Planificación de trayectorias para vehículos de superficie no tripulados

Abstract

En la actualidad los sistemas autónomos nos acompañan en nuestro día a día pero aun quedan muchos retos por superar en este área de conocimiento. Los vehículos autónomos representan un caso de uso muy interesante tanto desde el punto de vista científico como tecnológico y en el mundo naval se comienzan a ver los primeros avances para el desarrollo de sistemas de navegación autónomos. El objetivo de este trabajo ha sido investigar y desarrollar algoritmos de la familia C-Space sampling-based para generar trayectorias para vehículos de superficie no tripulados. El objetivo principal se ha basado en la integración de restricciones cinemáticas y dinámicas en el algoritmo RRT* durante la fase de exploración. Mediante experimentos de simulación se ha probado el algoritmo desarrollado y se han evaluado sus características principales. Entre las sugerencias para trabajos futuros se incluyen incorporar información dinámica en la generación de trayectorias y la detección de inexactitudes del modelo en entornos reales debido a los efectos de distintos estados de mar, aumentando así los márgenes de seguridad cuando sea necesario.

Nowadays, autonomous systems accompany us in our daily lives, but there are still many challenges to overcome in this area of knowledge. Autonomous vehicles represent a very exciting use case from both a scientific and technological point of view, and the naval world is beginning to see the first advances in the development of autonomous navigation systems. The goal of this final proyect has been to research and develop algorithms based on C-Space sampling to generate trajectories for unmanned surface vehicles operating in marine environments. The focus has been on integrating kinodynamic constraints in the RRT* algorithm during the exploration phase. Through simulation experiments, the developed algorithm has been tested and its key features evaluated. Future work suggestions include incorporating dynamic information in trajectory generation and considering disturbances to estimate the model’s error in the real system and to set appropriate safety margins.