CapítuloMULTIDISCIPLINAR
Open Access
EDUCAÇÃO EM ENGENHARIA: MÉTODOS INOVADORES, COMPETÊNCIAS E PRÁTICAS PEDAGÓGICAS
Downloads
5
Views
735
CODE: 250920054
COMPARTILHE

Título

GUARANTEED CONVERGENCE IN TRAJECTORY PLANNING USING UNIVARIATE OPTIMIZATION

10.37885/250920054

Crossref

Capítulo

2

Páginas

25-45

Publicado em

09/10/2025

Autores

  • Denis Mosconi iD Instituto Federal de São Paulo
  • João Domingos Augusto dos Santos PereiraInstituto Federal de São Paulo
  • Rodrigo Rosseto GatiInstituto Federal de São Paulo
  • Marcelo Becker iD Universidade de São Paulo

Resumo

Trajectory planning is a critical challenge in motion-based systems, requiring efficient and reliable guidance of agents—such as robots or drones—from an initial to a target position. Traditional methods often involve complex multivariate optimization or heuristic approaches, which may lack simplicity or convergence guarantees. This work proposes a univariate optimization framework for trajectory planning in two-dimensional space, leveraging iterative refinement of a quadratic error function based on Euclidean distance to ensure guaranteed convergence. The method is validated through simulations, demonstrating its effectiveness in guiding systems to desired endpoints while maintaining computational simplicity. Key findings reveal that fixed-step implementations are robust but may require adjustments for non-multiplicative distances, and non-identity weight matrices offer negligible benefits in such cases. The framework serves as both a practical tool for trajectory planning and an accessible pedagogical resource for introducing optimization principles. Limitations include suboptimal trajectories and fixed-step inefficiencies, suggesting future work in adaptive step sizes and hybrid methodologies. The study underscores the potential of univariate optimization as a foundational approach for low-dimensional, deterministic systems.

Palavras-chave

Trajectory planning; univariate optimization; convergence guarantee; Euclidean distance

Licença

Este capítulo está sob a Licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional .

Licença Creative Commons

O conteúdo do capítulo, seus dados, forma, correção e confiabilidade são de responsabilidade exclusiva do(s) autor(es). É permitido o download e o compartilhamento, desde que pela origem e no formato Acesso Livre (Open Access), com os devidos créditos e a citação atribuídos ao(s) respectivo(s) autor(es). Não é permitida qualquer alteração, catalogação em plataformas de acesso restrito ou utilização para fins comerciais. O(s) autor(es) mantém os direitos autorais do texto.

PlumX