Planificación de trayectorias para robots blandos mediante grafos k-NN y simulación por elementos finitos
DOI:
https://doi.org/10.17979/ja-cea.2026.47.13757Palabras clave:
Robótica blanda, Planificación de trayectorias, Modelado y optimización de sistemas robóticos, Métodos numéricos de planificaciónResumen
Este trabajo presenta una metodología para analizar la planificación de trayectorias en un robot blando a partir de un workspace generado mediante simulación en SOFA. El conjunto de posiciones alcanzables del efector final se representa como un grafo de vecinos más cercanos, sobre el que se aplica el algoritmo de Dijkstra con un coste ponderado que combina distancia geométrica y coste de actuación. Mediante un barrido del parámetro α, se obtiene una familia de trayectorias entre dos puntos del workspace. Estas trayectorias se evalúan posteriormente en el plano longitud-coste de actuación, permitiendo identificar las soluciones no dominadas dentro del conjunto generado. Los resultados muestran que la trayectoria de menor longitud no coincide necesariamente con la de menor coste de actuación acumulado, lo que evidencia la utilidad de considerar ambos criterios durante la planificación.
Referencias
Coevoet, E., Morales-Bieze, T., Largilliere, F., Zhang, Z., Thieffry, M., Sanz-Lopez, M., Carrez, B., Marchal, D., Goury, O., Dequidt, J., Duriez, C., 2017. Software toolkit for modeling, simulation, and control of soft robots. Advanced Robotics 31 (22), 1208–1224. DOI: 10.1080/01691864.2017.1395362
Dijkstra, E.W., Dec. 1959. A note on two problems in connexion with graphs. Numer. Math. 1 (1), 269–271. DOI: 10.1007/BF01386390
Faure, F., Duriez, C., Delingette, H., Allard, J., Gilles, B., Marchesseau, S., Talbot, H., Courtecuisse, H., Bousquet, G., Peterlik, I., Cotin, S., 2012. SOFA: A Multi-Model Framework for Interactive Physical Simulation. Springer Berlin Heidelberg, Berlin, Heidelberg, pp. 283–321. DOI: 10.1007/8415 2012 125
Kavraki, L., Svestka, P., Latombe, J., Overmars, M., 09 1996. Probabilistic roadmaps for path planning in high-dimensional configuration spaces. Robotics and Automation, IEEE Transactions on 12, 566 – 580. DOI: 10.1109/70.508439
Nagua, L., Monje, C., Continelli, N., Balaguer, C., 08 2023. A new approach for direct kinematic solution of a soft robotic neck. pp. 697–701. DOI: 10.17979/spudc.9788497498609.697
Rodríguez–Sanz, A., Lipa, G., Rouquette, B., Muñoz, J., Monje, C. A., 2026. Fem-based optimization of the mechanical properties of a soft robotic neck. In: 2026 IEEE/SICE International Symposium on System Integration (SII). pp. 1380–1385. DOI: 10.1109/SII64115.2026.11404582
Rus, D., Tolley, M. T., may 2015. Design, fabrication and control of soft robots. Nature 521 (7553), 467–475, pMID: 26017446. DOI: 10.1038/nature14543
Veil, C., Flaschel, M., Kuhl, E., 2026. Shape-space graphs: Fast and collisionfree path planning for soft robots. IEEE Robotics and Automation Letters. DOI: 10.1109/LRA.2026.3674004
Wilde, N., Smith, S. L., Alonso-Mora, J., 2024. Scalarizing multi-objective robot planning problems using weighted maximization. IEEE Robotics and Automation Letters 9 (3), 2503–2510. DOI: 10.1109/LRA.2024.3357313
Yi, D., Goodrich, M., Seppi, K., 06 2015. MORRF*: Sampling-based multiobjective motion planning. In: Proceedings of the International Joint Conference on Artificial Intelligence (IJCAI). pp. 1733–1739.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Gerson Lipa, Alberto Rodríguez, Luis Nagua, Cristina García, Sara García, Jorge Muñoz, Concepción A. Monje
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
