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

29 Maggio 2024
Share on facebook Share on twitter
555
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".