Robôs manipuladores vem desempenhando um importante papel em operações orbitais, e isso foi possível devido ao grande avanço da robótica espacial nas últimas décadas. Porém, o planejamento do movimento ainda é considerado um dos maiores desafios nesse campo, embora diversos métodos e considerações tenham sido propostas para resolver esse problema. As primeiras contribuições na área de planejamento de movimento dependiam de uma representação explícita do espaço de configuração do robô. Dessa forma, o planejamento de movimento para sistemas robóticos com muitos graus de liberdade era impraticável. Para lidar com esse problema, surgiram os métodos baseados em amostragem, dentre eles, o método de Árvore Aleatória de Exploração Rápida - RRT (do inglês, Rapidly- Exploring Random Tree). Estes métodos, ao invés da construção de todo o conjunto de configurações livre de colisões, requerem apenas a verificação de colisão com obstáculos para um conjunto discreto e finito de configurações do robô. Consequentemente, para este tipo de problema, são métodos mais vantajosos em termos computacionais. Com esta motivação, o presente trabalho tem como objetivo o desenvolvimento de um planejador de rota e de um planejador de trajetória para um robô manipulador espacial de base livre flutuante com dois braços, ambos planejadores com suporte a desvio de obstáculos estáticos. O conceito de manipulador dinamicamente equivalente é utilizado para modelar o manipulador espacial. Isso permite que o planejamento seja feito para um manipulador de base fixa subatuado dinamicamente equivalente ao manipulador de base livre flutuante. Os algoritmos baseados em amostragem RRT* e RRTControl disponibilizados na biblioteca OMPL (do inglês, Open Motion Planning Library) foram adaptados para resolver este problema de planejamento. O algoritmo RRT* é usado para o planejamento de rota, e o RRTControl para o planejamento de trajetória. Ambos planejadores utilizam o espaço de configuração das juntas do robô. Para possibilitar que a orientação e posição final dos dois efetuadores do robô pudessem ser especificadas no espaço da tarefa, um algoritmo de cinemática inversa baseado em algoritmo genético também foi desenvolvido para encontrar a solução da cinemática inversa do manipulador. / Robot manipulator has played an important role in orbital missions and this was possible due to the advance of space robotics in recent decades. However, motion planning is still considered one of the biggest challenges of the field though various methods and considerations were proposed by researchers to handle this problem. The first contributions in this field were dependent on an explicit representation of the free configuration space. Consequently, it was impractical to solve the motion planning problem for robotic systems with many degrees of freedom. In order to cope with this limitation, sampling-based methods were proposed, in particular, the Rapidly-Exploring Random Tree – RRT. Sampling-based methods only requires a procedure to verify collision with obstacles for a discrete amount of robot configuration during planning. Therefore, they are more advantageous in computational terms. In this work a path planner and a trajectory planner were developed for a free-floating planar manipulator with two arms with support for static obstacle avoidance. The Dynamically Equivalent Manipulator approach was used for modelling the robot. Thus, the planners were developed based on a fixed-base underactuated manipulator model which is dynamically equivalent to the free-floating manipulator. The sampling-based algorithms RRT* and RRTControl of the Open Motion Planning Library (OMPL) were adapted to solve this motion planning problem. The RRT* were used for path planning, and the RRTControl for trajectory planning, both carried out in the robot joint space. As the desired orientations and positions of the two end-effectors were specified in the task-space, a genetic algorithm was also developed to compute the inverse kinematics of the manipulator.

Robôs manipuladores vem desempenhando um importante papel em operações orbitais, e isso foi possível devido ao grande avanço da robótica espacial nas últimas décadas. Porém, o planejamento do movimento ainda é considerado um dos maiores desafios nesse campo, embora diversos métodos e considerações tenham sido propostas para resolver esse problema. As primeiras contribuições na área de planejamento de movimento dependiam de uma representação explícita do espaço de configuração do robô. Dessa forma, o planejamento de movimento para sistemas robóticos com muitos graus de liberdade era impraticável. Para lidar com esse problema, surgiram os métodos baseados em amostragem, dentre eles, o método de Árvore Aleatória de Exploração Rápida - RRT (do inglês, Rapidly- Exploring Random Tree). Estes métodos, ao invés da construção de todo o conjunto de configurações livre de colisões, requerem apenas a verificação de colisão com obstáculos para um conjunto discreto e finito de configurações do robô. Consequentemente, para este tipo de problema, são métodos mais vantajosos em termos computacionais. Com esta motivação, o presente trabalho tem como objetivo o desenvolvimento de um planejador de rota e de um planejador de trajetória para um robô manipulador espacial de base livre flutuante com dois braços, ambos planejadores com suporte a desvio de obstáculos estáticos. O conceito de manipulador dinamicamente equivalente é utilizado para modelar o manipulador espacial. Isso permite que o planejamento seja feito para um manipulador de base fixa subatuado dinamicamente equivalente ao manipulador de base livre flutuante. Os algoritmos baseados em amostragem RRT* e RRTControl disponibilizados na biblioteca OMPL (do inglês, Open Motion Planning Library) foram adaptados para resolver este problema de planejamento. O algoritmo RRT* é usado para o planejamento de rota, e o RRTControl para o planejamento de trajetória. Ambos planejadores utilizam o espaço de configuração das juntas do robô. Para possibilitar que a orientação e posição final dos dois efetuadores do robô pudessem ser especificadas no espaço da tarefa, um algoritmo de cinemática inversa baseado em algoritmo genético também foi desenvolvido para encontrar a solução da cinemática inversa do manipulador. / Robot manipulator has played an important role in orbital missions and this was possible due to the advance of space robotics in recent decades. However, motion planning is still considered one of the biggest challenges of the field though various methods and considerations were proposed by researchers to handle this problem. The first contributions in this field were dependent on an explicit representation of the free configuration space. Consequently, it was impractical to solve the motion planning problem for robotic systems with many degrees of freedom. In order to cope with this limitation, sampling-based methods were proposed, in particular, the Rapidly-Exploring Random Tree – RRT. Sampling-based methods only requires a procedure to verify collision with obstacles for a discrete amount of robot configuration during planning. Therefore, they are more advantageous in computational terms. In this work a path planner and a trajectory planner were developed for a free-floating planar manipulator with two arms with support for static obstacle avoidance. The Dynamically Equivalent Manipulator approach was used for modelling the robot. Thus, the planners were developed based on a fixed-base underactuated manipulator model which is dynamically equivalent to the free-floating manipulator. The sampling-based algorithms RRT* and RRTControl of the Open Motion Planning Library (OMPL) were adapted to solve this motion planning problem. The RRT* were used for path planning, and the RRTControl for trajectory planning, both carried out in the robot joint space. As the desired orientations and positions of the two end-effectors were specified in the task-space, a genetic algorithm was also developed to compute the inverse kinematics of the manipulator.

Motion planning is an essential component of an autonomous system. This project aims to design a motion planning module to automate the screwing process of radio units. The goal is to choose and implement a motion planner that provides the speed, precision, and efficiency required for the screwing task on a radio filter with a large number of holes located close to each other. Four control-based motion planners were investigated on a 6 Degrees Of Freedom (DOF) robot arm in Robot Operating System (ROS). The investigated motion planners are Rapidly-exploring Random Trees, The Kinodynamic Motion Planning by Interior-Exterior Cell Exploration (KPIECE), The Path- Directed subdivision Trees (PDST), Expansive Space Trees (EST). All these planners are available in The Open Motion Planning Library (OMPL). The motion planners were implemented on a simulated version of a UR5 robot arm. This simulated model is generated by the MoveIt Setup Assistant, which is the primary tool for creating configuration files for kinematics chains in MoveIt. ROS is the chosen platform to design various control methods and motion planning algorithms. Hence two primary workspaces have been created. These workspaces contain several packages and nodes with multiple tasks such as motion planning, visualization, and data extraction. All the nodes communicate using ROS communication tools such as massages services and action client services. Furthermore, this project covers also test and benchmarking all the mentioned planners to determine which planner provides optimal performance in different environments. The planner’s performance is evaluated by designing two experiments in three benchmarking scenarios. The first test is intended to determine how the planners perform a motion planning task similar to an actual screwing process of a radio filter. The purpose of the second experiment is to investigate how the planners perform as the density of the obstacles increase. The performances of the planners have been analyzed and compared with each other using different benchmarking tools such as the planner arena. Result of this project indicates, KPIECE and EST can outperform the state-of-the- art planner, RRT-Connect in some and metrics, especially in an environment with a low obstacles density. However, RRT-Connect is still superior in more dense and complicated settings. / Rörelseplanering är en viktig komponent i ett automatiserat system. Detta projekt syftar till att designa en rörelseplaneringsmodul för att automatisera skruvningen av radioenheter. Målet är att implementera en rörelseplanerare som kan frambringa den hastighet, noggrannhet och effektivitet som krävs för en automatiserad skruvdragare. Skruvdragarens uppgift är att skruva ett antal hål placerade nära varandra på en radiofilter. Denna upsats har undersökt fyra kontrollbaserade rörelseplanerare på en 6 Degrees Of Freedom (DOF) robotarm med hjälp av Robot Operating System (ROS). De undersökta rörelseplanerarna är Rapidly-Exploring Random Trees, The Kinodynamic Motion Planning by Interior-Exterior Cell Exploration (KPIECE), The Path- Directed subdivision Trees (PDST) och Expansive Space Trees (EST)som är tillgängliga i Open Motion The Open Motion Planning Library (OMPL). Planerarna implementeras på en simulerad UR5-robotarm, genererad av MoveIt Setup Assistant, som är det primära verktyget för att skapa konfigurationsfiler för kinematikkedjor i MoveIt. ROS är den valda plattformen för att designa styrmetoder och rörelseplaneringens algoritmer vilket medför att två arbetsytor har skapats. Dessa arbetsytor innehåller flera paket och noder med flera uppgifter bland annat rörelseplanering, visualisering och dataextraktion. Alla noder kommunicerar med varandra genom ROS kommunikationsverktyg liksom massagetjänster och action-client tjänster. Detta projekt omfattar även benchmarkingäv alla ovannämnda planerare för att avgöra vilken of dessa planerare kan åstadkomma en optimal prestanda i olika miljöer. Planerarens prestanda utvärderas genom att designa två experiment i tre benchmarking-scenarier. Det första testet är avsett att bestämma hur en planerare utför en rörelseplaneringsuppgift vilket liknar en verklig skruvprocess för en radioenhet. Andra experimentet är att undersöka hur planerarna presterade när tätheten av hindren ökar. Planerarnas prestationer har analyserats och jämförts med varandra med hjälp av olika benchmarkingverktyger, till exemple Planer Arena. Enligt resultatet av detta projekt kan KPIECE och EST prestera bättre jämfort med den senaste planeraren RRT-Connect i vissa områden, särskilt i ett miljö med låg hindertäthet. RRT-Connect är dock fortfarande överlägsen i mer täta och komplicerade miljöer.