Mobile robots are increasingly being used to perform tasks in unknown environments. The potential of robots to undertake such tasks lies in their ability to intelligently and efficiently locate and interact with objects in their environment. My research focuses on developing algorithms to plan paths for mobile robots in a partially known environment observed by an overhead camera. The environment consists of dynamic obstacles and targets. A new methodology, Extrapolated Artificial Potential Field, is proposed for real time robot path planning. An algorithm for probabilistic collision detection and avoidance is used to enhance the planner. The aim of the robot is to select avoidance maneuvers to avoid the dynamic obstacles. The navigation of a mobile robot in a real-world dynamic environment is a complex and daunting task. Consider the case of a mobile robot working in an office environment. It has to avoid the static obstacles such as desks, chairs and cupboards and it also has to consider dynamic obstacles such as humans. In the presence of dynamic obstacles, the robot has to predict the motion of the obstacles. Humans inherently have an intuitive motion prediction scheme when planning a path in a crowded environment. A technique has been developed which predicts the possible future positions of obstacles. This technique coupled with the generalized Voronoi diagram enables the robot to safely navigate in a given environment.

The visibility-aware path planner addresses the problem of path planning for target visibility. It computes sequences of motions that afford a line of sight to a stationary visual target for sensors on a robotic platform. The visibility-aware planner uses a model of the visible region, namely, the region of the task space in which a line of sight exists to the target. The planner also takes the orientation of the sensor into account, utilizing a model of the field of view frustum. The planner applies a penalty to paths that cause the sensor to lose target visibility by exiting the visible region or rotating so the target is not in the field of view. The planner applies these penalties to the edges in a probabilistic roadmap, providing weights in the roadmap graph for graph-search based planning algorithms. This thesis presents two variants on the planner. The static multi-query planner precomputes penalties for all roadmap edges and performs a best-path search using Dijkstra's algorithm. The dynamic single-query planner uses an iterative test-and-reject search to find paths of acceptable penalty without the benefit of precomputation. Four experiments are presented which validate the planners and present examples of the path planning for visibility on 6-DOF robot manipulators. The algorithms are statistically tested with multiple queries. Results show that the planner finds paths with significantly lower losses of target visibility than existing shortest-path planners.

At the UN Climate Change Conference in Cancun in 2010, all the industrialised countries committed to producing long-term national strategies to achieve low levels of greenhouse gas emissions. The aim was to meet the goal of reducing emissions by 80-95 per cent by 2050, in line with the two-degrees-goal. In February 2011, the European Commission presented a communication on a roadmap for the EU for moving to a competitive low-carbon economy in 2050. Sweden has actively supported the conclusions within the EU that countries should draw up their own roadmaps, but Sweden has not yet produced a national roadmap to 2050. This thesis examines why the Swedish government has not yet agreed on a low-carbon development strategy to 2050 in line with the agreement at the climate conference in Cancun 2010 and the directives from the European Commission. The purpose of this study is to examine why the investigation on a Swedish roadmap 2050 produced by the Swedish Environmental Protection Agency, never reached the political decision agenda, in the Swedish parliament. The objective of the study is achieved by applying the Multiple Streams Model, a theory on policy processes and agenda setting, on the case of the Swedish roadmap 2050. The study concludes that (1) the level of political consensus is too low, especially in terms of the basic assumptions that underlie the roadmap; and (2) the document produced by the Swedish Environmental Protection Agency was too weak to become a bill.

A geração de bons movimentos em tempo real para corpos com muitos graus de liberdade ainda é um desafio. Uma quantidade elevada de graus de liberdade aumenta de forma exponencial a quantidade de posições diferentes que um determinado corpo pode obter. Fazer uso dessa quantidade de possibilidades para gerar movimentos complexos pode ser extremamente útil para planejamento de movimentos de robôs ou personagens virtuais, porém incrivelmente caro em termos computacionais. Existem muitos algoritmos que se baseiam no uso de mapas de caminhos (chamados roadmaps) para trabalhar com corpos com muitos graus de liberdade. Um roadmap funciona como uma coletânea de poses de um corpo interligadas entre si, onde cada ligação representa uma possibilidade de transição livre de colisões. Geralmente as técnicas que utilizam roadmaps usam abordagens determinísticas ou aleatórias para atingir o objetivo. Através de métodos determinísticos é possível explorar de forma mais uniforme o espaço de configuração, garantindo uma melhor cobertura e qualidade do roadmap. Já as abordagens aleatórias, geralmente permitem um melhor desempenho e, principalmente, tornam viáveis a aplicação de uma solução para corpos com muitos graus de liberdade. Neste trabalho é proposto um método determinístico adaptável para a geração de roadmaps (ADRM) que provê uma cobertura adequada do espaço de configuração em um tempo perfeitamente aceitável em comparação a outros métodos. Para obter isso, é feita em primeiro lugar uma classificação de todos os DOFs do modelo e, então, essa classificação é usada como parâmetro para decidir quantas amostras serão geradas de cada DOF. A combinação entre as amostras de todos os DOFs gera a quantidade total de amostras. Para validação do novo método foram executados diversos testes em ambientes distintos. Os testes foram avaliados através da comparação com outras técnicas existentes, em quesitos como tempo de geração e cobertura do espaço de configuração. Os resultados demonstram que o método atinge uma cobertura do espaço de configuração muito boa, em um tempo aceitável. / The creation of good real time movements for bodies with many degrees of freedom (DOF) still remains a challenge. A great amount of DOFs increase, in an exponential way, the quantity of different positions that a body can assume. Making use of that amount of possibilities to generate complex movements can be useful for planning robots’ movements or even to animate virtual characters, however it is extremely expensive in computational terms. There are many algorithms that are based on the use of roadmaps to work with bodies with many degrees of freedom. A roadmap works as a collection of valid body’s positions interconnected, where each connection represents a possibility of a transaction free of collisions. Usually, the techniques which make use of roadmaps follow deterministic or probabilistic approaches to get to the objective. Trough deterministic methods it is possible to explore in a more uniform way the configuration’s space, assuring a better covering and quality of the roadmap. Therefore, probabilistic (or random) approaches allow a better performance and, mainly, make possibly the application of a solution for bodies with higher degrees of freedom. This work proposes a deterministic method applicable to roadmaps generation (ADRM) which provides an adequate covering of the configuration’s space in a completely acceptable time range comparing to other rates. To achieve this goal, first of all a classification of all of the DOFs of the model is made and, then, this classification is used as a parameter to decide how many samples will be generated of each DOF. The combining between the samples of all of the DOFs generates the total amount of samples. To validate the new method, several tests were executed at different environments. The tests were evaluated trough the comparison with other existents techniques, using criteria like the time spent in generating a roadmap and covering of the space of configuration. The results show us that the method achieves a satisfactory covering of the space configuration in an acceptable time range.

A implementação de Sistemas de Produção Enxuta (SPE) é reconhecidamente essencial em empresas que desejam obter alto nível de competitividade. Há disponíveis na literatura diversos exemplos de roadmaps de implementação enxuta, os quais possibilitam guiar as empresas em seu processo de mudança enxuta. Contudo, uma vez que esses roadmaps priorizam os fatores técnicos da mudança enxuta, os fatores sócio-culturais do processo de mudança tendem a ser negligenciados, o que dificulta a construção de um comportamento e sustentabilidade da mudança. Esta tese tem por objetivo apresentar uma metodologia de identificação e avaliação dos fatores sócio-culturais em uma empresa em implementação enxuta. Esta metodologia agrega práticas e conceitos de gestão de mudança aos roadmaps de implementação enxuta e possibilita a análise de maturidade da empresa quanto aos fatores sócio-culturais da mudança em diferentes níveis de contextualização. A aplicação do método é ilustrada em uma empresa do ramo automotivo, a qual se encontra em processo de implementação enxuta há mais de nove anos e possui dificuldades na sustentação do SPE. / The implementation of Lean Production Systems is essential for companies aiming at high competition levels. Many examples of lean implementation roadmaps are available in the literature guiding companies in their lean change process. However, most of these roadmaps prioritize technical factors in the lean change process, while the socio-cultural factors tend to be neglected, making the behavior construction and change sustainability more difficult. This thesis has as objective to present an identification and evaluation methodology that approaches the socio-cultural factors implied in the transition to a lean production system in companies. The model merges change management practices and concepts with lean implementation roadmaps, and allows the company’s maturity analysis regarding sociocultural factors of the change in different contextualization levels. In addition to that, the model is validated in an automotive company that has been in the lean implementation journey for more than nine years and presents difficulties in sustaining the change.

A geração de bons movimentos em tempo real para corpos com muitos graus de liberdade ainda é um desafio. Uma quantidade elevada de graus de liberdade aumenta de forma exponencial a quantidade de posições diferentes que um determinado corpo pode obter. Fazer uso dessa quantidade de possibilidades para gerar movimentos complexos pode ser extremamente útil para planejamento de movimentos de robôs ou personagens virtuais, porém incrivelmente caro em termos computacionais. Existem muitos algoritmos que se baseiam no uso de mapas de caminhos (chamados roadmaps) para trabalhar com corpos com muitos graus de liberdade. Um roadmap funciona como uma coletânea de poses de um corpo interligadas entre si, onde cada ligação representa uma possibilidade de transição livre de colisões. Geralmente as técnicas que utilizam roadmaps usam abordagens determinísticas ou aleatórias para atingir o objetivo. Através de métodos determinísticos é possível explorar de forma mais uniforme o espaço de configuração, garantindo uma melhor cobertura e qualidade do roadmap. Já as abordagens aleatórias, geralmente permitem um melhor desempenho e, principalmente, tornam viáveis a aplicação de uma solução para corpos com muitos graus de liberdade. Neste trabalho é proposto um método determinístico adaptável para a geração de roadmaps (ADRM) que provê uma cobertura adequada do espaço de configuração em um tempo perfeitamente aceitável em comparação a outros métodos. Para obter isso, é feita em primeiro lugar uma classificação de todos os DOFs do modelo e, então, essa classificação é usada como parâmetro para decidir quantas amostras serão geradas de cada DOF. A combinação entre as amostras de todos os DOFs gera a quantidade total de amostras. Para validação do novo método foram executados diversos testes em ambientes distintos. Os testes foram avaliados através da comparação com outras técnicas existentes, em quesitos como tempo de geração e cobertura do espaço de configuração. Os resultados demonstram que o método atinge uma cobertura do espaço de configuração muito boa, em um tempo aceitável. / The creation of good real time movements for bodies with many degrees of freedom (DOF) still remains a challenge. A great amount of DOFs increase, in an exponential way, the quantity of different positions that a body can assume. Making use of that amount of possibilities to generate complex movements can be useful for planning robots’ movements or even to animate virtual characters, however it is extremely expensive in computational terms. There are many algorithms that are based on the use of roadmaps to work with bodies with many degrees of freedom. A roadmap works as a collection of valid body’s positions interconnected, where each connection represents a possibility of a transaction free of collisions. Usually, the techniques which make use of roadmaps follow deterministic or probabilistic approaches to get to the objective. Trough deterministic methods it is possible to explore in a more uniform way the configuration’s space, assuring a better covering and quality of the roadmap. Therefore, probabilistic (or random) approaches allow a better performance and, mainly, make possibly the application of a solution for bodies with higher degrees of freedom. This work proposes a deterministic method applicable to roadmaps generation (ADRM) which provides an adequate covering of the configuration’s space in a completely acceptable time range comparing to other rates. To achieve this goal, first of all a classification of all of the DOFs of the model is made and, then, this classification is used as a parameter to decide how many samples will be generated of each DOF. The combining between the samples of all of the DOFs generates the total amount of samples. To validate the new method, several tests were executed at different environments. The tests were evaluated trough the comparison with other existents techniques, using criteria like the time spent in generating a roadmap and covering of the space of configuration. The results show us that the method achieves a satisfactory covering of the space configuration in an acceptable time range.

A implementação de Sistemas de Produção Enxuta (SPE) é reconhecidamente essencial em empresas que desejam obter alto nível de competitividade. Há disponíveis na literatura diversos exemplos de roadmaps de implementação enxuta, os quais possibilitam guiar as empresas em seu processo de mudança enxuta. Contudo, uma vez que esses roadmaps priorizam os fatores técnicos da mudança enxuta, os fatores sócio-culturais do processo de mudança tendem a ser negligenciados, o que dificulta a construção de um comportamento e sustentabilidade da mudança. Esta tese tem por objetivo apresentar uma metodologia de identificação e avaliação dos fatores sócio-culturais em uma empresa em implementação enxuta. Esta metodologia agrega práticas e conceitos de gestão de mudança aos roadmaps de implementação enxuta e possibilita a análise de maturidade da empresa quanto aos fatores sócio-culturais da mudança em diferentes níveis de contextualização. A aplicação do método é ilustrada em uma empresa do ramo automotivo, a qual se encontra em processo de implementação enxuta há mais de nove anos e possui dificuldades na sustentação do SPE. / The implementation of Lean Production Systems is essential for companies aiming at high competition levels. Many examples of lean implementation roadmaps are available in the literature guiding companies in their lean change process. However, most of these roadmaps prioritize technical factors in the lean change process, while the socio-cultural factors tend to be neglected, making the behavior construction and change sustainability more difficult. This thesis has as objective to present an identification and evaluation methodology that approaches the socio-cultural factors implied in the transition to a lean production system in companies. The model merges change management practices and concepts with lean implementation roadmaps, and allows the company’s maturity analysis regarding sociocultural factors of the change in different contextualization levels. In addition to that, the model is validated in an automotive company that has been in the lean implementation journey for more than nine years and presents difficulties in sustaining the change.

A geração de bons movimentos em tempo real para corpos com muitos graus de liberdade ainda é um desafio. Uma quantidade elevada de graus de liberdade aumenta de forma exponencial a quantidade de posições diferentes que um determinado corpo pode obter. Fazer uso dessa quantidade de possibilidades para gerar movimentos complexos pode ser extremamente útil para planejamento de movimentos de robôs ou personagens virtuais, porém incrivelmente caro em termos computacionais. Existem muitos algoritmos que se baseiam no uso de mapas de caminhos (chamados roadmaps) para trabalhar com corpos com muitos graus de liberdade. Um roadmap funciona como uma coletânea de poses de um corpo interligadas entre si, onde cada ligação representa uma possibilidade de transição livre de colisões. Geralmente as técnicas que utilizam roadmaps usam abordagens determinísticas ou aleatórias para atingir o objetivo. Através de métodos determinísticos é possível explorar de forma mais uniforme o espaço de configuração, garantindo uma melhor cobertura e qualidade do roadmap. Já as abordagens aleatórias, geralmente permitem um melhor desempenho e, principalmente, tornam viáveis a aplicação de uma solução para corpos com muitos graus de liberdade. Neste trabalho é proposto um método determinístico adaptável para a geração de roadmaps (ADRM) que provê uma cobertura adequada do espaço de configuração em um tempo perfeitamente aceitável em comparação a outros métodos. Para obter isso, é feita em primeiro lugar uma classificação de todos os DOFs do modelo e, então, essa classificação é usada como parâmetro para decidir quantas amostras serão geradas de cada DOF. A combinação entre as amostras de todos os DOFs gera a quantidade total de amostras. Para validação do novo método foram executados diversos testes em ambientes distintos. Os testes foram avaliados através da comparação com outras técnicas existentes, em quesitos como tempo de geração e cobertura do espaço de configuração. Os resultados demonstram que o método atinge uma cobertura do espaço de configuração muito boa, em um tempo aceitável. / The creation of good real time movements for bodies with many degrees of freedom (DOF) still remains a challenge. A great amount of DOFs increase, in an exponential way, the quantity of different positions that a body can assume. Making use of that amount of possibilities to generate complex movements can be useful for planning robots’ movements or even to animate virtual characters, however it is extremely expensive in computational terms. There are many algorithms that are based on the use of roadmaps to work with bodies with many degrees of freedom. A roadmap works as a collection of valid body’s positions interconnected, where each connection represents a possibility of a transaction free of collisions. Usually, the techniques which make use of roadmaps follow deterministic or probabilistic approaches to get to the objective. Trough deterministic methods it is possible to explore in a more uniform way the configuration’s space, assuring a better covering and quality of the roadmap. Therefore, probabilistic (or random) approaches allow a better performance and, mainly, make possibly the application of a solution for bodies with higher degrees of freedom. This work proposes a deterministic method applicable to roadmaps generation (ADRM) which provides an adequate covering of the configuration’s space in a completely acceptable time range comparing to other rates. To achieve this goal, first of all a classification of all of the DOFs of the model is made and, then, this classification is used as a parameter to decide how many samples will be generated of each DOF. The combining between the samples of all of the DOFs generates the total amount of samples. To validate the new method, several tests were executed at different environments. The tests were evaluated trough the comparison with other existents techniques, using criteria like the time spent in generating a roadmap and covering of the space of configuration. The results show us that the method achieves a satisfactory covering of the space configuration in an acceptable time range.

A implementação de Sistemas de Produção Enxuta (SPE) é reconhecidamente essencial em empresas que desejam obter alto nível de competitividade. Há disponíveis na literatura diversos exemplos de roadmaps de implementação enxuta, os quais possibilitam guiar as empresas em seu processo de mudança enxuta. Contudo, uma vez que esses roadmaps priorizam os fatores técnicos da mudança enxuta, os fatores sócio-culturais do processo de mudança tendem a ser negligenciados, o que dificulta a construção de um comportamento e sustentabilidade da mudança. Esta tese tem por objetivo apresentar uma metodologia de identificação e avaliação dos fatores sócio-culturais em uma empresa em implementação enxuta. Esta metodologia agrega práticas e conceitos de gestão de mudança aos roadmaps de implementação enxuta e possibilita a análise de maturidade da empresa quanto aos fatores sócio-culturais da mudança em diferentes níveis de contextualização. A aplicação do método é ilustrada em uma empresa do ramo automotivo, a qual se encontra em processo de implementação enxuta há mais de nove anos e possui dificuldades na sustentação do SPE. / The implementation of Lean Production Systems is essential for companies aiming at high competition levels. Many examples of lean implementation roadmaps are available in the literature guiding companies in their lean change process. However, most of these roadmaps prioritize technical factors in the lean change process, while the socio-cultural factors tend to be neglected, making the behavior construction and change sustainability more difficult. This thesis has as objective to present an identification and evaluation methodology that approaches the socio-cultural factors implied in the transition to a lean production system in companies. The model merges change management practices and concepts with lean implementation roadmaps, and allows the company’s maturity analysis regarding sociocultural factors of the change in different contextualization levels. In addition to that, the model is validated in an automotive company that has been in the lean implementation journey for more than nine years and presents difficulties in sustaining the change.

O planejamento probabilístico de mapa de rotas tem se mostrado uma poderosa ferramenta para o planejamento de caminhos para robôs móveis, devido a sua eficiência computacional, simplicidade de implementação e escalabilidade em diferentes problemas. Este método de planejamento possui duas fases. Na fase de construção, um mapa de rotas é gerado de forma iterativa e incremental, e armazenado na forma de um grafo G, cujos vértices são configurações livres, amostradas no espaço de configurações do robô e cujas arestas correspondem a caminhos livres de colisão entre tais configurações. Na fase de questionamento, dadas quaisquer configurações de origem e destino, \'alfa\' e \'beta\' respectivamente, o planejador conecta \'alfa\' e \'beta\' à G inserindo arestas que correspondem a caminhos livres de colisão, para então procurar por um caminho entre \'alfa\' e \'beta\' em G. Neste trabalho o foco reside principalmente na fase de construção do mapa de rotas. O objetivo aqui consiste em efetuar uma análise comparativa de diversas combinações de diferentes técnicas de amostragem das configurações livres e de diferentes técnicas de seleção de vértices em G, todas implementadas em um único sistema e aplicadas aos mesmos cenários. Os resultados propiciam um valioso auxílio aos usuários do planejamento probabilístico de mapas de rotas na decisão da melhor combinação para suas aplicações. / The probabilistic roadmap planning has emerged as a powerful framework for path planning of mobile robots due to its computational efficiency, implementation simplicity, and scalability in different problems. This planning method proceeds in two phases. In the construction phase a roadmap is incrementally constructed and stored as a graph G whose nodes are free configurations sampled on the robot\'s configuration space and whose edges correspond to collision-free paths between these configurations. In the query phase, given any start and goal configurations, \'alfa\' and \'beta\' respectively, the planner first connects \'alfa\' and \'beta\' to G by adding edges that correspond to collision-free paths, and then searches for a path in G between \'alfa\' and \'beta\'. In this work, we address mainly the roadmap construction phase. The goal here is to provide a comparative analysis of a number of combinations of different techniques for sampling free configurations and different node adding techniques, all implemented in a single system and applied to the same test workspace. Results help probabilistic roadmap planning users to choose the best combination for their applications.