Improving an AI-based suction-picking process using heuristic methods for primitive-shape detection

Negli ultimi anni, il settore dell’e-commerce ha mostrato uno sviluppo significativo, consentendo agli utenti delle piattaforme online di acquistare e ricevere qualsiasi prodotto in tempi sempre più ridotti. Per questo motivo, nel mondo industriale sta crescendo l’interesse verso sistemi automatizzati in grado di gestire oggetti con caratteristiche variabili, i quali sono tradizionalmente manipolati da operatori umani. Sebbene le mani umane rappresentino una soluzione efficace e flessibile, non risultano ottimali dal punto di vista della produttività. Tuttavia, la transizione verso sistemi robotici dotati di gripper ha evidenziato numerose sfide, a causa della loro inferiore capacità di manipolazione. Questa tesi si propone di gettare solide basi per lo sviluppo di un sistema robusto nell’ambito della robotica applicata all’industria dell’e-commerce. L’attenzione è rivolta alla ricerca di soluzioni innovative per una delle principali sfide del picking automatizzato: la manipolazione di oggetti eterogenei in scenari disordinati. Il progetto di tesi mira al miglioramento di un sistema software-hardware esistente, progettato per svolgere operazioni di picking di oggetti eterogenei. Il sistema utilizza un gripper a ventosa, impiegato come organo di presa di un robot collaborativo (cobot). L’elaborazione delle immagini, catturate da una telecamera dotata di sensore di profondità, è affidata ad algoritmi di visione potenziati tramite apprendimento profondo. In particolare, il sistema attuale viene analizzato per identificare le principali criticità e vengono adottate misure per risolverle. Ciò ha portato all’implementazione di nuove funzionalità relative al riconoscimento di oggetti con forme semplici e alla definizione delle relative strategie di presa. Inoltre, vengono apportate alcune modifiche alle funzionalità esistenti all’interno della pipeline di elaborazione delle immagini.