Optimización multiobjetivo mediante enjambre de partículas para la reducción del esfuerzo mecánico en manipuladores industriales

[ES] La planificación de trayectorias en manipuladores industriales sigue siendo un desafío cuando se busca equilibrar simultáneamente productividad, suavidad de movimiento y durabilidad de los actuadores. En particular, los métodos tradicionales tienden a centrarse en un número reducido de métricas, lo que limita la capacidad de evaluar el rendimiento del robot desde una perspectiva integral. Este trabajo propone una metodología inteligente de optimización multiobjetivo para la generación de trayectorias, aplicada al robot colaborativo ABB GoFa5. La aproximación se basa en un modelo tridimensional realista del robot, que reproduce su comportamiento dinámico e incorpora las propiedades físicas de los eslabones, junto con la detección de colisiones tanto con el entorno como con el propio manipulador. La optimización se realiza mediante un algoritmo de enjambre de partículas multiobjetivo, considerando tres configuraciones experimentales: (i) minimización del tiempo de trayectoria y de los pares articulares medios, (ii) optimización del tiempo de trayectoria junto con las velocidades máximas de cada articulación, y (iii) una formulación ampliada que integra tiempo de trayectoria, pares medios y velocidades máximas, alcanzando un total de trece objetivos. Los resultados demuestran que la metodología propuesta facilita la identificación de trayectorias óptimas en función del criterio de interés, ya sea minimizar el tiempo de trayectoria, reducir las velocidades articulares máximas, o prolongar la vida útil del manipulador, garantizando en todos los casos soluciones suaves, libres de colisiones y físicamente eficientes.

[EN] Trajectory planning in industrial manipulators remains a challenge when attempting to simultaneously balance productivity, motion smoothness, and actuator durability. Traditional approaches often focus on a limited set of metrics, which restricts the ability to comprehensively evaluate robot performance. This work proposes an intelligent multi-objective optimization methodology for trajectory generation, applied to the collaborative robot ABB GoFa5. The approach combines MATLAB-based simulation with a detailed dynamic model of the robot, incorporating the physical properties of its links and enabling collision detection with both the environment and the manipulator itself. Optimization is carried out using a multi-objective particle swarm algorithm, considering three experimental configurations: (i) minimization of execution time and average joint torques, (ii) optimization of execution time together with the maximum velocities reached by each joint, and (iii) an extended formulation that integrates execution time, average joint torques, and maximum velocities, for a total of thirteen objectives. The results demonstrate that the proposed methodology enables the identification of optimal trajectories depending on the prioritized criterion whether minimizing execution time, reducing maximum joint velocities, or extending manipulator lifespan while ensuring in all cases smooth, collision-free, and physically efficient solutions.