Best Paper Award per l’articolo “MeshDMP: Motion Planning on Discrete Manifolds using Dynamic Movement Primitives” a Matteo Dalle Vedove, dottorando del Dipartimento di Ingegneria industriale (Dii) dell’Università di Trento.
Matteo Dalle Vedove, co-supervisionato da Matteo Saveriano e Daniele Fontanelli (Dii) e Luigi Palopoli (Disi), ha vinto il premio al workshop The future of intelligent manufacturing: From innovation to implementation. Evento che si è tenuto nell'ambito della International Conference on Robotics & Automation (ICRA), la conferenza scientifica di robotica più prestigiosa al mondo nel campo della robotica, organizzata dall'IEEE.
Il workshop aveva l’obiettivo di esplorare come i più recenti risultati della ricerca possano essere integrati nei processi industriali, per rendere la produzione più flessibile e capace di rispondere alle crescenti esigenze di personalizzazione del mercato. L’evento ha ospitato interventi di docenti di università internazionali e rappresentanti di aziende della robotica e dell’automazione.
L’articolo, di cui Matteo Dalle Vedove è il primo autore, è stato selezionato come il miglior contributo tra i dodici lavori accettati e presentati durante il workshop.
«In questo lavoro proponiamo un approccio innovativo nell'ambito dell'apprendimento da dimostrazione, che consente a un robot di imparare a muoversi su superfici complesse. Così come un essere umano può disegnare curve su fogli piatti o su superfici curve, l'obiettivo è permettere anche ai robot di apprendere movimenti che si adattino a forme diverse», spiega il dottorando.
Riprende: «Abbiamo esteso modelli matematici esistenti per consentire l'apprendimento, l'esecuzione e il trasferimento di traiettorie che si sviluppano su mesh, ovvero rappresentazioni digitali tridimensionali di superfici che sono facilmente gestibili da un computer. Questo permette, ad esempio, di insegnare a un robot un gesto su una superficie e poi adattarlo automaticamente a un'altra con una forma diversa.
Tra le molteplici possibilità di applicazione industriale di questo metodo, nel lavoro presentiamo un sistema automatico che permette di generare traiettorie di pulitura di superfici complesse, come quella di un'automobile, a partire semplicemente dal disegno di un cerchio».
Il premio è stato finanziato dai comitati tecnici della IEEE Robotics and Automation Society (RAS): "Machine Learning for Automation" e "Digital Manufacturing and Human-Centered Automation". L'organizzazione del workshop è stata patrocinata da Franka Robotics.