Die hier vorgestellten Arbeiten sind durch die große Stärke der optimalen Steuerung und der numerischen Optimierung bei der Berechnung durchfuhrbarer und optimaler Trajektorien für komplexe Roboter-Trajektorienplanungsprobleme motiviert. Die in dieser Arbeit interessierende Aufgabe ist das Abfangen und Einfangen von frei fliegenden Objekten, einschließlich des Abfangens mit einem fliegenden Objekt am Boden mittels eines erdgebundenen Roboters und das Einfangen eines frei taumelnden Satelliten im Orbit mittels eines Weltraumroboters. Bei der ersten Anwendung spielen dynamische Beschränkungen eine wichtige Rolle für die optimalen Lösungen, die in kurzer Zeit berechnet werden müssen. In der zweiten Anwendung ist die optimale Bewegungsplanung durch mehrere Bewegungs- und sensorbasierte Einschränkungen sowie durch die nicht-holonomische Dynamik des Roboters gekennzeichnet. Die hohen Sicherheitsanforderungen in der abgelegenen orbitalen Betriebsumgebung erfordern Methoden, die Garantien für die Machbarkeit unter Berücksichtigung der vorliegenden Randbedingungen bieten können. Angesichts der nicht konvexen und stark eingeschränkten Natur dieser Planungsprobleme hängt die Leistung von Trajektorienoptimierungsmethoden stark von der vorgesehenen Trajektorieninitialisierung ab, und es ist im Allgemeinen nicht garantiert, dass sie eine durchfuhrbare Lösung finden. Dies motiviert dazu, Lösungen offline zu generieren und sie online mit Hilfe der Generalisierung durch Regression abzurufen. Zur Analyse wird eine Reihe von Regressionsmethoden angewendet und mit dem ersten Problem, nämlich dem Abfangen mit einem Flugobjekt am Boden, verglichen. Die Aufgabe wird in verschiedenen Varianten formuliert und mit einer unterschiedlichen Anzahl von Dimensionen parametrisiert. Die offline generierten optimalen Lösungen bilden ein Trainingsset für die Regressionsmethoden, die eine Abbildungsfunktion zwischen einem geeigneten Aufgabenraum und dem Optimierungsparameter-Lösungsraum konstruieren. Diese Abbildung wird dann in einer Online-Umgebung verwendet, um schnell eine erste Schätzung für den Warmstart eines Online-Planers zu liefern. Statistische Simulationsergebnisse zeigen eine sehr hohe Konvergenzrate des Online-Planers und geben Einblick in die Beziehung zwischen der Optimalität der Lösungen und der Größe des Trainingsdatensatzes. Für die zweite Aufgabe, nämlich die Planung der Trajektorie des Roboters für das Einfangen eines frei taumelnden Satelliten im Orbit, ist die Kenntnis der Satellitenbewegung in der Zukunft erforderlich. Die Dynamik eines frei taumelnden Satelliten im Orbit kann als freier starrer Körper modelliert werden. Die Rotationsdynamik stellt jedoch immer noch einige Herausforderungen dar, wenn man die Ausrichtung des Körpers für eine ausreichende Zeit zu Planungszwecken propagieren will. Diese Herausforderungen werden hier im Detail behandelt, indem eine Methode vorgeschlagen wird, um den Zustand und die Trägheitsparameter zu identifizieren, die für eine robuste Bewegungsvorhersage notwendig sind, wobei Messrauschen, Modellierungsfehler und andere dynamische Effekte, die für die Freikörperdynamik relevant sind, berücksichtigt werden. Darüber hinaus wird eine statistische Vorhersagemethode vorgestellt, die eine Schätzung der Streuung der Bewegungsvorhersage liefert, die aus den gleichen Störungen resultiert. Diese Informationen sind als Input für robuste Regelungsmethoden gedacht, die die gegebene Unsicherheit berücksichtigen. Die Roboter-Experimentieranlage OOS-SIM am DLR reproduziert die orbitalen Dynamik- und Beleuchtungsbedingungen am Boden und wurde zur Validierung der vorgeschlagenen Methoden verwendet. Anschließend wird ein komplexer Trajektorienplaner vorgestellt, der die Aufgabe hat, den frei taumelnden Satelliten mit Hilfe eines frei-schwebenden Roboters in einem realistischen Einsatzszenario zu einfangen. Aufgrund der langen Berechnungszeiten, die für die Generierung eines Trainingsdatensatzes notwendig sind, wurde eine Initialisierungsmethode entwickelt, die auf einer Look-up-Tabelle in Kombination mit einer Bewegungsvorhersage des Zielsatelliten basiert. Eine statistische Simulationsanalyse zeigt ein zufriedenstellendes Konvergenzverhalten des Online-Planers. Um die Bewegungsplanungslösungen für Steuerungszwecke zu nutzen, wird darüber hinaus ein Tracking-Controller vorgestellt, der den Input des Planers mit Sensor-Feedback kombiniert. Dieser Controller wurde ebenfalls auf der OOS-SIM-Anlage implementiert und getestet. Die in dieser Arbeit vorgestellten Methoden für die Satelliteneinfangensaufgabe beschreiben eine autonome Betriebsstrategie. Die Bewegungsplanung wird auf eine neue Art und Weise mit den Funktionen der Bewegungsvorhersage des Zielsatelliten und der Tracking-Controller der Roboters kombiniert. Die Anwendung der numerischen Trajektorienoptimierung für Steuerungszwecke wird als solche für diese Anwendung demonstriert. Die Wirksamkeit des Einsatzes einer Versuchsanlage am Boden zu Validierungszwecken wird ebenfalls demonstriert. Allgemeiner gesagt, die Ergebnisse für die beiden behandelten Abfang- und Erfassungsaufgaben haben gezeigt, dass die Verallgemeinerung durch Regression von machbaren und optimalen Lösungen, die offline generiert wurden, ein großes Potential für die effiziente Lösung komplexer Trajektorienplanungsprobleme online hat. Dies ist auch an den beschriebenen möglichen Verbesserungen der angewandten Methoden sowie an der möglichen Nutzung von GPU- und Cluster-Technologien erkennbar. Es wird argumentiert, dass eine Referenztrajektorie notwendig ist, um die Durchfuhrbarkeit für eine bestimmte Aufgabe zu garantieren. Ihre inhärente Unsicherheit verlangt jedoch nach Methoden, die angesichts der notwendigen Trajektorienabweichungen in der Tracking-Phase die gleichen Garantien bieten.