Open Source Robotics

Una colección curada de proyectos, herramientas y software de robótica de código abierto de alta calidad.

Homotopy Class

  • También llamado: homotopy class of paths
  • Categoría: Planning & manipulation › Motion planning
  • Etiquetas: motion-planning, topology, trajectory-optimization, mobile-navigation

Un conjunto de caminos con el mismo inicio y objetivo que pueden deformarse de forma continua unos en otros sin atravesar un obstáculo, como todos los caminos que pasan a la izquierda de un pilar dado.

Definición

Dos caminos con los mismos puntos de inicio y fin son homotópicos (homotopic) si uno puede deformarse de forma continua en el otro mientras los extremos permanecen fijos y cada camino intermedio permanece en el espacio libre. Esta relación divide todos los caminos posibles en clases de equivalencia, llamadas clases de homotopía (homotopy classes). En un plano con un obstáculo entre el inicio y el objetivo, los caminos que pasan por su izquierda forman una clase y los que pasan por su derecha forman otra; los caminos que rodean el obstáculo una o más veces antes de llegar al objetivo forman clases adicionales, de modo que incluso un solo obstáculo produce infinitas clases, distinguidas por su número de vueltas. Cada obstáculo adicional multiplica las posibilidades.

El concepto importa porque la mayoría de los optimizadores de caminos trabajan de forma local. Los optimizadores de trayectorias basados en gradiente y las bandas elásticas deforman un camino para hacerlo más corto o más suave, pero no pueden empujarlo a través de un obstáculo, así que solo encuentran el mejor camino dentro de la clase en la que empezaron. Los planificadores globales deciden qué clase usar, a menudo de forma implícita. Un planificador basado en muestreo como RRT puede encontrar primero un camino por un hueco y descubrir más tarde un camino más corto por otro, lo que se manifiesta como una caída brusca del coste del camino en lugar de una mejora gradual. Los planificadores conscientes de la homotopía hacen esto explícito siguiendo varias clases en paralelo y optimizando el mejor camino de cada una.

En la práctica, los planificadores suelen usar un invariante calculable en lugar de la homotopía misma. En problemas planos, una H-signature o un recuento del ángulo de giro alrededor de cada obstáculo indica por qué lado de cada obstáculo pasa un camino, lo que en sentido estricto identifica la clase de homología, relacionada pero más gruesa. En el espacio de configuraciones de mayor dimensión de un brazo, las clases siguen existiendo pero son difíciles de enumerar, por lo que se tratan sobre todo para robots móviles, vehículos y problemas planos.

Por qué importa

Saber a qué clase de homotopía pertenece un camino explica por qué un optimizador local se queda atascado con un rodeo largo, por qué el coste de un planificador salta de golpe y por qué un robot puede oscilar entre pasar un obstáculo por la izquierda y por la derecha. Los planificadores que razonan sobre clases evitan estos fallos y pueden ofrecer opciones de ruta realmente distintas.

Aplicaciones clave

  • Planificadores locales para robots móviles que mantienen rutas alternativas alrededor de los obstáculos
  • Explicar cambios bruscos en el coste de la solución en planificadores anytime y asintóticamente óptimos
  • Elegir estimaciones iniciales para la optimización de trayectorias
  • Navegación multirrobot y entre multitudes, donde hay que acordar el lado por el que pasar
  • Robots con cable, donde la clase del cable alrededor de los obstáculos limita los caminos alcanzables

En la práctica

Un robot de almacén usa un planificador local que mantiene varias trayectorias candidatas, cada una en una clase de homotopía distinta alrededor de los palés y las personas cercanos. En cada ciclo optimiza cada candidata en tiempo y holgura y luego elige la más barata. Si no se tiene cuidado, dos opciones casi iguales hacen que el robot cambie de lado de un ciclo al siguiente y se tambalee sin avanzar, así que el equipo añade histéresis: una clase nueva debe superar a la actual por un margen antes de que el robot cambie de opinión. También limitan el número de clases exploradas para que el planificador se mantenga dentro de su tiempo de ciclo.

Ideas erróneas comunes

  • Los caminos homotópicos tienen longitudes similares — la homotopía es una propiedad topológica; dos caminos de la misma clase pueden diferir mucho en longitud
  • Solo hay tantas clases como formas de rodear los obstáculos — rodear un obstáculo repetidamente crea infinitas clases
  • Un optimizador local encontrará el camino más corto global con suficientes iteraciones — permanece en la clase de su camino inicial
  • Las clases de homotopía y de homología son lo mismo — la homología es más gruesa, y las firmas prácticas como la H-signature identifican clases de homología

Quién debería saberlo

  • Investigadores en planificación de movimiento que trabajan en planificación óptima y multimodal
  • Ingenieros de navegación de robots móviles que ajustan planificadores locales
  • Profesionales de la optimización de trayectorias que eligen inicializaciones
  • Estudiantes de topología del espacio de configuraciones

Tecnologías relacionadas

  • H-signature
  • Planificador Timed Elastic Band (TEB)
  • Número de vueltas (winding number)
  • Diagrama de Voronoi
  • Grafo de visibilidad (visibility graph)
  • CHOMP y TrajOpt

Términos relacionados

  • Configuration Space
  • Elastic band
  • RRT*
  • Anytime Motion Planning
  • Narrow Passage Problem
  • Motion Planning

Proyectos relacionados

  • OMPL: Sampling-based motion planning library powering MoveIt and countless robotics applications
  • MoveIt 2: Motion planning framework for ROS 2 robot arms, with kinematics and collision checking
  • PyRoki: Modular Python toolkit for kinematic optimization across CPU, GPU, and TPU via JAX
  • mink: Python inverse kinematics library built on MuJoCo supporting 20+ robot platforms
  • Ruckig: Real-time jerk-constrained time-optimal trajectory generation for robots and machines
  • NeuPAN: Real-time end-to-end planner that maps raw lidar points directly to robot actions

Este sitio web requiere JavaScript. Por favor, habilite JavaScript para explorar nuestros proyectos de robótica.