Planejamento de movimento para veículos convencionais usando Rapidly-Exploring Random Tree

Este trabalho tem o objetivo de apresentar um planejador de movimento para veículos convencionais baseado no algoritmo Rapidly-Exploring Random Tree (RRT). O RRT foi escolhido por ser capaz de lidar com o modelo de movimentação de um veículo convencional, que está sujeito a restrições cinemáticas e dinâmicas, as quais tornam o problema de planejamento de movimento mais difícil. As restrições cinemáticas de um veículo convencional impedem que ele gire ao redor do próprio eixo ou se movimente lateralmente, e as restrições dinâmicas limitam sua velocidade e aceleração. O planejador de movimento desenvolvido neste trabalho é capaz de realizar planejamentos para pista e em áreas livres. No planejamento para pista, o objetivo é manter o carro em sua faixa, sem invadir a contra mão. No planejamento em áreas livres, o objetivo é gerar trajetórias capazes de estacionar o veículo. O desempenho do planejador de movimento foi avaliado em um arcabouço de simulação de veículos autônomos em uma plataforma robótica chamada IARA, baseada no automóvel de passeio Ford Escape Hybrid adaptado com sensores e mecanismos para controlar o acelerador, freio, posição do volante, etc., por meio de computadores instalados no carro. Os resultados experimentais demonstram que o planejador de movimento é capaz de produzir trajetórias livres de colisão em tempo real. Além disso, as trajetórias geradas pelo planejador de movimento podem gastar uma quantidade de energia equivalente àquelas geradas por um motoristaThis work presents a motion planning for car-like robots based on the Rapidly-Exploring Random Tree (RRT) algorithm. RRT was chosen because it is capable of handling with the motion model of a car-like vehicle that is subject to kinematic and dynamic constraints, which make the motion planning problem harder. Kinematic constraints of a car-like robot prevent it from turning around its own axis or moving laterally, and dynamic constraints limit its speed and acceleration. The motion planner developed in this work is able to plan on the road and in open areas. When planning on the road, the goal is to keep the car in its lane, without invading the counter hand. When planning in open areas, the goal is to generate trajectories able to park the car. The performance of the motion planner was evaluated in a simulation framework for autonomous vehicles and in a robotic platform called IARA. IARA is built upon the Ford Escape Hybrid equipped with sensors and modified with mechanisms for controlling the throttle, brake, steering wheel position, etc., through computers installed in the car. Experimental results demonstrate that the motion planner is capable of planning collision-free trajectories in real time. Moreover, the trajectories generated by the motion planner can spend an amount of energy equivalent to those generated by a driverCoordenação de Aperfeiçoamento de Pessoal de Nível Superio