Design and Development of a Collision-Aware Manipulation Framework for Lunar Robots

Abstract

La manipolazione robotica è una capacità fondamentale per la costruzione di future basi lunari, in cui i robot devono svolgere compiti di ispezione, manutenzione, riparazione e assemblaggio. Data la limitata o assente possibilità di intervento umano, questi sistemi devono essere in grado di generare ed eseguire movimenti sicuri, considerando l’evitamento delle collisioni sia con l’ambiente sia con il robot stesso.

Questa tesi presenta un framework di manipolazione con evitamento delle collisioni per bracci robotici operanti in ambienti analoghi lunari. Il sistema integra percezione, mappatura volumetrica, pianificazione del movimento ed esecuzione della traiettoria in una pipeline unificata basata sull’architettura gerarchica Sense–Plan–Act. La ricostruzione dell’ambiente avviene tramite sensori di profondità e mappatura a voxel con la libreria nvblox, accelerata su GPU, consentendo la generazione di mappe statiche e dinamiche per il controllo delle collisioni. La pianificazione del movimento sfrutta la libreria cuRobo, anch’essa accelerata su GPU, permettendo cinematica inversa, ottimizzazione della traiettoria e controllo continuo delle collisioni. L’esecuzione è implementata sia in simulazione, tramite NVIDIA Isaac Sim, sia su piattaforme robotiche reali mediante il framework Motion Stack basato su ROS2.

La pipeline è progettata, sviluppata e validata su due piattaforme robotiche: il manipolatore RealMan RM75-6F e il MoonBot-H Limb Module V3, un braccio robotico lunare modulare di livello di ricerca. I risultati sperimentali dimostrano la generazione e l’esecuzione affidabile di traiettorie prive di collisioni in ambienti complessi, per compiti con vincoli e configurazioni cinematiche variabili. Infine, è proposta un’estensione architetturale che integra la pianificazione di alto livello, descritta come Processo Decisionale Markoviano Parzialmente Osservabile. Questo lavoro fornisce una base per futuri sistemi autonomi di manipolazione nella robotica spaziale.

Robotic manipulation is a key capability for future lunar outpost construction, where robots must perform inspection, maintenance, repair, and assembly tasks. Given the limited or unavailable human intervention, these systems must be able to generate and execute safe motions that account for collision avoidance with both environmental obstacles and the robot itself.

This thesis presents a collision-aware manipulation framework for robotic arms operating in lunar analog environments. The proposed system integrates perception, volumetric mapping, motion planning, and trajectory execution into a unified pipeline based on the Sense–Plan–Act hierarchical architecture. Environment reconstruction is achieved through depth sensing and voxel-based volumetric mapping with the cutting-edge GPU-accelerated nvblox library, enabling the generation of persistent static and dynamic maps for collision checking. Motion planning leverages the novel GPU-accelerated cuRobo library, allowing fast and efficient inverse kinematics, trajectory optimization, and continuous collision checking to generate feasible trajectories. Lastly, trajectory execution is implemented for operating both in simulation, using NVIDIA Isaac Sim, and on physical robotic platforms through the ROS2-based Motion Stack control framework, interfacing with low-level controllers.

The pipeline is designed, developed and validated on two robotic platforms: the commercial RealMan RM75-6F manipulator and the MoonBot-H Limb Module V3, a modular, research-grade lunar robotic arm. Experimental results demonstrate reliable collision-free trajectory generation and execution in cluttered environments across manipulation tasks with varying constraints and kinematic configurations. Finally, an architectural extension incorporating high-level task planning is proposed and described using a Partially Observable Markov Decision Process. This work provides a foundation for future autonomous manipulation systems in space robotics.