Sampling based path planning with cable management for a robotic manipulator

The industrial demand for versatile machines has led to the need for robots capable of adapting to diverse tasks. The use of interchangeable tools, however, introduces challenges related to external cables, impacting the robot’s range of motion and introducing issues like tangling and wear. Precise modeling for shape prediction and collision detection still poses a challenge for deformable linear objects. Therefore, addressing these issues requires careful coordinated effort in terms of cable suspension system design and path planning. This thesis proposes a path planning algorithm with a cable management technique for manipulators with externally supplied tools. The management strategy imposes task space constraints on tool orientation and displacement allowing for the construction of a hierarchical, directed probabilistic roadmap. Moreover, aiming to produce paths of relevant quality, this work extends the adaptive partial random shortcuts framework and introduces a new gradient-based weighted distribution for partial shortcut degree of freedom selection.

La richiesta industriale di macchine versatili ha portato alla necessità di robot capaci di adattarsi a diversi compiti. Tuttavia, l’utilizzo di una molteplicità di utensili introduce la necessità di alimentarli tramite cavi esterni, che influiscono sulla libertà di movimento del robot e causano problemi come l’intrecciamento e l’usura. La modellazione precisa di oggetti lineari deformabili per prevederne la forma e rilevarne le collisioni risulta ancora complessa. Pertanto, affrontare questi problemi richiede la attenta coordinazione di disposizione dei cavi e pianifica dei percorsi di movimento del robot. Questa tesi propone un algoritmo di pianificazione di percorsi per manipolatori antropomorfi, con una tecnica di gestione dei cavi esterni che alimentano gli utensili. La strategia di gestione impone vincoli sull’orientamento e lo spostamento degli utensili nello spazio operativo, consentendo la costruzione di una “probabilistic roadmap” gerarchica e orientata. Inoltre, con l’obiettivo di produrre percorsi di qualità rilevante, in questo lavoro si estende l’algoritmo “adaptive partial random shortcut” e viene presentata una distribuzione pesata basata sul gradiente per la selezione dei gradi di libertà da interpolarsi.