DOI: https://doi.org/10.1038/s41598-026-37676-8
PMID: https://pubmed.ncbi.nlm.nih.gov/41724748
تاريخ النشر: 2026-02-22
المؤلف: Abdelrahman T. Elgohr وآخرون
الموضوع الرئيسي: خوارزميات تخطيط المسار الروبوتي
نظرة عامة
تقدم هذه الدراسة إطار عمل شامل من مرحلتين لتخطيط المسار وتحسينه لذراع روبوت صناعي ب6 درجات حرية، مصمم خصيصًا للتنقل في بيئات معقدة مليئة بالعقبات الموزعة عشوائيًا. تستخدم المرحلة الأولية مزيجًا من الاستيفاء الهندسي باستخدام B-spline ومخطط RRT-Connect ثنائي الاتجاه لتوليد مسار مرجعي خالٍ من التصادمات لروبوت KUKA KR 4 R600. ثم يتم تحسين هذا المسار باستخدام خوارزميات تحسين ميتاheuristic: خوارزمية الجينات الهجينة (WGA) ومُحسِّن الذئب الرمادي (GWO). يهدف عملية التحسين إلى تقليل دالة هدف مركبة تشمل طول مسار النهاية، واستهلاك الطاقة للمفاصل، ونعومة المسار، التي يتم قياسها بواسطة الارتجاج المفصلي. تظهر النتائج أن المسارات المحسنة تقلل بشكل كبير من الارتجاج بنسبة تقارب 94-96%، مع زيادة طفيفة فقط في طول المسار واستهلاك الطاقة، مما يضمن حركة سلسة وخالية من التصادمات تتماشى مع القيود الحركية.
تختتم الدراسة بالتأكيد على القابلية العملية للإطار المقترح، الذي يدمج التخطيط القائم على العينة مع التحسين متعدد الأهداف لإنتاج مسارات فعالة من حيث الطاقة ومقللة للارتجاج. بينما تكون الحلول الأولية من Bi-RRT فعالة في توليد مسارات قابلة للتطبيق، إلا أنها تفتقر إلى القابلية الفورية بسبب مستويات الارتجاج العالية. ستتضمن الأعمال المستقبلية التحقق التجريبي من المسارات المحسنة على الروبوت الفعلي KR 4 R600، مع التركيز على أداء التتبع، وتقليل الاهتزاز، وكفاءة الطاقة في الظروف الواقعية. يهدف هذا التمديد إلى مزيد من التحقق من فوائد الإطار واستكشاف اعتبارات عملية إضافية، مثل عرض النطاق الترددي للتحكم وضوضاء المستشعر.
مقدمة
تستعرض مقدمة ورقة البحث عدة مساهمات رئيسية في مجال تخطيط مسارات الروبوتات، خاصة في البيئات المليئة بالفوضى العشوائية. يقترح المؤلفون نهجًا هجينيًا من مرحلتين يجمع بين الأشجار العشوائية المستكشفة بسرعة (RRT) مع مرحلة عالمية مختصرة، باستخدام مقياس مرجح لنطاق المفاصل وفحوصات تصادم مستمرة. يتبع ذلك تحسين المسار الذي يتضمن التوقيت، مما يوازن بشكل فعال بين القابلية للتنفيذ وجودة التنفيذ. بالإضافة إلى ذلك، يقدم المؤلفون دالة تكلفة شاملة تأخذ في الاعتبار الديناميات، والتي تدمج طول المسار، والطاقة الثابتة، والارتجاج، والعقوبات على التصادمات والقيود على سرعة وتسارع المفاصل، مما يتماشى مع مقاييس الأجهزة العملية.
تقدم الورقة أيضًا مقارنة مزدوجة للميتاheuristics بين خوارزمية تحسين الحوت (WGA) وتحسين الذئب الرمادي (GWO) تحت قيود متطابقة، مما يكشف عن رؤى حول التوازن بين الاستكشاف والاستغلال وسلوكيات التقارب. علاوة على ذلك، يتم توفير خط أنابيب MATLAB قابل للتكرار، مما يسمح للمستخدمين بتعريف مواقع وأبعاد العقبات، مع تصورات ثلاثية الأبعاد ومخرجات موحدة للتحليل الإحصائي. يبرز جدول مقارنة الأدبيات منهجيات مختلفة وما تم الإبلاغ عنه من مكاسب من حيث وقت التخطيط، وجودة المسار، والقابلية للتنفيذ عبر سيناريوهات مختلفة، مما يبرز فعالية النهج الهجين المقترح في تحقيق مسارات أقصر وأكثر سلاسة مع الحفاظ على تجنب التصادمات في التطبيقات المحاكاة والواقعية.
طرق
تحدد منهجية الدراسة نهجًا منهجيًا لتخطيط حركة الروبوت في البيئات المزدحمة، بدءًا من تعريف مدخلات المشهد، بما في ذلك نموذج الروبوت (6-DoF مع قيود)، والتكوينات الأولية والهدف، والعقبات المحددة من قبل المستخدم. يتم تحويل هذه العقبات إلى هندسة تصادم مع هوامش أمان، والتي يتم مراقبتها باستمرار خلال عملية التصميم. يستخدم إطار تخطيط الحركة شجرة عشوائية مستكشفة بسرعة ثنائية الاتجاه (RRT) مع مقياس مسافة مرجح لنطاق المفاصل لتعزيز كفاءة الاستكشاف في فضاء المفاصل، مما يسهل ربط شجرتين من التكوينات الابتدائية والهدف مع ضمان مقاطع خالية من التصادمات.
لتحسين المسار الناتج، يتم استخدام مقاطع B-spline لإنشاء قالب مسار معتمد على الزمن، مما يسمح بحساب المشتقات بشكل مغلق حتى الارتجاج. تركز عملية التحسين على تقليل هدف واحد يشمل طول مسار النهاية، وطاقة المحرك، وتكامل الارتجاج في فضاء المفاصل لضمان النعومة. يتم استخدام خوارزميتين ميتاheuristic، خوارزمية الجينات المرجحة (WGA) ومُحسِّن الذئب الرمادي (GWO)، لتوليد وتقييم المسارات المرشحة بشكل تكراري بناءً على نقاط التحكم ومدد المقاطع، مع تقييمات تصادم مستمرة توجه اختيار المسار الأمثل. تشمل المخرجات النهائية تصورات ثلاثية الأبعاد وملفات حركية، مما يوضح فعالية التصميم المكون من مرحلتين في إنتاج حركات أقصر وأكثر سلاسة وكفاءة في استهلاك الطاقة في البيئات المعقدة.
نتائج
يقدم قسم النتائج في الورقة تقييمًا شاملاً لإطار عمل من مرحلتين لتخطيط المسار وتحسينه في مُعالج صناعي ب6 درجات حرية يعمل في بيئة مزدحمة. يتكون الإطار من Bi-RRT الموجه بواسطة B-spline مع اختصار لتوليد مسارات خالية من التصادمات، تليها تحسينات ميتاheuristic باستخدام خوارزمية الجينات المرجحة (WGA) وتحسين الذئب الرمادي (GWO) لتحسين المسارات بناءً على أهداف موجهة نحو التنفيذ مثل طول المسار، واستهلاك الطاقة للمفاصل، وارتجاج فضاء المفاصل.
أسفرت النتائج الأولية من مخطط B-spline عن مسار بطول 0.348 م، ومؤشر طاقة قدره 282.7 جول، وارتجاج قدره \(1.29 \times 10^5\). أنتج Bi-RRT مع الاختصار مسارًا أطول قليلاً بطول 0.3484 م ولكنه قلل بشكل كبير من استهلاك الطاقة إلى 196.11 جول، على الرغم من ارتفاع الارتجاج إلى \(2.23 \times 10^6\). أدت مراحل التحسين اللاحقة باستخدام WGA وGWO إلى تحسينات إضافية، حيث حققت WGA طول مسار قدره 0.402 م، ومؤشر طاقة قدره 398.2 جول، وارتجاج قدره \(1.25 \times 10^5\)، بينما حقق GWO طولًا قدره 0.407 م، ومؤشر طاقة قدره 398.3 جول، وارتجاج قدره \(1.00 \times 10^5\). أظهرت كلا التحسينات انخفاضًا كبيرًا في الارتجاج (حوالي 94-96%) مقارنة بمسار Bi-RRT غير المحسن، مما يدل على تحسين النعومة والجدوى الديناميكية.
تؤكد النتائج فعالية الإطار المقترح في تحقيق التوازن بين القابلية للتنفيذ، والكفاءة، والجودة الديناميكية، متجاوزة الأساليب الهندسية التقليدية والطرق الهجينة الحالية. لا ينتج دمج B-spline وBi-RRT والتحسين الميتاheuristic مسارات خالية من التصادمات فحسب، بل يحسن أيضًا بشكل كبير مقاييس الأداء الديناميكي، مما يجعله مناسبًا للتطبيقات الصناعية العملية. تؤكد النتائج قدرة الإطار على معالجة تعقيدات تخطيط المسار في البيئات ذات العقبات مع الحفاظ على الكفاءة التشغيلية والمتانة الميكانيكية.
مناقشة
في قسم المناقشة من ورقة البحث، يقوم المؤلفون بتلخيص الرؤى من الأدبيات الحالية حول تخطيط المسار والمسار للروبوتات الصناعية، مؤكدين على ضرورة اتباع نهج متوازن يأخذ في الاعتبار القابلية للتنفيذ، والكفاءة، والنعومة، والقيود الخاصة بالتطبيق. يبرزون تعقيد المهام الصناعية، مثل اللحام واللوجستيات، التي تتطلب استراتيجيات تخطيط متقدمة تتجاوز مجرد العثور على أقصر مسار. ينتقد المؤلفون المنهجيات الحالية لعدم اهتمامها غالبًا بالتكاليف المتعلقة بالتنفيذ، وخاصة الطاقة المفصلية والارتجاج، التي تعتبر حاسمة للتنفيذ العملي للحركات الروبوتية. يستخدم إطار العمل المقترح ذو المرحلتين شجرة عشوائية مستكشفة بسرعة ثنائية الاتجاه (Bi-RRT) لتحديد المسار الأولي، تليها تحسينات ميتاheuristic (خوارزمية الجينات الهجينة ومُحسِّن الذئب الرمادي) لتحسين المسارات مع اعتبار صريح للطاقة والارتجاج.
يجادل المؤلفون بأن الأساليب الحالية تركز بشكل أساسي على القابلية الهندسية وأقصر المسارات، مما يجعل النعومة غالبًا قضية ثانوية. يقترحون حلاً منهجيًا يدمج القابلية العالمية للتنفيذ مع جودة التنفيذ، مما يجعله مناسبًا بشكل خاص للتطبيقات الصناعية الواقعية المقيدة بالقيود الحركية والتنفيذية. من خلال اعتماد استراتيجية البذور والتكرار، تهدف طريقتهم إلى إنتاج مسارات ليست فقط خالية من التصادمات ولكن أيضًا محسنة من حيث كفاءة الطاقة والنعومة، مما يعالج فجوة كبيرة في الدراسات الحالية التي تركز على الروبوتات. تختتم الورقة بتوضيح هيكل الدراسة، الذي يتضمن منهجية مفصلة، ونتائج كمية، ومناقشة اتجاهات البحث المستقبلية في التعاون بين الإنسان والروبوت.
DOI: https://doi.org/10.1038/s41598-026-37676-8
PMID: https://pubmed.ncbi.nlm.nih.gov/41724748
Publication Date: 2026-02-22
Author(s): Abdelrahman T. Elgohr et al.
Primary Topic: Robotic Path Planning Algorithms
Overview
This research presents a comprehensive two-stage framework for path planning and optimization of a 6-DOF industrial robotic arm, specifically designed to navigate complex environments filled with randomly distributed obstacles. The initial stage employs a combination of B-spline geometric interpolation and a bidirectional RRT-Connect planner to generate a collision-free reference trajectory for the KUKA KR 4 R600 manipulator. This trajectory is then refined using two metaheuristic optimizers: the Whale Genetic hybrid algorithm (WGA) and the Grey Wolf Optimizer (GWO). The optimization process aims to minimize a composite objective function that includes end-effector trajectory length, joint energy consumption, and trajectory smoothness, quantified by joint jerk. The results demonstrate that the optimized trajectories significantly reduce jerk by approximately 94-96%, while only slightly increasing trajectory length and energy consumption, thereby ensuring smooth, collision-free motion that adheres to kinematic constraints.
The study concludes by emphasizing the practical applicability of the proposed framework, which integrates sampling-based planning with multi-objective optimization to produce energy-efficient and jerk-minimized trajectories. While the initial Bi-RRT solution is effective in generating viable paths, it lacks immediate applicability due to high jerk levels. Future work will involve experimental validation of the optimized trajectories on the physical KR 4 R600 robot, focusing on tracking performance, vibration reduction, and energy efficiency in real-world conditions. This extension aims to further validate the framework’s benefits and explore additional practical considerations, such as control bandwidth and sensor noise.
Introduction
The introduction of the research paper outlines several key contributions to the field of robotic trajectory planning, particularly in environments with random clutter. The authors propose a two-stage hybrid approach that combines Rapidly-exploring Random Trees (RRT) with a shortcutting global stage, utilizing a joint-range-weighted metric and continuous collision checks. This is followed by trajectory optimization that incorporates timing, effectively balancing feasibility with execution quality. Additionally, the authors introduce a summative, dynamics-aware cost function that integrates trajectory length, constant-power energy, jerk, and penalties for collisions and constraints on joint velocity and acceleration, aligning optimization with practical hardware metrics.
The paper also presents a dual-metaheuristic comparison of the Whale Optimization Algorithm (WGA) and Grey Wolf Optimization (GWO) under identical constraints, revealing insights into exploration-exploitation trade-offs and convergence behaviors. Furthermore, a reproducible MATLAB pipeline is provided, allowing users to define obstacle positions and dimensions, complete with 3D visualizations and standardized outputs for statistical analysis. The literature comparison table highlights various methodologies and their reported gains in terms of planning time, trajectory quality, and feasibility across different scenarios, emphasizing the effectiveness of the proposed hybrid approach in achieving shorter, smoother trajectories while maintaining collision avoidance in both simulated and real-world applications.
Methods
The methodology of the study outlines a systematic approach for robotic motion planning in cluttered environments, beginning with the definition of scene inputs, including the robot’s model (6-DoF with constraints), initial and target configurations, and user-defined obstacles. These obstacles are converted into collision geometries with safety margins, which are continuously monitored during the design process. The motion planning framework employs a bidirectional Rapidly-exploring Random Tree (RRT) with a joint-range-weighted distance metric to enhance exploration efficiency in joint space, facilitating the connection of two trees from the start and goal configurations while ensuring collision-free segments.
To optimize the generated trajectory, B-spline segments are utilized to create a time-parameterized trajectory template, allowing for the calculation of closed-form derivatives up to jerk. The optimization process focuses on minimizing a singular objective that includes the end-effector trajectory length, actuator energy, and the integral of joint-space jerk to ensure smoothness. Two metaheuristic algorithms, Weighted Genetic Algorithm (WGA) and Grey Wolf Optimizer (GWO), are employed to iteratively generate and evaluate candidate trajectories based on control points and segment durations, with continuous collision assessments guiding the selection of the optimal trajectory. The final output includes 3-D visualizations and kinematic profiles, demonstrating the effectiveness of the dual-stage design in producing shorter, smoother, and more energy-efficient motions in complex environments.
Results
The results section of the paper presents a comprehensive evaluation of a two-stage framework for trajectory planning and optimization in a 6-DOF industrial manipulator operating in a congested environment. The framework consists of a spline-guided Bi-RRT with shortcutting for generating collision-free trajectories, followed by metaheuristic optimization using Weighted Genetic Algorithm (WGA) and Grey Wolf Optimization (GWO) to refine the trajectories based on execution-oriented objectives such as path length, joint energy consumption, and joint-space jerk.
Initial results from the B-spline planner yielded a trajectory with a length of 0.348 m, an energy index of 282.7 Joules, and a jerk of \(1.29 \times 10^5\). The Bi-RRT with shortcutting produced a slightly longer trajectory of 0.3484 m but significantly reduced energy consumption to 196.11 Joules, albeit with a higher jerk of \(2.23 \times 10^6\). The subsequent optimization stages using WGA and GWO resulted in further improvements, with WGA achieving a trajectory length of 0.402 m, an energy index of 398.2 Joules, and a jerk of \(1.25 \times 10^5\), while GWO yielded a length of 0.407 m, an energy index of 398.3 Joules, and a jerk of \(1.00 \times 10^5\). Both optimizations demonstrated a substantial reduction in jerk (approximately 94-96%) compared to the unoptimized Bi-RRT path, indicating enhanced smoothness and dynamic feasibility.
The findings underscore the effectiveness of the proposed framework in balancing feasibility, efficiency, and dynamic quality, surpassing traditional geometric approaches and existing hybrid methods. The integration of B-spline, Bi-RRT, and metaheuristic optimization not only produces collision-free trajectories but also significantly improves dynamic performance metrics, making it suitable for practical industrial applications. The results validate the framework’s capability to address the complexities of trajectory planning in environments with obstacles while maintaining operational efficiency and mechanical durability.
Discussion
In the discussion section of the research paper, the authors synthesize insights from existing literature on path and trajectory planning for industrial robotics, emphasizing the necessity for a balanced approach that considers feasibility, efficiency, smoothness, and specific application constraints. They highlight the complexity of industrial tasks, such as welding and logistics, which demand advanced planning strategies that go beyond simply finding the shortest path. The authors critique current methodologies for often neglecting execution-related costs, particularly joint energy and jerk, which are crucial for the practical implementation of robotic movements. Their proposed two-stage framework utilizes a bidirectional Rapidly-Exploring Random Tree (Bi-RRT) for initial pathfinding, followed by metaheuristic optimization (Whale Genetic Algorithm and Grey Wolf Optimizer) to refine trajectories with explicit consideration of energy and jerk.
The authors argue that existing approaches primarily focus on geometric feasibility and shortest trajectories, often relegating smoothness to a secondary concern. They propose a systematic solution that integrates global feasibility with execution quality, making it particularly suitable for real-world industrial applications constrained by kinematic and actuation limitations. By employing a seed-and-refine strategy, their method aims to produce trajectories that are not only collision-free but also optimized for energy efficiency and smoothness, thus addressing a significant gap in current manipulator-centric studies. The paper concludes by outlining the structure of the study, which includes a detailed methodology, quantitative results, and a discussion of future research directions in human-robot collaboration.