امروزه روبات ها نقش مهمی در اتوماتیک کردن کارها و دنیای اتوماسیون دارند. بیشتر کارهای دقیق، تکراری، سخت یا غیر ممکن و خطرناک برای بشر مانند عملیات های نظامی یا نجات توسط روبات ها انجام می شود. یکی از انواع روبات ها، روبات های بازویی می باشند که در کاربردهای دنیای واقعی برنامه ریزی حرکت این نوع روبات ها دارای اهمیت زیادی می باشد مانند صنایع اتومبیل سازی، الکترونیک و هوافضا. یک روبات بازویی وسیله ای مکانیکی هست که از لینک ها و مفصل های متصل به هم ساخته شده اند (درجه آزادی) و برای انجام کارهای اتوماتیک با استفاده از عمل کننده نهایی خود حرکت می کند. از کارهای عمل کننده نهایی می توان به جوشکاری، رنگ کاری، اتوکشی، مونتاژ، برداشتن و قرار دادن، روی هم چیدن (پالت گذاری) و ... اشاره نمود. کار اصلی برای کنترل روبات های بازویی تعیین مسیری از یک موقعیت اولیه ی یک عمل کننده نهایی به یک موقعیت هدف، یا به یک پیکربندی هدف مشخص روبات ها با چندین درجه آزادی می باشد. بنابراین عمل برنامه ریزی حرکت برای روبات بازویی به معنی حرکت عمل کننده نهایی بین نقاط طراحی شده در سطح کار در حالی که با موانع برخورد نداشته باشد، می باشد. ثابت شده است که یافتن مسیر حرکت عاری از برخورد با موانع و شدنی جزء مسائل np-complete می باشد. در این تحقیق روشی برای برنامه ریزی حرکت روبات بازویی با استفاده از مدل های تحقیق در عملیات در محیطی با وجود موانع ارائه شده به طوری که وقتی بازوی روبات از نقطه ی اولیه (پیکربندی اولیه) به سمت نقطه هدف (پیکربندی نهایی) حرکت می کند، هیچ لینکی با موانع برخورد نداشته باشد. روش ارائه شده مدل برنامه ریزی غیرخطی عدد صحیح مختلط (minlp) می باشد. با ساخت فضای کاری، ابتدا کوتاهترین مسیر حرکت از نقطه ی اولیه ی عمل کننده ی نهایی به هدف مورد نظر، به کمک گراف دیدنگار تعمیم یافته در نرم افزار matlab ایجاد شده و آماده سازی های لازم صورت می گیرد و در ادامه اطلاعات به نرم افزار lingo داده شده و مدل جهت حرکت روبات اجرا می شود. مسیر در نظر گرفته شده توسط گراف دیدنگار تعمیم یافته به چندین قسمت مساوی به عنوان زیر هدف تقسیم می شود. مدل ریاضی با در نظر گرفتن تابع هدف کوتاهترین فاصله تا زیر هدف به صورت متوالی اجرا شده و زوایه ی هر لینک به کمک مدل به گونه ای تعیین می شود که لینک ها در موانع قرار نگیرند. جهت بالا بردن ضریب ایمنی در برخورد با موانع روش بزرگ کردن موانع نیز به کار گرفته شده است. همچنین روشی برای کاهش متغیرهای صفر و یک و تعداد محدودیت ها و در نتیجه کاهش زمان حل نیز ارائه شده است.