Pianificazione di compiti di manipolazione mediante tecniche di apprendimento integrate a strategie di controllo basate su informazioni sensoriali di forza e visione

Immagini di riferimento

img_thesis
img_thesis
 

Oggetto della tesi

L’obiettivo della tesi consiste nello sviluppare un sistema di controllo e di apprendimento autonomo per la manipolazione bimanuale con un sistema robotico antropomorfo. Lo studio prevede la costruzione di una libreria di primitive di moto per un dato insieme di oggetti e compiti di manipolazione. Strumenti di motion capture, come la tuta Xsense e Kinect camera, verranno utilizzati per misurare il moto durante tasks eseguiti dall’uomo, che verranno poi riprodotti sul sistema robotico bimanuale. Tale libreria verrà utilizzata per l’apprendimento supervisionato. Tecniche di reinforcement learning saranno investigate per compiti di grasping e manipolazione. Saranno adottate tecniche di riduzione delle dimensioni dello spazio delle configurazioni del sistema robotico (sinergie di movimento) al fine di ottimizzare l’apprendimento di nuovi compiti. È necessario l’utilizzo di un sensore di visione di alto livello per riconoscimento oggetto e sensori di forza per il controllo della presa.

Strumenti e software

RoDyMan, KINECT, reti neurali, reinforcement learning, machine learning, Open CV, Xsense Motion Capture System, ROS, C++

Docente di riferimento

Fanny Ficuciello - fanny (dot) ficuciello (at) unina (dot) it

Multimedia


  

Press Club


 

Awards


 

Contacts and Directions

PRISMA Lab - Via Claudio 21, 80125 Napoli, Italy

COORDINATOR: Prof. Bruno Siciliano [bruno (dot) siciliano (at) unina (dot) it]