebaseerde algoritmen en benchmarkraamwerk

Dit onderzoek focust op automatisch plannen van botsingsvrije paden voor een robotarm, meer specifiek voor het volgen van een ondergespecifieerd pad met een roboteindeffector. Robottaken met eindeffectorbeperkingen komen veelvuldig voor in industriële processen zoals lassen, verfspuiten of verlijmen. De gridgebaseerde algoritmes hebben hun meerwaarde reeds bewezen voor het plannen van botsingsvrije robotpaden met eindeffectorbeperkingen, zoals bijvoorbeeld voor robotlassen. Ze schalen echter slecht naar problemen met meer dan 5 vrijheidsgraden. Hiervoor presteren sampling-gebaseerde algoritmes beter. Voor het plannen in aanwezigheid van eindeffectorbeperkingen is er echter nog ruimte voor verbetering, en het in rekening brengen van beperkingen op de eindeffector in dit type van algoritmes is nog steeds een actief onderzoeksgebied. Deze thesis bouwt verder op het initiële succes van gridgebaseerde planners en ontwikkelt een hybride aanpak die sampling-gebaseerde algoritmes met gridgebaseerde algoritmes combineert om de nadelen van gridgebaseerde algoritmes op te vangen. Daarinboven wordt in deze thesis de sampling-gebaseerde aanpak ook toegepast op het lokaal zoeken naar een oplossing rond een initiële gok en voor het verbeteren van bestaande oplossingen. Zowel de lokale als globale planningsmethoden worden in één enkel raamwerk gecombineerd. Daarnaast presenteert deze thesis een raamwerk dat toelaat verschillende combinaties van planningsalgoritmes te vergelijken voor het oplossing van pathplanningsproblemen. De focus ligt hier specifiek op planningsproblemen die bestaan uit verschillende segmenten met al dan niet beperkingen op de eindeffector. De algoritmes in deze thesis zijn geïmplementeerd en geëvalueerd in simulatie. Deze evaluatie gebeurde hoofdzakelijk voor één specifiek type van toepassing, robotlassen. De implementatie is online beschikbaar (https://gitlab.kuleuven.be/ACRO/jdm).