In this thesis, we introduce new algorithm for motion planning problem under constraints. So far, the research of motion planning has been progressed. As the degree-of-freedom of system is going higher, sampling-based motion planning method becomes main solution of nding path from initial to goal point. One of the most general sampling-based motion planning algorithm is Rapidly-exploring Random Tree(RRT) algorithm. RRT algorithm has good performance of searching unexplored region in any dimension of the searching space. Combining the greedy heuristics of bidirectional search with RRT algorithm, Bidirectional RRT algorithm is also introduced. It shows powerful performance of connecting
two search trees, one is from initial point the other is from goal point. One of the specific research area is motion planning problem considering many kinds of constraints. Many research of this area has also been proceeded for many researchers. To satisfy constraints, especially for the equality constraints, projection method is typically used which is implemented based on the Newton-Raphson method. It has an advantage of not to discarding any random samples when sampling procedure of RRT-based algorithms. Instead, it projects these random samples onto the constraint manifold, subspace of the joint space which is created by the equality constraints. Also, there is an issue of selecting distance metric when extending search trees. Many of the researches approach this topic as if they just hope for Lp metric is going well. But selecting appropriate metric is as hard as solving motion planning problem. It causes the unexpected results when searching trees such as an unnecessary nodes, ability of searching unexplored area is decreased. Proposed algorithm focuses on these problems to help planner create searching tree as the user expects. It decreases the creation of useless nodes and alleviate the burden of projection method. As a result, it reduces total computational costs and it shows better performance compared to other proposed algorithms. Proposed algorithm is applied for two problems, one is solving maze problem using PUMA560 under pre-defined constraints and the other is closed-chain problem using two Selective Compliance Assembly Robot Arm(SCARA) robot. These simulations show better performances than existing algorithm.
모션 플래닝은 로봇의 특정 업무 수행에 필수적인 요소 중 하나로, 많은 분야에 대해 활발한 연구가 진행 중이다. 이 중 메니퓰레이터의 모션 플래닝 문제는 공장의 무인화와 더불어 산업적으로 중요한 부분임과 동시에 휴머노이드 로봇 팔 동작 까지 다방면에 걸쳐 있는 문제이다. 로봇에 대해 더욱 더 높은 수준의 작업 난이도를 요구함에 따라 이를 만족할 수 있는 복잡한 로봇들이 제안되었으며, 로봇의 복잡도가 증가할수록 모션 플래닝 문제를 푸는 데에 필요한 계산량은 기하급수적으로 증가하였다. 이 복잡한 경우의 모션 플래닝에 대해 적은 계산량으로도 도달할 수 있는 경로를 생성하는 방법이 샘플링 기반 모션 플래닝 방법으로 대표적인 알고리즘으로는 재빠르게 탐색하는 임의 트리 알고리즘이 있다. 여기에 더해 쌍방향 경로 생성의 휴리스틱을 적용한 알고리즘이 샘플링 기반 모션 플래닝 방법의 기초를 제공한다. 일반적으로, 대다수의 모션 플래닝 문제는 보통 주어진 문제에 대한 제약조건이 걸리기 마련이다. 그 제약 조건은 어떠한 조건이냐에 따라 주어진 로봇의 자유도를 감소시키게 되고 문제를 푸는 데 어려움을 야기한다. 본 학위 논문에서는 이러한 제약 조건 하에 모션 플래닝을 할 때 로봇의 관절 공간을 중심으로 접근한다. 관절 공간에서 실제 관절의 움직임에 대한 경로 계획을 함으로써 3차원 유클리디안 공간 내에 로봇의 끝점 궤적을 생성하게 되면 역운동학을 푸는 데 걸리는 계산을 포함하지 않아도 되는 장점이 있다. 또한 이 제약 조건이 관절 공간 내에서 어떻게 표현되었는지, 그 제약 조건이 만든 소공간의 기하학적 성질과 특징을 분석하여 제안된 알고리즘이 경로를 탐색할 때의 과정에 있어 효과적인 경로를 생성할 수 있도록 한다.
