Progettazione e sviluppo di un’architettura robotica per la manipolazione delicata basata su sensing umano e tecnologie di presa avanzata

Nell’industria della robotica collaborativa è di fondamentale importanza garantire una manipolazione rapida, sicura ed efficace di oggetti delicati; sempre più frequentemente, per ragioni produttive ed organizzative, emerge la necessità di disporre di sistemi flessibili e adattivi, in grado di operare con prodotti differenti senza la necessità di una programmazione complessa o di competenze specialistiche. Se i manipolatori tradizionali si basano su parametri di presa predefiniti o su modelli rigidi, una delle strategie più promettenti consiste nell’utilizzare un approccio di learning from demonstration, in cui il robot apprende direttamente dalle azioni di un operatore umano. Tale modalità permette di trasferire la sensibilità e l’esperienza umana all’automazione, riducendo i rischi di danneggiamento e aumentando la versatilità del sistema. All’interno di quest’ottica il sistema presentato, è costituito da un guanto aptico sensorizzato, progettato per acquisire in tempo reale la forza esercitata dalle dita durante il processo di presa, e da un’infrastruttura software basata su ROS2 in grado di elaborare e trasferire tali informazioni a un manipolatore collaborativo. In particolare, il robot UR5e viene programmato a riprodurre strategie di presa derivate dai dati raccolti, garantendo al tempo stesso un controllo affidabile e adattivo. In questo elaborato di tesi si affronta la progettazione di un sistema di questa tipologia analizzando il problema in tre parti. Nella prima parte si sviluppano le procedure di acquisizione, calibrazione e registrazione dei dati provenienti da sensori di forza FlexiForce, integrati nel guanto e collegati a una scheda STM32. I dati vengono salvati in formato strutturato per consentire l’elaborazione statistica e la definizione di soglie operative. Nella seconda parte si descrive l’architettura software implementata in ROS2, comprendente i nodi di comunicazione, i servizi per la gestione della forza target e i moduli di controllo del robot. Nella terza parte si valida sperimentalmente ciò che si è ottenuto tramite test di presa su due tipologie di frutto (considerati come limite inferiore e superiore della gamma presa in considerazione) e si testa quelle che sono le logiche di comunicazione tra i vari nodi del sistema durante un ciclo di pick&place. L’utilizzo di un approccio modulare ed emulativo non solo consente di ottenere in maniera rapida strategie ottimali di manipolazione, ma permette anche di estendere l’applicazione a un numero maggiore di scenari produttivi, fornendo un contributo concreto all’automazione human-centred e all’evoluzione della manifattura digitale.