Dissertação

{pt_PT=Robot Grasp Planning in Domestic Environments} {} EVALUATED

{pt=O manuseamento robótico em ambientes domésticos é actualmente objecto de profunda investigação, visto que o grande número de variáveis que estes cenários colocam dificultam a sua concretização. Esta tese aborda o planeamento do manuseamento neste contexto de dificuldades. O primeiro problema a ser analisado é a escolha da pose - posicionamento e da orientação - do efector terminal que o sistema deve selecionar para agarrar um objecto. Como resposta a esta questão, este trabalho recorre a um método para detectar poses em nuvens de pontos de qualquer objecto desconhecido, seguido de uma abordagem para seleccionar a mais apropriada para o contexto. A segunda parte é o planeamento do movimento que vai permitir o posicionamento do efector terminal na pose anteriormente escolhida. Este planeamento implica o recurso a uma solução cinemática inversa (IK) para calcular a configuração final do braço e o cálculo de uma trajectória para o movimento evitando obstáculos. Isto foi executado através do MoveIt! framework juntamente com um algoritmo adicional para permitir uma desejada tolerância de forma a encontrar soluções exequíveis. Este trabalho foi implementado em ROS, utilizando o robot MBOT, e apresenta os resultados obtidos tanto em situações reais como em ambientes simulados, onde foi realizado um estudo comparativo relativo ao planeamento das trajectórias do braço e às soluções IK. A tese contribui com uma arquitectura de blocos em ROS que implementa as funcionalidades descritas acima e que consegue planear e executar o manuseamento com resultados de sucesso que podem ir até aos 90%, dependendo do cenário., en=Robotic grasping in domestic environments is nowadays a topic of intensive research, since the big number of variables and constraints in a household scenario makes it a difficult task to accomplish. This thesis addresses the problem of grasp planning in these situations. The first problem to deal with is the selection of the grasp pose for the end-effector - the position and orientation in which it should grasp the desired object. To tackle this issue, this work applies a method to detect grasp poses in point clouds with objects that may be unknown to the robot, followed by an approach to select the grasp candidate in terms of its appropriateness for a given scene. The second part of the grasping task is the motion planning that places the end-effector in the grasp pose. This involves getting a Inverse Kinematics (IK) solution for the goal arm configuration and a path in joint space for the trajectory of the arm avoiding any obstacle in the scene. This was addressed by using MoveIt! framework together with an additional tolerance method to compute feasible movements. This work was implemented in ROS, using the MBOT robot, and reports results for both the real world and the simulated environment, where a comparative study regarding the used motion planners and IK solvers was conducted. It contributes with an efficient pipeline, featuring the components mentioned above, which can plan and execute grasps with a success rate that may go up to 90%, depending on the scenario.}
{pt=Ambientes Não-Controlados, Nuvens de Pontos, MoveIt!, Planeamento de Trajectórias, Cinemática Inversa, Detecção de Colisões, en=Uncontrolled Scenarios, Point Clouds, MoveIt!, Motion Planning, Inverse Kinematics, Collision Avoidance}

Novembro 21, 2018, 9:0

Orientação

ORIENTADOR

Miguel Afonso Dias de Ayala Botto

Departamento de Engenharia Mecânica (DEM)

Professor Catedrático

ORIENTADOR

Pedro Manuel Urbano de Almeida Lima

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado