Smart soft robot : integration of soft robotics with machine learning processes

The thesis work described in the following pages is developed around the field of robotics and artificial intelligence. In particular, in this work the field of soft robotics and machine learning is taken into consideration, focusing on the integration of these topics among them. As regards the part related to soft robotics, finite element analysis was performed to theoretically study the behavior of the soft robot according to some design parameters, in order to choose the most suitable solution. Then the work focused on the development of tools and on a process able to create the soft robot, and on the realization of an electric circuit to control, by means of suitable actuators, the movement of the soft robot itself. The crucial point of work is the integration of a sensor inside the robot that can monitor its behavior. Thanks to this sensor it was possible to make data acquisition useful to create predictive models through machine learning techniques. Considering the part inherent to machine learning, the work does not deal with the development of specific algorithms but rather with the integration of this area with soft robotics. In particular, a MATLAB code, able to process the acquired data making it suitable for conventional machine learning processes through the MATLAB tool called Classification Learner, was created. The goal was to create a predictive model that can recognize if an object touched by the soft robot is hard or soft. The last part of the work is focused on predicting the feature of an unknown object using previously developed models and on the analysis of the results of the predictions themselves.

Il lavoro di tesi descritto nelle pagine seguenti è sviluppato attorno al campo della robotica e dell'intelligenza artificiale. In particolare, in questo lavoro viene preso in considerazione l’ambito della soft robotics e del machine learning, focalizzando l'attenzione sull'integrazione di questi argomenti tra di loro. Per quanto riguarda la parte relativa alla robotica, si è eseguita un'analisi ad elementi finiti per studiare teoricamente il comportamento del robot in base ad alcuni parametri di progetto, al fine di scegliere la soluzione più adatta. Quindi il lavoro si è concentrato sullo sviluppo di strumenti e su un processo in grado di creare il robot, e sulla realizzazione di un circuito elettrico per controllare il movimento del robot stesso attraverso attuatori scelti in modo appropriato. Punto cruciale del lavoro è l'integrazione di un sensore all'interno del robot in grado di monitorare il suo comportamento. Grazie a questo sensore è stata possibile l'acquisizione di dati utili per creare modelli predittivi attraverso tecniche di apprendimento automatico. Considerando la parte inerente al machine learning, il lavoro non affronta lo sviluppo di algoritmi specifici, ma bensì l’integrazione di quest'area con la soft robotics. In particolare, si è creato un codice MATLAB, in grado di elaborare i dati acquisiti rendendoli adatti ai processi di apprendimento automatico convenzionali attraverso un tool di MATLAB chiamato Classification Learner. L'obiettivo è creare un modello predittivo in grado di riconoscere se un oggetto toccato dal robot sia duro o morbido. L'ultima parte del lavoro si è concentrata sulla predizione della caratteristica di un oggetto ignoto utilizzando i modelli precedentemente sviluppati e sull'analisi dei risultati delle predizioni stesse.