Metodologie ibride per il path planning: sperimentazione su RRT e Hybrid A*

Il presente lavoro di tesi è frutto di un’esperienza di tirocinio curriculare presso HiPeRT SRL, azienda attiva sul territorio modenese in ambito di intelligenza artificiale e guida autonoma. L’obiettivo principale del progetto è stato lo sviluppo di un algoritmo di pianificazione del percorso per un modello bicicletta. Inizialmente l’algoritmo scelto è stato il Rapidly-exploring Random Tree; successivamente, a seguito di diverse ricerche, l’attenzione si è spostata maggiormente sull’algoritmo Hybrid A* (anche detto Hybrid A-star). Il presente lavoro offre un’analisi di questi due algoritmi, facendo luce su punti di forza e limitazioni di entrambi. Gli algoritmi sono stati sviluppati in ambiente MATLAB nella versione R2024b, di cui sono stati utilizzati il Navigation Toolbox e il Robotics System Toolbox. I due algoritmi sono stati implementati prima in una mappa piccola e con ostacoli regolari, poi in un ambiente realistico, più grande e denso di ostacoli. La mappa di quest’ultimo è stata fornita da HiPeRT e ricavata mediante tecnologia LiDAR. I risultati ottenuti dalle diverse simulazioni hanno evidenziato una fragilità in termini di velocità di convergenza dell’RRT implementato. Per quanto riguarda l’Hybrid A*, si è sviluppato un miglioramento delle prestazioni mediante l’utilizzo di un’espansione analitica, la quale permette all’algoritmo di velocizzare significativamente la convergenza.