Sample-based path planners comparison in pick and place application and Implementation of a robotic station for Covid-19 tests

This thesis is divided in four chapters: the first one is dedicated to the state of the art regarding the problem and the definition of the configuration space of robots, the sample-based path-planning algorithms and the problem of path generation. In the second chapter the project Covmatic will be introduced because it is the motivation and the reason behind this work. In the third chapter two optimal sampled-based path-planner algorithms will be compared: RRT* and PRM* for a pick and place application with the collaborative robot Yumi, with the purpose of determining the algorithm which performs better for reducing the time of completion of the pick and place task. The simulation analysis will go through with the middleware open source ROS and the MoveIt! package; in the last chapter will be described the design and implementation of robotic station with the collaborative Yumi of ABB for the pick and place applications of test tubes for Covid-19 tests. The application consider the patient recognition by means of vision tools and the integration with the traceability system.

Questa tesi è divisa in quattro capitoli: nel primo capitolo è descritto lo stato dell'arte riguardante le ipotesi e le definizioni dello spazio delle configurazioni dei robot, gli algoritmi di path-planning basati sul campionamento dello spazio delle configurazioni e il problema di generazione dei percorsi. Nel secondo capitolo verrà presentato il progetto Covmatic che sarà la motivazione dello sviluppo del lavoro. Nel terzo capitolo verrà mostrato un confronto tra il comportamento di due algoritmi ottimali per la generazione dei percorsi: RRT* e PRM* in un applicazione di pick and place con il robot collaborativo Yumi, con lo scopo di determinare l'algoritmo di performance superiori in termini di riduzione del tempo di percorrenza del task. L'analisi simulativa è stata condotta con l'ausilio del middleware open source ROS e del pacchetto MoveIt!; nell'ultimo capitolo viene descritta la progettazione e messa in funzione della stazione robotica con l'utilizzo di un robot collaborativo Yumi IRB1400 di ABB per l'applicazione di "pick and place" di tamponi molecolari Covid-19 che vengono successivamente analizzati. L'applicazione prevede il riconoscimento del paziente per mezzo di sistema di visione e l'integrazione della stazione con il sistema di tracciabilità.