Flexibilní robotické uchopování

Abstract

Na vlně všudypřítomné tendence automatizace by mělo být automatizované také plánování uchopovacích úkolů. To umožňuje výrazně zkrátit čas strávený operátorem na plánování pohybu a manipulace s objekty pomocí robotického ramene. V rámci projektu je provedena simulace plánování úchopů pomocí robotického softwaru Klamp't. Práce představuje dva různé přístupy k flexibilnímu uchopování: empirický a analytický. Empirický algoritmus je založen na vytvoření datové sady úchopů, které jsou předem definované. Analytický algoritmus se zaměřuje na geometrickou strukturu objektu a hledá polygony vyhovující nastaveným podmínkám pro možné uchopení. Prezentované algoritmy podporují dva typy chapadel, které se používají k uchopení několika jedinečně tvarovaných objektů. Aby síť polygonů 3D objektu byla přizpůsobena požadavkům aplikace, pomocí Python API jsou implementované některé techniky, jako je decimace sítě a její dělení. Byl proveden experiment na měření časové výpočetní složitosti, který demonstruje chování algoritmů v úlohách s různou prostorovou a polohovou složitostí. Později jsou navrženy a vizualizovány příklady možných aplikací. Zvláštní pozornost je věnována vývoji metody pro definování křehkých a zakázaných oblastí objektu pomocí obarvení jeho síťových polygonů.

On the wave of a ubiquitous automation tendency, grasp planning automation could reduce the time spent by the operator on planning the movement and manipulation of objects using the robotic arm. Within the project, grasp planning is simulated by applying the Klamp't robotic software. The thesis introduces two different approaches to automate grasp planning: empirical and analytical. The empirical algorithm is based on creating a dataset of predefined grasps, while the analytical one focuses on the mesh structure of an object to find polygons matching set conditions for a possible grasp. The presented algorithms support two gripper types, which are used to grasp several uniquely shaped objects. To adapt a 3D object mesh to the application requirements, some techniques such as mesh decimation and subdivision are implemented using Python APIs. Time computational experiment demonstrates the behavior each algorithm exhibits in tasks with varying complexity. Later, examples of possible applications are proposed and visualized. One of the distinctive features of the thesis is a method of defining fragile and forbidden areas of the object by colorizing its mesh polygons.