Planning harvesting motion of a manipulator for table grape harvesting

This thesis work focuses on the development of a path planning algorithm capable of guiding the manipulator of an agricultural robot, and is part of a complex system that includes also the selection of an appropriate hardware and the use of computer vision algorithms able to locate and separate crops from weeds. In order for the path to be considered safe, it is necessary to take into account the uncertainty in the manipulator model and in the external environment. This is done in two different ways; the first uses chance constraints to transform the uncertainty related to a manipulator pose into tighter constraints used during the collision checking process, while the second involves the use of pre-calculated encumbrances that robustify the planner, and consequently the final path. An agricultural robot must also be able to work in a dynamic environment, avoiding any type of collision. This is made possible by a particular tool (Online-ABIT*), capable of performing a rapid replanning of the path by recycling the previously obtained information. Another developed component that makes the planner faster and even more robust (parallel planner) exploits parallel computing to create a set of filters allowing the individual planners to solve simultaneously the same problem, but in different ways. This approach allows a robot that makes use of it to have a high level of autonomy, being able to quickly solve a wide range of planning problems. To conclude, the algorithm is tested in a realistic simulation environment such as MoveIt, through which it is possible to directly control the real manipulator.

Questo lavoro di tesi si concentra sullo sviluppo di un algoritmo di path planning in grado di guidare il manipolatore di un robot agricolo, e fa parte di un sistema più complesso che comprende anche la scelta di un hardware appropriato e l'utilizzo di algoritmi di computer vision capaci di localizzare e separare le colture dall'ambiente circostante. Affinché il percorso ottenuto possa essere considerato sicuro, è necessario tener conto dell'incertezza nel modello del manipolatore e dell'ambiente esterno. Questo viene fatto in due modi diversi; il primo utilizza vincoli di probabilità (chance constraints) per trasformare l'incertezza relativa a una posa del manipolatore in vincoli più stretti che saranno poi utilizzati durante la fase di controllo delle collisioni, mentre il secondo prevede l'uso di un ingombro addizionale e precalcolato che permette di trattare il problema di pianificazione con tecniche di controllo robusto. Un robot agricolo deve inoltre essere in grado di lavorare in un ambiente dinamico, evitando qualsiasi tipo di collisione; ciò è reso possibile da un particolare strumento (Online-ABIT*) in grado di effettuare una rapida riprogettazione del percorso riutilizzando le informazioni precedentemente ricavate. Un altro componente che rende il pianificatore più veloce e robusto (parallel planner) sfrutta il calcolo parallelo per creare un insieme di filtri che consentono ai singoli pianificatori di risolvere contemporaneamente lo stesso problema, ma in modo diverso. Questo approccio garantisce ad un robot che ne fa uso un alto livello di autonomia, permettendogli di risolvere velocemente un'ampia gamma di problemi di pianificazione. Per concludere, l'algoritmo viene testato in un ambiente di simulazione realistico come MoveIt, attraverso il quale è possibile controllare direttamente anche il robot reale.