[pt] Robôs híbridos equipados com pernas e rodas são uma solução promissora para uma locomoção versátil em terrenos acidentados. Eles combinam a velocidade e a eficiência das rodas com a capacidade das pernas de atravessar terrenos com obstáculos. Em geral, os desafios em locomoção para robôs híbridos envolvem planejamento de trajetória e sistemas de controle para o rastreamento da trajetória planejada. Esta tese se concentra, em particular, na tarefa de otimização de trajetória para robôs híbridos que navegam em terrenos acidentados. Para isso, propõe-se um algoritmo de planejamento que otimiza a posição e a orientação da base do robô e as posições e forças de contato nas rodas em uma formulação única, levando em consideração as informações do terreno e a dinâmica do robô. O robô é modelado como um único corpo rígido com massa e inércia concentrada no centro de massa, o que permite planejar movimentos complexos por longos horizontes de tempo e ainda manter uma baixa complexidade computacional para resolver a otimização de forma mais eficiente. O conhecimento do mapa do terreno permite que a otimização gere trajetórias para negociação de obstáculos de maneira dinâmica, em velocidades mais altas. Tais movimentos não podem ser gerados sem levar em consideração as informações do terreno. Duas formulações diferentes são apresentadas, uma que permite movimentos somente com as rodas, onde a negociação de obstáculos é permitida pelas pernas, e outra focada em movimentos híbridos dando passos e movendo as rodas, capazes de lidar com descontinuidades no perfil do terreno. A otimização é formulada como um NLP e as trajetórias obtidas são rastreadas por um controlador hierárquico que computa os comandos de atuação de torque para as juntas e as rodas do robô. As trajetórias são verificadas no robô quadrúpede ANYmal equipado com rodas não esterçáveis controladas por torque, em simulações e testes experimentais. O algoritmo proposto de otimização de trajetória permite que robôs com pernas e rodas naveguem por terrenos complexos, contendo, por exemplo, degraus, declives e escadas, enquanto negociam esses obstáculos com movimentos dinâmicos. / [en] Wheeled-legged robots are an attractive solution for versatile locomotion in challenging terrain. They combine the speed and efficiency of wheels with the ability of legs to traverse challenging terrain. In general, the challenges with wheeled-legged locomotion involve trajectory generation and motion control for trajectory tracking. This thesis focuses in particular on the trajectory optimization task for wheeled-legged robots navigating in challenging terrain. For this, a motion planning framework is proposed that optimizes over the robot’s base position and orientation, and the wheels’ positions and contact forces in a single planning problem, taking into account the terrain information and the robot dynamics. The robot is modeled as a single rigid-body, which allows to plan complex motions for long time horizons and still keep a low computational complexity to solve the optimization quickly. The knowledge of the terrain map allows the optimizer to generate feasible motions for obstacle negotiation in a dynamic manner, at higher speeds. Such motions cannot be discovered without taking into account the terrain information. Two different formulations allow for either purely driving motions, where obstacle negotiation is enabled by the legs, or hybrid driving-walking motions, which are able to overcome discontinuities in the terrain profile. The optimization is formulated as a Nonlinear Programming Problem (NLP) and the reference motions are tracked by a hierarchical whole-body controller that computes the torque actuation commands for the robot. The trajectories are verified on the quadrupedal robot ANYmal equipped with non-steerable torque-controlled wheels in simulations and experimental tests. The proposed trajectory optimization framework enables wheeled-legged robots to navigate over challenging terrain, e.g., steps, slopes, stairs, while negotiating these obstacles with dynamic motions.