Implementation of a grasp planning pipeline for the humanoid robot neoDavid

Robotic grasping is a fundamental challenge in autonomous manipulation, requiring pre cise coordination between perception, motion planning, and control. This thesis presents a comprehensive grasp planning pipeline that integrates a variable stiffness analysis to enhance grasp stability and adaptability. The proposed framework addresses key limi tations in traditional grasp planning by incorporating stiffness modulation, optimizing grasp execution for a wide range of objects and grasping scenarios. The grasp planning pipeline consists of several core components: object detection, grasp pose generation, collision checking, inverse kinematics computation, and base positioning for mobile manipulators. To optimize the grasping strategy, a novel quality metric is introduced, leveraging the stiffness matrix in task space to evaluate grasp feasibility while maintaining a balance between robustness and compliance. Additionally, the pipeline is fine-tuned using a statistical optimization approach based on the Taguchi method, significantly reducing the number of required experimental trials while systematically identifying optimal grasp parameters. This research contributes to the advancement of robotic grasping by bridging the gap between theoretical modeling and practical implementation, providing a flexible and ro bust grasp planning framework that can be extended to complex manipulation tasks in dynamic environments. The effectiveness of the proposed framework is validated through both simulation and real-world experiments, using a robotic system equipped with variable stiffness actuation.

L’afferraggio di oggetti è tutt’oggi una sfida centrale nel campo della robotica, poiché richiede un preciso coordinamento tra percezione, pianificazione del movimento e con trollo. Questa tesi propone una pipeline completa per la pianificazione della presa, inte grando il controllo della rigidezza variabile per migliorare la stabilità e l’adattabilità della presa. Il framework sviluppato affronta le principali limitazioni dei metodi tradizionali, introducendo la modulazione della rigidità per ottimizzare l’esecuzione della presa su una vasta gamma di oggetti e scenari di manipolazione. La pipeline di pianificazione della presa è composta da diversi componenti essenziali: rile vamento dell’oggetto, generazione delle pose di presa, verifica delle collisioni, calcolo della cinematica inversa e posizionamento della base per manipolatori mobili. Per ottimizzare la strategia di presa, viene introdotta una nuova metrica di qualità basata sulla matrice di rigidezza nello spazio operativo, che consente di valutare la fattibilità della presa man tenendo un equilibrio tra robustezza e conformità. Inoltre, la pipeline è stata ottimizzata attraverso un approccio di ottimizzazione statis tica basato sul metodo di Taguchi, riducendo significativamente il numero di esperimenti necessari e identificando in modo sistematico i parametri ottimali per la presa. Questa ricerca contribuisce all’avanzamento della presa robotica colmando il divario tra modellazione teorica e implementazione pratica, fornendo un framework di pianificazione della presa flessibile e robusto, che può essere esteso a compiti di manipolazione complessi in ambienti dinamici. L’efficacia del framework proposto è stata validata sia in simulazione che attraverso es perimenti reali, utilizzando un sistema robotico dotato di attuazione a rigidezza variabile.