Potential Field

Também chamado: artificial potential field, APF
Categoria: Planning & manipulation › Motion planning
Tags: motion-planning, obstacle-avoidance, reactive-control, navigation, gradient-descent

Um método de planejamento e controle em que o objetivo atrai e os obstáculos repelem, e o robô segue o gradiente do potencial combinado; simples e reativo, mas sujeito a mínimos locais.

Definição

No método do campo potencial artificial (artificial potential field), o robô é tratado como uma partícula que se move em um campo escalar U(q) definido sobre seu espaço de trabalho ou espaço de configurações. Um potencial atrativo, muitas vezes quadrático na distância até o objetivo, o puxa em direção ao alvo. Potenciais repulsivos, que crescem bruscamente à medida que o robô se aproxima de um obstáculo e se anulam além de uma distância de influência, o afastam dos obstáculos. O robô é comandado a seguir o gradiente negativo −∇U, que age como uma força virtual. Khatib (1986) introduziu a abordagem para desvio de obstáculos em tempo real por manipuladores e robôs móveis, aplicando as forças virtuais em pontos do braço e mapeando-as em torques nas juntas por meio da transposta da jacobiana.

O atrativo é que o cálculo é local e barato. Cada passo precisa apenas das distâncias atuais até os obstáculos próximos, então o método reage imediatamente a obstáculos em movimento e roda em taxas de controle. A principal limitação é que seguir o gradiente para em qualquer mínimo local de U, onde as forças atrativas e repulsivas se cancelam: um robô pode ficar preso dentro de um obstáculo em forma de U ou diante de uma abertura entre dois obstáculos próximos. Campos potenciais também podem oscilar em passagens estreitas, e quando um obstáculo fica perto do objetivo, a repulsão pode impedir o robô de alcançá-lo.

Existem vários remédios. As funções de navegação, introduzidas por Rimon e Koditschek, são potenciais construídos para ter um único mínimo no objetivo para certas classes de ambiente, e funções potenciais harmônicas evitam mínimos espúrios por construção. Com mais frequência, campos potenciais são combinados com um planejador global que fornece waypoints intermediários, com movimentos aleatórios para escapar de mínimos, ou usados como um termo em um controlador baseado em otimização. A mesma ideia de descer o gradiente de um custo construído a partir de objetivos e obstáculos aparece em trabalhos atuais com outros nomes, como custos de campos de distância com sinal em otimizadores de trajetória e paisagens de custo compostas dinamicamente para manipulação reativa.

Por que importa

Campos potenciais são uma das formas mais simples de obter desvio reativo de obstáculos, e seu problema de mínimos locais é a ilustração clássica de por que controle reativo e planejamento global são combinados. Seguir o gradiente de custos de objetivo e de obstáculos continua no núcleo de muitos controladores reativos e otimizadores de trajetória.

Principais aplicações

Desvio reativo de obstáculos para robôs móveis
Evitação de colisões em tempo real para manipuladores perto de pessoas ou objetos em movimento
Coordenação multirrobô e de enxames com repulsão entre robôs
Navegação de drones em espaços congestionados
Camadas de controle local abaixo de um planejador global de caminhos
Termos de custo em otimização de trajetória e manipulação reativa

Na prática

Um pequeno robô de tração diferencial usa um lidar 2D para se mover por um laboratório. A cada varredura, o controlador calcula uma força atrativa em direção ao próximo waypoint e uma força repulsiva de cada retorno do lidar dentro de uma distância de influência definida, soma as duas e converte o resultado em comandos de velocidade linear e angular. O robô desvia de pessoas que passam sem replanejar. Quando fica preso em um canto formado por duas mesas, a equipe detecta o travamento pela velocidade quase zero enquanto o objetivo ainda está longe, e faz o planejador global inserir um waypoint intermediário em volta do obstáculo. A equipe também limita a força repulsiva e suaviza as velocidades comandadas para impedir que o robô oscile em vãos de porta.

Equívocos comuns

Seguir o campo potencial sempre leva ao objetivo — seguir o gradiente pode parar em mínimos locais onde as forças atrativas e repulsivas se cancelam
Campos potenciais são um método de planejamento completo — são locais e reativos e costumam ser combinados com um planejador global quando um caminho precisa ser garantido
Repulsão mais forte sempre torna o robô mais seguro — repulsão forte ou ampla demais pode bloquear passagens estreitas e causar oscilação

Quem deve saber

Engenheiros de robôs móveis e de navegação
Engenheiros de controle de manipuladores que trabalham com evitação de colisões
Desenvolvedores de sistemas multirrobô e de drones
Estudantes aprendendo planejamento de movimento clássico

Tecnologias relacionadas

Funções de navegação (Navigation Functions)
Vector Field Histogram
Dynamic Window Approach
Campos de distância com sinal (Signed Distance Fields)
Formulação no espaço operacional (Operational Space Formulation)

Termos relacionados

Projetos relacionados

Nav2: ROS 2 navigation stack with path planning and obstacle avoidance for mobile robots
DimOS: Python robotics runtime with agents, SLAM and teleop, no ROS required
ROS Motion Planning: One repo implementing 40+ classic and learning-based robot path planners as ROS plugins
OMPL: Sampling-based motion planning library powering MoveIt and countless robotics applications
MRPT: Comprehensive C++ toolkit for mobile robotics, SLAM, and sensor-based navigation
MoveIt 2: Motion planning framework for ROS 2 robot arms, with kinematics and collision checking