Optimal object grasping through Digital Twin representation in a robotic environment

In collaborative robotics it is fundamental to manage the robot behavior in a dynamic environment and in unknown situations due to the unpredictability of the human actions. This thesis proposes a method to optimize the robot grasping capabilities of objects. The main idea of this work is to model each object as Digital Twin, i.e. a digital instance of the real entity. The robot acquires hence more awareness about the objects to be manipulated, achieving more flexibility in the working environment and a better adaptation to different scenarios. Digital Twin information includes a set of feasible grasps, evaluated by maximizing the contact area. Data belonging to the Digital Twin are integrated with information coming from the depth map of a RGB-D camera. The object is hence found in the scene and its pose is estimated and continuously updated online. The pose is used to complete the grasp optimization through the evaluation of the force balance on the object and the robot configuration. This algorithm allows the robot to manipulate objects with different characteristics even in dynamic situations influenced by the unpredictability of the human behavior. Finally, experiments have been conducted to prove the method performance.

Nella robotica collaborativa uno degli aspetti fondamentali è la gestione del comportamento del robot in ambienti dinamici e in situazioni sconosciute dovute all'imprevedibilità dell’essere umano. Questa tesi propone un metodo per ottimizzare la presa di oggetti da parte del robot. L’idea principale è di modellizzarli tramite l’utilizzo di un Digital Twin, cioè una copia digitale del corrispettivo reale. Il robot assume così maggior consapevolezza degli oggetti da manipolare, garantendo una miglior flessibilità nell'ambiente di lavoro e quindi una maggiore capacità di adattarsi a scenari diversi. Il Digital Twin contiene un insieme di prese possibili, valutate cercando di massimizzare l’area di presa. Le informazioni presenti nel Digital Twin vengono integrate utilizzando le mappe di profondità di una telecamera RGB-D. L’oggetto è individuato all’interno dell’ambiente di lavoro e la sua posa nella scena è stimata e continuamente aggiornata attraverso un algoritmo di tracciamento. In questo modo l’oggetto viene contestualizzato all’interno della scena e le informazioni relative alla sua posa sono utilizzate per completare l’ottimizzazione della presa, valutando il bilanciamento di forze e la configurazione del manipolatore. L’applicazione di questo algoritmo permette al robot di manipolare oggetti con caratteristiche diverse anche in situazioni dinamiche in cui è presente un fattore di incertezza dovuto all’imprevedibilità del comportamento umano. Infine, sono stati effettuati degli esperimenti per valutare le performance del metodo proposto.