Resumen de Planificación de movimiento mediante algoritmo de campos potenciales con optimizacion de parametros aplicado a un manipulador antropomorfico de 6 GLD

Sandro Manuel Alcántara Tacora, Erwin Daniel López Zapata, Jesús Peralta Toribio, Ricardo Raúl Rodríguez Bustinza

• español

  En este trabajo se desarrolla una variación del algoritmo de campos potenciales para la planificación de trayectorias que evita obstáculos aplicado a un manipulador antropomórfico de 6 grados de libertad. En primera instancia se generó el modelo de cinemática inversa basada en un proceso de control iterativo multivariable, luego se modificó el modelo agregando un vector de rotación obtenido por las fuerzas repulsivas entre el obstáculo y las seis articulaciones del robot de manera que el manipulador pueda encontrar una ruta que evite el obstáculo y alcance una posición objetivo. Este modelo final de cinemática inversa con campos potenciales genera trayectorias que dependen del parámetro de velocidad de optimización y de los coeficientes de campos vectoriales. Con el objetivo de optimizar las trayectorias se generó una base de datos con los puntos iniciales, finales y de obstáculos de diferentes trayectorias con sus respectivos parámetros optimizados para entrenar una red neuronal supervisada. Los resultados muestran que la red neuronal debe entrenarse con una mayor cantidad de datos debido a que se calculan parámetros erróneos para ciertas posiciones iniciales y finales. Finalmente, la simulación del manipulador de 6 grados de libertad que sigue la trayectoria generada por el modelo de cinemática inversa y campos potenciales con los parámetros optimizados calculados empíricamente resultan en un modelo con un comportamiento adecuado logrando evitar los obstáculos.

• English

  This paper develops a variation of potential field algorithm for obstacle avoidance trajectory planning applied to an anthropomorphic manipulator of 6 degrees of freedom. In the first instance, the inverse kinematics model was generated based on a multivariate iterative control process, then the model was modified by adding a rotation vector obtained by the repulsive forces between the obstacle and the six joints of the robot so that the manipulator can find a route that avoids the obstacle and reaches a goal position. This final model of inverse kinematics with potential fields generates trajectories that depend on the optimization step size parameter and the vector fields coefficients. In order to optimize the trajectories, a database was generated with the initial, final and obstacle points of different trajectories with their respective parameters optimized to train a supervised neural network. The results show that the neural network must be trained with a greater amount of data because it calculates erroneous parameters for certain initial and final positions. Finally, the simulation of the 6dof manipulator that follows the trajectory generated by the inverse kinematics model and potential fields with optimized parameters empirically calculated results in a model with an appropriate behavior managing to avoid obstacles.