Implementación de MPC para el seguimiento de trayectorias en un robot móvil omnidireccional
DOI:
https://doi.org/10.17979/ja-cea.2025.46.12237Palabras clave:
Sistemas lineales de parámetros variables, Sistemas de control embebidos, Robots móviles, Control Predictivo basado en Modelo, Seguimiento de trayectoriasResumen
Este trabajo presenta una arquitectura de control para un robot móvil omnidireccional de tres ruedas, validada experimentalmente en la plataforma Robotino 4. La solución evita el uso de ROS (Robot Operating System) al delegar el cálculo del controlador predictivo a una estación externa con MATLAB, la cual se comunica con el robot mediante TCP/IP (Transmission Control Protocol/Internet Protocol). El robot ejecuta un programa en C++ que recibe consignas de velocidad y envía la odometría a la estación de control. Se ha implementado un control LPV-MPC (Linear Parameter Varying Model Predictive Control) que regula simultáneamente la posición (x, y) y la orientación ( θ),considerando restricciones sobre velocidad, aceleración y posición. El modelo se linealiza en tiempo real, lo que permite el seguimiento de trayectorias bajo condiciones realistas. La solución se ha validado mediante una trayectoria de referencia ovalada que muestra un buen rendimiento y errores acotados. La arquitectura es modular y escalable, y puede extenderse con planificación en entornos dinámicos o integración futura con ROS 2.
Referencias
Alcalá, E., Puig, V., Quevedo, J., Sename, O., 2020. Fast zonotope-tube-based lpv-mpc for autonomous vehicles. IET Control Theory & Applications 14 (20), 3676–3685. DOI: 10.1049/iet-cta.2020.0562
Atoui, H., Sename, O., Milanés, V., Martinez, J. J., 2022. Lpv-based autonomous vehicle lateral controllers: A comparative analysis. IEEE Transactions on Intelligent Transportation Systems 23 (8), 13570–13581. DOI: 10.1109/TITS.2021.3125771
Cáceres Flórez, C., Rosario, J., Amaya, D., 04 2018. Design, simulation, and control of an omnidirectional mobile robot. International Review of Mechanical Engineering (IREME) 12, 382. DOI: 10.15866/ireme.v12i4.13974
El-Sayyah, M., Saad, M., Saad, M., 01 2022. Enhanced mpc for omnidirectional robot motion tracking using laguerre functions and non-iterative linearization. IEEE Access PP, 1–1. DOI: 10.1109/ACCESS.2022.3220240
Fényes, D., Hegedűs, T., Németh, B., Gáspár, P., Koenig, D., Sename, O., 2020. Lpv control for autonomous vehicles using a machine learningbased tire pressure estimation. In: 2020 28th Mediterranean Conference on Control and Automation (MED). pp. 212–217. DOI: 10.1109/MED48518.2020.9183106
Mercorelli, P., Voss, T., Strassberger, D., Sergiyenko, O., Lindner, L., 2017. Optimal trajectory generation using mpc in robotino and its implementation with ros system. In: 2017 IEEE 26th International Symposium on Industrial Electronics (ISIE). pp. 1642–1647. DOI: 10.1109/ISIE.2017.8001493
Niemueller, T., Lakemeyer, G., Ferrein, A., mar 2013. Incremental task-level reasoning in a competitive factory automation scenario. In: AAAI Spring Symposium 2013 on Designing Intelligent Robots: Reintegrating AI II. Stanford University, CA, USA.
Villalba-Aguilera, E., 2024. Creación de escenarios para la navegaci´on de robot móvil. Final Master Report, ETSEIB, Universitat Polit`ecnica de Catalunya. URL: https://upcommons.upc.edu/handle/2117/414014
Villalba-Aguilera, E., 2025. Programa c++ para robotino. https://github.com/elena-villalba/robotino-lowlevel-interface, accedido el 29 de mayo de 2025.
Villalba-Aguilera, E., Blesa, J., Ponsa, P., 2025. Model-based predictive control for position and orientation tracking in a multilayer architecture for a three-wheeled omnidirectional mobile robot. Robotics 14 (6). DOI: 10.3390/robotics14060072
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Elena Villalba-Aguilera, Joaquim Blesa, Pere Ponsa
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
