Riassunto analitico
Con il termine anglosassone "grasping" ci si riferisce agli obbiettivi di difficoltà minore nell'ambito della manipolazione, che non prevedono altre interazioni oltre all'afferraggio e al breve trasporto di oggetti di forma qualsiasi attraverso manipolatori biologici o meccanici. Ciononostante questo task può riservare delle insidie quando viene eseguito in un ambiente non vincolato, ovvero che non presenta alcune condizioni favorevoli agli obbiettivi posti.
è quindi di grande interesse la possibilità di costruire sistemi, prevalentemente meccanici, capaci di afferrare e manipolare manufatti di forma non regolare, in ambiente vincolato e non. Questa tesi si pone l'ambizioso obbiettivo di semplificare la realizzazione di tali sistemi attraverso un framework end-to-end per ambienti non strettamente vincolati e con poche dipendenze dalla meccanica impiegata, attraverso recenti tecniche di Machine Learning.
|
Abstract
Con il termine anglosassone "grasping" ci si riferisce agli obbiettivi di difficoltà minore nell'ambito della manipolazione, che non prevedono altre interazioni oltre all'afferraggio e al breve trasporto di oggetti di forma qualsiasi attraverso manipolatori biologici o meccanici. Ciononostante questo task può riservare delle insidie quando viene eseguito in un ambiente non vincolato, ovvero che non presenta alcune condizioni favorevoli agli obbiettivi posti.
è quindi di grande interesse la possibilità di costruire sistemi, prevalentemente meccanici, capaci di afferrare e manipolare manufatti di forma non regolare, in ambiente vincolato e non. Questa tesi si pone l'ambizioso obbiettivo di semplificare la realizzazione di tali sistemi attraverso un framework end-to-end per ambienti non strettamente vincolati e con poche dipendenze dalla meccanica impiegata, attraverso recenti tecniche di Machine Learning.
|