مسیریابی مبتنی بر الگوریتمهای جستوجوی مسیر بهینه و هموارسازی برای رباتهای نرم پلیمری در محیط ایستا
محورهای موضوعی : سامانه های پلیمری تحریک پذیر
علی اسمعیلی
1
,
محمد حسین خالصی
2
,
محمدرضا دوستمحمدیان
3
1 - دانشگاه سمنان
2 - دانشگاه سمنان
3 - دانشگاه سمنان
کلید واژه: ربات نرم پلیمری, الگوریتم مسیریابی, هموارسازی مسیر , محیط ایستا,
چکیده مقاله :
رباتهای نرم پلیمری با بدنه انعطافپذیر خود برای ناوبری ایمن به مسیرهایی هموار با انحنای پیوسته نیاز دارند. با این حال، الگوریتمهای کلاسیک مسیریابی نظیر دیکسترا و A* صرفاً کوتاهترین مسیر را با چرخشهای تیز تولید میکنند که با سینماتیک این رباتها ناسازگار است. در این پژوهش، روشی برای هموارسازی مسیر با جایگزینی پیچهای قائمه توسط کمانهای دایرهای به شعاع متغیر ارائه و در محیطهای شبکهای با ۲۵۰ تا ۱۰۰۰ مانع تصادفی ارزیابی شده است. تحلیل حساسیت نشان میدهد افزایش تراکم موانع، درصد افزایش طول مسیر را بهشدت تشدید میکند؛ برای نمونه، در سناریوی ۱۰۰۰ مانع، طول مسیر با شعاع چهار متر تا ۲۳٪ افزایش مییابد. نسبت بازده خمش از ۹۰٪ در شعاع نیم متر به ۲۰٪ در شعاع ۴ متر نزول میکند و نسبت کارایی برای شعاعهای کوچکتر از یک متر در تمامی سناریوها مقادیر دو رقمی حفظ میشود. همچنین میانگین فاصله ایمن از موانع در بدترین حالت حدود ۱۷ متر باقی میماند. از منظر محاسباتی، الگوریتم A*، بهمراتب سریعتر از دیکسترا عمل میکند. یافتهها چارچوبی کمی برای انتخاب شعاع خمش متناسب با الزامات رباتهای نرم پلیمری فراهم میآورد. این رویکرد میتواند مبنایی کاربردی برای طراحی بهتر مسیر بلادرنگ رباتهای نرم پلیمری در محیطهای ایستا با تراکم بالا مانع قرار گیرد.
Polymer soft robots with flexible bodies require smooth paths with continuous curvature for safe navigation. However, classical path planning algorithms such as Dijkstra and A* generate only the shortest path with sharp turns, which is incompatible with the kinematics of these robots. In this study, a path smoothing method is proposed by replacing right-angle corners with circular arcs of variable radius, and evaluated in grid environments with 250 to 1000 random obstacles. Sensitivity analysis shows that increasing obstacle density drastically raises the percentage of path length increase; for instance, in the 1000-obstacle scenario, the path length increases by up to 23% for a radius of 4 meters. The bending efficiency ratio decreases from 90% at a radius of 0.5 m to 20% at 4 m, while the efficiency ratio maintains double-digit values for radii smaller than one meter across all scenarios. Moreover, the average safe distance from obstacles remains around 17 meters in the worst case. Computationally, the A* algorithm performs significantly faster than Dijkstra. The findings provide a quantitative framework for selecting the bending radius according to the requirements of polymer soft robots. This approach can serve as a basis for real‑time path design for polymer soft robots in static, highly cluttered environments.
1. Núñez-Calvo N., Sorrosal G., Cabanes I., Mancisidor A., Rodríguez-Guerra J., Enhancing accuracy in Mobile Manipulators: Challenges, current solutions and future needs, Robotics and Computer-Integrated Manufacturing, 96, Article 103041, 2025.
2. Eyvazian A., Song Y., Hovhannes C., Savari A., Sawaran Singh N.S., State-of-the-art soft robotic systems for unstructured and real-world environments: A systematic review, Engineering Science and Technology, an International Journal, 73, Article 102264, 2026.
3. Wang J., Zhou Z., Kahak A., Li S., Embodying physical computing into soft robots, Nature Communications, 17, Article 3384, 2026.
4. Willemstein N., Imanian M.E., van der Kooij H., Sadeghi A., Pellet-based 3D printing of soft thermoplastic elastomeric membranes for soft robotic applications, Materials & Design, 258, Article 114589, 2025.
5. Kulkarni S.S., Bayre N.M., Khan K.A., Modelling visco-hyperelastic response of Silicone based elastomers for soft robotics and foldable structure applications, International Journal of Engineering Science, 211, Article 104253, 2025.
6. Esmalipour S., Ajri M., Modeling and Analysis of the Bending Behavior of Soft Pneumatic Network Actuator with Hyperelastic Models, Amirkabir Journal of Mechanical Engineering, 55(8), pp. 1021-1042, 2023.
7. Molla M.H.O.R., Chen J., Xu C. Advancing soft robotics: recent progress in dielectric elastomer and fluid actuators. npj Robotics, 2026.
8. Zhou S., Li Y., Wang Q., Lyu Z. Integrated Actuation and Sensing: Toward Intelligent Soft Robots. Cyborg and Bionic Systems, 5, 0105,2024.
9. Zhang B., et al. Morphological design methodologies of soft robots. The Innovation, 6(2), 100578,2025.
10. Weng Z., Sun L., Li L., et al. Design and Implementation of a Three-Segment Tendon-Driven Soft Robot with Variable Stiffness. Biomimetics, 11(2) 2026.
11. Wang B., Sun H., Du J., et al. Kinematic modelling and closed-loop control of a novel soft continuum robot. Knowledge-Based Systems, 316, 113367 2025.
12. Liu L., Wang P., et al., Path planning techniques for mobile robots: Review and prospect, Expert Systems with Applications, 227, Article 120264, 2023.
13. Lee S., Joo H., Kim K., Kim H., Rolling-horizon genetic algorithm for adaptive path planning in hazardous environments, Computers and Electrical Engineering, 129, Article 110820, 2026.
14. Sabelhaus D., Röben F., Meyer zu Helligen L.P., Schulze Lammers P., Using continuous-curvature paths to generate feasible headland turn manoeuvres, Biosystems Engineering, 116(4), pp. 399–409, 2013.
15. Du S., Du M., Gao Y., Yang M., Hu F., Weng Y., Optimized motion planning for mobile robots in dynamic construction environments with low-feature mapping and pose-based positioning, Automation in Construction, 177, Article 106334, 2025.
16. Tang Y., Zakaria M.A., Younas M., A Review on Path Planning Algorithms for Autonomous Mobile Robots, Sensors, 25, Article 1206, 2025.
17. Ahmad, J., & Ab Wahab, M. N. Enhancing the safety and smoothness of path planning through an integration of Dijkstra’s algorithm and piecewise cubic Bezier optimization. Expert Systems with Applications, 289, Article 128315. 2025.
18. Šelek, A., & Seder, M. Smooth motion planning method for mobile robots in dynamic environments. Robotics and Autonomous Systems, 195, Article 105220. 2026.
19. Liu L., Wang S., Zhang S., Du H., Wang P., Path planning techniques for mobile robots: Review and prospect, Expert Systems with Applications, 229, 120466, 2023.
20. Venu S., Gurusamy M., A comprehensive review of path planning algorithms for autonomous navigation, Results in Engineering, 28, 107750, 2025.
21. Yang L., Qi H., Ma E., Qiu S., Li P., Huang Y., Mao J., Li M., Path Planning Technique for Mobile Robots: A Review, Machines, 11, 980, 2023.
22. Benrabah M., Orou Mousse C., Randriamariantsoa E., Chapuis R., Aufrère R., A Review on Traversability Risk Assessments for Autonomous Ground Vehicles: Methods and Metrics, Sensors, 24, 1909, 2024.
