Parte Rafael:

Introdução:

A capacidade de movimentação automática de máquinas é um importante campo de pesquisa da

robótica. Possibilitar que robôs se movimentem de forma confiável, eficiente, inteligente e

autônoma sobre a superfície de um planeta distante, dentro de fábricas, manufaturando produtos

ou, até mesmo, em animação de personagens digitais, vídeo games, cirurgia robótica são

seguramente resultado de décadas de experimentos e pesquisas.

O ato de planejar esses movimentos dá-se o nome de Motion Planning (MP). MP (Planejamento

do Movimento) é um problema computacional para encontrar um caminho/trajetória para um

robô ou máquina que necessite de movimentação automática.

Uma típica formulação para o problema MP é: tendo um robô e a descrição do ambiente,

planeje o caminho que o robô precisa percorrer entre duas posições específicas, sem colidir com

os obstáculos existentes [Yap87].

[Lavale06], [Canny87] e [Hwang92] dizem que MP faz parte a uma classe de problema

denominada NP-hard. Um problema NP requer um tempo de processamento enorme para se

chegar à solução ótima [Hwang92]. Um problema está NP-hard é pelo menos tão difícil quanto

qualquer problema NP [Hwang92]. Em outras palavras é inviável buscar a solução ótima para

esse tipo de problema.

Esta pesquisa aborda conceitos inerentes a Motion Planning bem como A* heurística como

forma de buscar uma solução satisfatória.

Motion Planning (MP) – Planejamento de movimento:

Motion Planning (MP) é um termo usado em robótica para o processo de detalhamento de uma

tarefa de executar movimentos discretos. Faz parte do planejamento do movimento encontrar o

caminho que permita a um robô fazer um deslocamento do seu ponto atual até um destino final

(objetivo), reconhecendo o ambiente a seu redor através de imagens via satélite ou câmeras de

vídeo acopladas nele, por exemplo. Então com MP é possível dar mobilidade e independência

para robôs ou veículos não tripulados. Na Figura 1, mostra-se um exemplo e MP feito por um

carro não tripulado.

<imagem: motion_planning_path.jpg>

Figura 1 - Exemplo de MP feito por um carro não tripulado.

O trabalho mais antigo sobre mobilidade foi feito por Shannon por volta de 1940 [Yap87]. O

experimento de Shannon foi construí um rato eletrônico que precisava se mover em um

labirinto. O rato de Shannon somente conseguia virar “esquinas” de 90º. Mas para o Isso era

suficiente para mostrar que seu rato conseguia encontrar chegar ao seu objetivo o queijo.

Em 1959, E. F. Moore reformulou o problema do labirinto de Shannon em termos gráficos, e

mostrou um algoritmo simples de procura do caminho mais curto para atingir o objetivo

[Yap87]. Desde então foi-se aprimorado e desenvolvidos algoritmos de MP que recebem uma

descrição das tarefas a serem executadas como entrada, e produz a velocidade e os comandos de

giro enviado para as rodas do robô os meios para executar a tarefa. Esses algoritmos são a base

para locomoção automática tanto de veículos terrestres, aquáticos e aéreos não tripulados.

MP pode ser descrito, de modo geral, pelo seguinte esquema: tendo um sistema robótico B, um

ambiente “E”, e um objetivo de locomoção “O”, encontre um movimento para “B” dentro de

“E” que alcance “O”, sujeito a algum critério “C” [Yap87]. O Critério C é intrínseco ao

algoritmo de solução, portanto, a entrada para o problema são B, E e O.

Portanto a solução para MP é escolher um conjunto de movimentos para O que satisfaça C

[Yap87].

No entanto existem restrições para de movimento que se deve atentar. Essas restrições podem

ser de dois tipos: evitar as características do ambiente que limitam o movimento do robô

(obstáculos) e a limitação de mobilidade do próprio robô [Pivtoraiko09].

Na Figura 2 mostra-se um exemplo de obstáculos do ambiente que deve ser evitados.

<imagem: robot_arm_motion_plan.gif>

Figura 2 - Exemplo de obstáculos presentes em uma região.

Alguns exemplos de obstáculos podem ser: montanhas, precipícios, objetos, área de risco.

Já as limitações de mobilidade são referentes aos tipos de movimentos que o equipamento

consegue desempenhar, exemplificando, caso haja um caminho muito estreito que não

possibilite ao robô transpassar por causa de suas dimensões torna-se uma restrição, mesmo

existindo passagem.

<imagem: restrição de movimento.png>

Exemplo de restrição de movimento causada pelo tamanho.

Fonte: [Pivtoraiko09].

Bibliografia:

Bayazit, O. Burchan; Lien, Jyh-Ming; Amato, Nancy M. (2002). Roadmap-Based Flocking for

Complex Environments. Proceedings of the 10 th Pacific Conference on Computer Graphics

and Applications (PG’02). IEEE Computer Society.

Hwang, Young K; Ahuja, Narendra. (1992). Gross Motion Planning - A survey. In ACM

Computing Surveys, Vol 24, No 3, pages 220–291.

Lavalle, Steven M.. (2006). Planning Algorithms. Cambridge University Press.

Pivtoraiko, Mihail; Knepper, Ross A., Kelly, Alonzo. (2009). Differentially Constrained Mobile

Robot Motion Planning in State Lattices. In Journal of Journal of Field Robotics 26(3), pages

308–333.

Yap, Chee-keng. (1987). Courant Institute of Mathematical Sciences. In Journal of Advances in

Robotics, Chapter 3, pages 95–143.