Honorable mention "IEEE Transactions on Robotics King-Sun Fu Memorial Best Paper Award" a ICRA 2024

29 Maggio 2024
292
VIEW

Il team di robotica composto da Alessandro Palleschi, Franco Angelini, Chiara Gabellieri, Do Won Park, Lucia Pallottino, Antonio Bicchi e Manolo Garabini si è aggiudicato l'Honorable mention "IEEE Transactions on Robotics King-Sun Fu Memorial Best Paper Award" ad ICRA 2024. L'articolo premiato, "Grasp It Like a Pro 2.0: A Data-Driven Approach Exploiting Basic Shape Decomposition and Human Data for Grasping Unknown Objects" propone un algoritmo per addestrare un sistema robotico ad afferrare e manipolare diversi oggetti.

"Grazie ai miglioramenti nella loro intelligenza computazionale e fisica, i robot sono ora in grado di operare in ambienti reali - spiega il primo autore Alessandro Palleschi, dottorando in Smart Industry al DII - Tuttavia, le capacità di manipolazione e presa  richiedono ancora miglioramenti significativi. Per affrontare questo problema abbiamo elaborato un nuovo algoritmo chiamato "Grasp it Like a Pro 2.0", che si basa su diversi esempi di come un operatore umano afferra forme semplici come cuboidi e scatole. Con questi esempi possiamo insegnare a un robot come afferrare oggetti di diverse forme di base. Successivamente, algoritmi avanzati e intelligenza artificiale permettono al robot di mappare qualsiasi oggetto a una combinazione di queste forme di base, approssimandone la geometria, e di generare diversi modi in cui un umano potrebbe afferrarle. Questo consente al robot di comprendere e prevedere il modo migliore per afferrare l'oggetto. Utilizzando questo approccio, l'algoritmo può generare e selezionare la presa migliore possibile, imitando la destrezza e il processo decisionale umano. Questo metodo innovativo migliora significativamente la capacità dei sistemi robotici di afferrare e interagire con una vasta gamma di oggetti, rendendoli più versatili e capaci nelle applicazioni del mondo reale, avvicinando la manipolazione robotica alle prestazioni umane e compiendo un deciso passo avanti verso l'uso dei robot in ambienti reali.
I risultati dimostrano l’efficacia del nostro metodo nel generare e selezionare prese affidabili e di alta qualità. Con una mano robotica morbida e sottoattivata, il nostro algoritmo raggiunge un tasso di successo del 94,0% in 150 prese su 30 oggetti diversi. Allo stesso modo, con una pinza rigida, si ottiene una percentuale di successo dell’85,0% in 80 prese su 16 oggetti diversi".