Robotic sole deburring: from burrs identification to path planning from human demonstration

The landscape of shoe manufacturing is a complex blend of craftsmanship, technology, and innovation: tracing its roots back to 7000 BCE, the industry has continuously evolved. In the contemporary era, the Industry 4.0 framework is reshaping production systems, emphasizing the transition from conventional CNC robots, which offer speed and efficiency but lack of adaptability, to intelligent manufacturing. Footwear manufacturing faces a critical operation known as sole deburring, the removal of unintended protrusions on the edges of the sole, called burrs. Sole deburring is traditionally a manual task, undertaken by skilled workers. This thesis focuses on developing a robust path-planning pipeline for autonomous robotic deburring of soles. Key problems addressed include the accurate detection and precise segmentation of soles with burrs in industrial settings, dealing with complexities such as varying lighting, diverse sole appearances, and potential occlusions. Employing Deep Learning approaches, namely Detectron-2 and Pix2Pix, robust performance across diverse scenarios has been achieved Additionally, a novel, efficient and automated method for burrs identification in shoe soles has been developed leveraging image processing techniques. Identifying the optimal orientation for the cutting tool during sole deburring is a complex task traditionally based on human experience. The thesis introduces a novel solution by teaching the robot this orientation from videos of expert demonstrations. The pose of the tool in the videos is extracted with a pose estimation neural network, namely EfficientPose. The final challenge involves the robot’s utilization of the outcomes from the preceding computations to autonomously formulate an efficient deburring path. Experimental results showcase the high precision of the developed steps, underlining the potential of these technologies in advancing the field.

La produzione di calzature è una complessa combinazione di artigianato, tecnologia e innovazione: dalle radici del 7000 a.C., l'industria è in continua evoluzione. Nell'era contemporanea, la rivoluzione dell'Industria 4.0 sta ridefinendo i sistemi di produzione, incentivando il passaggio dalle tradizionali macchine CNC, che offrono velocità ed efficienza ma mancano di adattabilità, alla robotica intelligente. Il ciclo produttivo di una calzatura prevede un'operazione critica nota come sbavatura della suola, ossia la rimozione di materiale indesiderato ai bordi della suola chiamato "bava". La sbavatura è tradizionalmente un compito manuale, eseguito da lavoratori esperti e specializzati. Questa tesi si concentra sullo sviluppo di un processo di pianificazione della traiettoria per la sbavatura autonoma delle suole da parte di un robot. I maggiori problemi affrontati includono la precisa identificazione e segmentazione delle suole con bave in ambienti industriali, gestendo complessità come illuminazione variabile, aspetto diversificato delle suole e potenziali occlusioni. Utilizzando approcci di Deep Learning (DL), in particolare Detectron-2 e Pix2Pix, è stato possibile ottenere un risultato robusto in diversi scenari. Inoltre, è stato sviluppato un nuovo metodo efficiente e automatizzato per l'identificazione delle bave nelle suole, sfruttando tecniche di elaborazione delle immagini. Individuare l'orientamento ottimale per lo strumento di taglio durante la sbavatura è un compito complesso, tradizionalmente basato sull'esperienza del lavoratore. Questa tesi introduce una soluzione innovativa, insegnando al robot l'orientamento da video di dimostrazioni di esperti. La posizione dello strumento nei video è estratta con una rete neurale di stima della posa, chiamata EfficientPose. Infine, è stato studiato l'utilizzo dei risultati delle fasi precedenti per la formulazione autonoma di una efficiente traiettoria di sbavatura. I risultati sperimentali evidenziano l'alta precisione di ogni fase sviluppata, sottolineando il potenziale di queste tecnologie nell'evoluzione del settore.