Non-linear model predictive control for reactive trajectory replanning of a robotic manipulator

Motion planning in dynamic and collaborative robotic environments remains a challenging endeavor, especially in industrial applications where human-robot collaboration is increasingly prevalent. This work presents a high-level motion planning framework tailored to collaborative robotic manipulators operating in dynamic, unstructured scenarios. The proposed framework leverages Non-linear Model Predictive Control (NMPC) to generate collision-free joint-space trajectories, ensuring both task completion and operator safety. Particular emphasis is placed on the selection of suitable obstacle avoidance constraints to ensure the safety of human operators, which are developed following the guidelines of ISO 15066 technical specification. This work extends beyond existing literature by offering a comprehensive evaluation, both in simulation and in a real-world implementation, of the proposed framework, demonstrating its efficacy in handling dynamic obstacles and unstructured environments. Key contributions include the development of real-time perception pipeline and an in-depth analysis of NMPC parameters, offering insights into their influence on system behaviour and computational efficiency. The framework's practical application to a real robotic manipulator demonstrates its adaptability in collaborative pick-and-place scenarios. The outcomes contribute to advancing motion planning strategies for collaborative robotic manipulators, paving the way for safer and more efficient human-robot collaboration in dynamic industrial settings.

La pianificazione del movimento in ambienti robotici dinamici e collaborativi rimane una sfida complessa, soprattutto quando si considerano applicazioni industriali dove la collaborazione uomo-robot è sempre più diffusa. Questa tesi presenta un framework per la pianificazione del movimento di alto livello, adattato ad essere applicato ai manipolatori robotici collaborativi che operano in scenari dinamici e non strutturati. Il framework proposto sfrutta un algoritmo di controllo predittivo non lineare (Non-linear Model Predictive Control, NMPC) per generare traiettorie prive di collisioni nello spazio dei giunti, garantendo il completamento del task e la sicurezza dell'operatore. Particolare enfasi è posta sulla selezione dei vincoli per la prevenzione delle collisioni, i quali sono adatti a garantire la sicurezza degli operatori umani e sono sviluppati seguendo le linee guida previste dalla specifica tecnica ISO 15066. Questo lavoro si estende oltre la letteratura esistente offrendo una valutazione completa, sia in simulazione che in un'implementazione reale, del framework proposto, dimostrando la sua efficacia nel gestire ostacoli dinamici e ambienti non strutturati. I contributi principali includono lo sviluppo di una strategia per la percezione dell'ambiente in tempo reale e un'analisi approfondita dei parametri NMPC, la quale offre una panoramica della loro influenza sul comportamento del sistema e sull'efficienza computazionale dell'algoritmo. L'applicazione pratica del framework ad un vero manipolatore robotico dimostra la sua adattabilità ad applicazioni collaborative di pick-and-place. I risultati ottenuti contribuiscono a far progredire le strategie di pianificazione del movimento per i manipolatori robotici collaborativi, aprendo la strada a una collaborazione uomo-robot più sicura ed efficiente.