Learning based trajectory planning for oscillation avoidance in cable dynamic manipulation

The manipulation of strongly deformable objects (called Deformable Linear Objects), as ropes, cables, wires and similar, is an important operation in many industrial processes and nowadays it is done manually due to the difficulty to deal with their complex dy namics. An automated solution would bring to higher production rates and to systematic errors, that can be easily adjusted (important for production of safety-critical systems). The thesis is focused on the creation of a method able to eliminate vibrations of De formable Linear Objects carried by a high speed robotic manipulator. Specifically, this thesis concentrates on handling operations of a robot: the objective is to move a cable from an initial point to a target one in the shortest possible time eliminating oscillations at the motion end. Adopting the Reinforcement Learning technique into a simulated environment, it has been possible to identify different trajectories permitting to reduce efficiently the residual vibrations. In this thesis, possible changes that can be done in order to obtain more performing results are also debated. A critical aspect of this technique regards the precision of simulation in representing the real world: an excessive simulation-reality gap would forbid the actual use of the obtained solution. In order to evaluate the developed method, experimental tests have been done in the real world where a robotic manipulator with a cable attached has executed the trajectories found in simulation. Measuring the oscillations at motion end and comparing results with the ones from simulation, it has been noticed that vibrations are reduced, even if the damping effect results worse in reality because of the discrepancy between the real cable and the simulated one. It can be concluded that the strategy is effective but requires a better model for the cable.

La manipolazione di oggetti fortemente deformabili (chiamati Deformable Linear Ob jects), quali funi, cavi, fili e simili, è un’ operazione essenziale in molti processi industriali e ad oggi viene effettuata manualmente a causa delle difficoltà nel trattare la loro comp lessa dinamica. Una soluzione automatizzata porterebbe a una maggiore produttività e a errori sistematici, che sono facilmente risolvibili (importante per la produzione di sistemi di sicurezza). La tesi è incentrata sulla creazione di un metodo atto ad eliminare le oscillazioni dei Deformable Linear Objects prodotte dal movimento di un manipolatore robotico ad alta velocità che li movimenta. Nello specifico, questa tesi si focalizza sulle operazioni di trasporto da parte di un robot: l’obiettivo è portare una fune da un punto iniziale a uno f inale nel minor tempo possibile eliminando le vibrazioni alla fine del moto. Tramite la tecnica del Reinforcement Learning applicata all’interno di un ambiente simu lato, è stato possibile identificare diverse traiettorie che permettono di ridurre in maniera efficace le vibrazioni finali. Nella tesi sono trattate anche possibili modifiche da effettuare in modo da ottenere risultati più performanti a seconda delle esigenze specifiche. Un’ importante criticità di questa tecnica riguarda la precisione della simulazione nel rap presentare la realtà: un divario simulazione-realtà eccessivo impedirebbe l’utlizzo effettivo della soluzione ottenuta. Al fine di valutare il metodo sviluppato, sono state condotte prove sperimentali nella realtà in cui un manipolatore robotico con attaccata una fune ha eseguito le traiettorie ottenute in simulazione. Misurando le oscillazioni alla fine del moto e comparando i risul tati con quelli ottenuti in simulazione, si è notato che le vibrazioni vengono ridotte, anche se l’effetto di smorzamento risulta peggiore nella realtà a causa della discrepanza tra fune reale e fune simulata. Si può concludere che il metodo è efficace ma necessita di un miglior modello per la fune.