Analýza požadavků na řídicí algoritmy robotů s výraznou dynamikou

Abstract

Bakalářská práce se věnuje tématu sledovaní cesty mobilním robotem s vysokou dynamikou. Práce porovnává pět lokálních řídicích algoritmů v rámci známého frameworku Nav2: Model Predictive Path Integral (MPPI), Dynamic Window Approach (DWB), Graceful Controller (GC), Regulated Pure Pursuit (RPP) a Vector Pursuit (VP) pro vysoce dynamickou tříkolovou platformu Helhest. V realistické simulaci Gazebo se měřila rychlost, plynulost, odchylka od dráhy, bezpečný odstup od překážek a zatížení CPU. Z šesti scénářů vyšlo najevo, že Vector Pursuit nabízí nejlepší kompromis mezi přesností, rychlostí a výpočetní náročností, a je proto doporučen pro nasazení. Priležitostnými kandidaty jsou také MPPI a GC.This bachelor thesis deals with the topic of path tracking by a mobile robot with high dynamics. The thesis compares five local control algorithms within the well-known Nav2 framework: Model Predictive Path Integral (MPPI), Dynamic Window Approach (DWB), Graceful Controller (GC), Regulated Pure Pursuit (RPP) and Vector Pursuit (VP) on the highly dynamic threewheeled Helhest robot. A physicsaccurate Gazebo simulation evaluates speed, smoothness, path error, obstacle clearance and CPU load across six scenarios. Results show Vector Pursuit delivers the most balanced mix of accuracy, runtime and computational efficiency, making it the recommended default for Helhest deployment. MPPI and GC are also occasional candidates for some scenarios.