El presente tema de tesis presenta un nuevo método de muestreo adaptativo basado en el análisis de componentes principales (PCA). El método de muestreo es iterativo y se basa en ir adaptando periódicamente la base del espacio de configuraciones del sistema robótico usado para la obtención de las muestras, a partir del análisis de componentes principales de las muestras libres de colisión obtenidas hasta el momento. Al método de muestreo se aplicara a un planificador del tipo PRM (Probalistic RoadMap Method).
El desarrollo, se ha realizado en dos partes, la primera parte consiste en implementar el método de muestreo propuesto, realizando ejemplos y pruebas para garantizar la viabilidad de dicho método.
La segunda parte está enfocada en optimizar la planificación de movimientos aplicando un PRM PCA (usa el método de muestreo desarrollado en la primera parte) el cual se aplica a un sistema robótico brazo-mano (brazo robot Stäubli TX90 de seis grados de libertad, equipado con una mano mecánica Shunk SAH de 13 grados de libertad), con una configuración final de aprehensión constreñida.
A sí mismo para realizar una comparación y verificar el rendimiento del PRM PCA, se ha implementado un PRM Gaussiano (basado en muestreo Gaussiano), el cual tiene características similares para solucionar problemas de planificación de movimientos en espacios reducidos o pasajes estrechos. Ambos PRMs (PCA y Gaussiano) han sido bien implementados dentro del entorno de programación para aplicaciones de planificación The Kautham Project, desarrollado en el Instituto de Organización y Control de Sistemas Industriales (IOC-UPC).
