To fulfill the requirements of automation in unstructured environmentsit will be necessary to endow robots with the ability to plan actions thatcan handle the dynamic nature of changing environments and are robust toperceptual errors. This thesis focuses on the design of algorithms to facilitatemotion planning in human environments and rigid object manipulation.Understanding human motion is a necessary first step to be able to performmotion planning in spaces that are inhabited by humans. Specifically throughlong-term prediction a robot should be able to plan collision-avoiding paths tocarry out whatever tasks are required of it. In this thesis we present a methodto classify motions by clustering paths, together with a method to translatethe resulting clusters into motion patterns that can be used to predict motion.Another challenge of robotics is the manipulation of everyday objects.Even in the realm of rigid objects, safe object-manipulation by either grippersor dexterous robotic hands requires complex physical parameter estimation.Such estimations are often error-prone and misestimations may cause completefailure to execute the desired task. Caging is presented as an alternativeapproach to classical manipulation by employing topological invariants todetermine whether an object is secured with only bounded mobility. Wepresent a method to decide whether a rigid object is in fact caged by a givengrasp or not, relying only on a rough approximation of the object and thegripper.

För att uppfylla kraven för automatisering i ostrukturerade miljöer ärdet nödvändigt att förse robotar med förmågan att planera i föränderligamiljöer. Denna avhandling fokuserar på design av algoritmer för att underlättarörelseplanering i mänskliga miljöer och manipulering av rigida objekt.För att planera handlingar i utrymmen där människor rör sig är detnödvändigt, som ett första steg, att förstå hur människor rör sig. Genom långsiktigaprognoser om människors rörelser kan en robot planera undvikande avkollisioner, samtidigt som en given uppgift kan planeras. Den här avhandlingenpresenterar både metoder för klassificering av rörelser, samt metoder för attanvända dessa klasser för förutsägelse av rörelser.En annan stor utmaning för robotik är manipulering av vardagliga objekt.För att manipulera rigida objekt med enkla gripdon, så väl som avanceraderobothänder, är det nödvändigt att uppskatta komplexa fysiska parametrar.Sådana uppskattningar innehar ofta fel som kan leda till misslyckande med attutföra den givna uppgiften. Caging är ett alternativ till klassisk manipulering,där topologiska invarianter används för att avgöra om ett objekt är säkratmed endast begränsad rörlighet. Vi presenterar en metod för att bestämmaom en konfiguration kan hålla ett objekt fast eller inte, som bara förlitar sigpå en förenklad modell av objekt och gripdon.