Trajectory Planning for Multi-Articulated Industrial Vehicles: A Nonlinear Programming Approach
Nome: ISRAEL NARDOTO BARBOZA
Data de publicação: 31/07/2026
Banca:
Nome |
Papel |
|---|---|
| ALBERTO FERREIRA DE SOUZA | Presidente |
| ANDRE GEORGHTON CARDOSO PACHECO | Examinador Interno |
| CLAUDINE SANTOS BADUE | Coorientador |
| FRANCISCO DE ASSIS BOLDT | Examinador Externo |
Resumo: Este trabalho apresenta o NLP-MATPlan (Nonlinear Programming-based Multi-Articulated
Trajectory Planning), um framework de planejamento de trajetória desenvolvido para
viabilizar manobras autônomas seguras e eficientes para caminhões multi-articulados
em instalações industriais complexas. O objetivo principal deste framework é computar
uma trajetória precisa e fisicamente viável de um estado inicial até um destino alvo,
considerando a cinemática do veículo e as restrições do ambiente. Além disso, o framework
foi projetado para ser flexível, adaptando-se a uma variedade de plataformas de veículos e
composições multi-articuladas. Consequentemente, ele aborda explicitamente os principais
desafios inerentes a esses veículos, incluindo subatuação, restrições não holonômicas, arraste
lateral (off-tracking) e o efeito canivete (jackknifing) durante manobras em marcha à ré. A
abordagem proposta desacopla a exploração global da otimização contínua por meio de
um método de busca A* Híbrido, que avalia uma função de custo abrangente. Essa função
integra um custo acumulado (cost-to-come), que penaliza a proximidade de obstáculos e
manobras direcionais, com um custo heurístico estimado até o destino (cost-to-go), que
utiliza estimativas holonômicas e não holonômicas para guiar eficientemente a seleção de
nós. Para garantir uma transição suave da exploração discreta para a otimização contínua,
uma formulação de programação não-linear (NLP) é sistematicamente inicializada a cada
iteração por meio da interpolação linear entre o estado candidato de custo mínimo e o
destino final via warm-start. Ao modelar a cinemática do veículo através de um sistema
de Equações Diferenciais Ordinárias (EDOs), a etapa de NLP gera uma trajetória de
estado completo, parametrizada no tempo e suave. Especificamente, o solucionador (solver)
produz a configuração completa e cinematicamente compatível do veículo em cada passo
de tempo, compreendendo a pose planar do veículo articulado, a velocidade longitudinal, o
ângulo de esterçamento e o vetor de ângulos de articulação. A segurança é garantida pela
incorporação de uma estratégia de verificação de colisões baseada em círculos para validar
a trajetória planejada. O framework é integrado a uma arquitetura autônoma modular de
Nível 4 da SAE, derivada da plataforma da IARA (Intelligent Autonomous Robotic Auto-
mobile) e estendida para caminhões pesados em escala real. A validação engloba simulações
de configurações multi-articuladas e testes de campo reais de docagem autônoma. Nesses
cenários, manter um erro lateral terminal abaixo de 0,15 m é um requisito físico estrito da
doca para garantir o acoplamento mecânico adequado. Os resultados demonstram que o
NLP-MATPlan gera consistentemente trajetórias viáveis e livres de colisão, compensando
com sucesso erros laterais iniciais de até 0,35 m. O sistema executa de forma confiável
essas manobras de docagem em marcha à ré, alcançando um desvio de orientação (heading)
terminal inferior a 1° e mantendo o erro lateral terminal do semirreboque abaixo de 0,07 m.
Combinado com um tempo médio de processamento de CPU inferior a 1 s, o framework
comprova sua capacidade para aplicações industriais em tempo real.
