Riassunto analitico
Le nuove scoperte tecnologiche permettono di sfruttare i robot industriali per svolgere differenti attività all’interno dei processi produttivi, consentendo così di far fronte alla domanda di prodotti e servizi sempre più performanti da parte del cliente, oltre a poter abbattere significativamente i costi di produzione e di gestione di impresa.
Ne sono un esempio tutte le applicazioni di robotica destinate a svolgere compiti di manipolazione di oggetti. Questi manipolatori industriali, comunemente chiamati bracci robotici industriali, devono soddisfare dei requisiti che riguardano fondamentalmente la rapidità e soprattutto l’accuratezza nel raggiungere traiettorie prefissate all’interno di ambienti noti. In queste applicazioni la rigidezza dei robot può consentire di ottenere ottime performance.
Ci sono tuttavia limitazioni dovute al fatto che gli oggetti con i quali il braccio robotico deve interagire occupano una posizione imprecisata e non nota a priori.
L’ obiettivo della seguente tesi è quindi effettuare uno studio di fattibilità sul come si possano utilizzare tecniche di Deep Learning che sfruttino i dati provenienti da una singola immagine a colori catturata da una telecamera per stimare, con la migliore esattezza possibile, posizione e orientamento di un’oggetto rispetto all’ambiente circostante. Altro obiettivo che si pone è quello di dimostrare come sia possibile utilizzare opportuni strumenti grafici per generare in maniera totalmente automatica dataset di dimensioni arbitrari necessari all'allenamento delle retu neurali, con i dovuti accorgimenti per renderli il più simile possibile a quanto si possa realizzare collezionando dati dal mondo reale. Questo aspetto, risulterà fondamentale nel consentire alle reti neurali di performare al meglio su dati provenienti dal mondo reale, nonostante siano state preparate su dati generati sinteticamente.
|
