IL ROBOT CHE TI AIUTA IN MAGAZZINO

in
Automated Guided Vehicle con impiego simultaneo di laser e telecamere: un progetto del gruppo di Meccatronica dell’Università di Trento
La tecnologia per migliorare sistemi di gestione della produzione: nuovi sistemi robotici in grado di interagire e ottimizzare la produzione industriale.
di Mariolino De Cecco

Presso il Dipartimento di Ingegneria meccanica e strutturale (DIMS) dell’Università di Trento, gruppo di Meccatronica, è in fase di sviluppo il progetto Eurostars AGILE (Intelligent AGVs for autonomous pallet Identification /Localization/ transportation in non-structured industrial Environments). Il progetto mira a sviluppare un Automated Guided Vehicle (AGV) capace di operare all’interno di magazzini poco o non strutturati, come quelli generalmente disponibili all’interno di realtà industriali tradizionali e/o gestiti da piccole e medie imprese, con benefici in termini di uso di spazi e di risorse.
L’obiettivo del progetto è creare un robot mobile autonomo in grado di localizzare un pallet posizionato in maniera approssimativa in un’area di stoccaggio, pianificare la traiettoria ottima per la presa e navigare, anche per lunghi tratti, senza riferimenti in posizioni note nell’ambiente fino alla presa e allo scarico. Il sistema consentirà di automatizzare l’intera linea di produzione fino allo stoccaggio e alla spedizione.
Veicolo industriale impiegato (Digipack Srl)
Le tecnologie/metodi abilitanti sono due. Il primo metodo prevede lo sviluppo di algoritmi di combinazione laser rangefinder e camera che permette di misurare in maniera robusta e completa l’ambiente circostante al robot. Le telecamere soffrono infatti delle condizioni di illuminazione variabili e della configurazione mutevole della scena industriale non strutturata oltre che di bassa accuratezza nella misura di profondità, consentono la rilevazione delle caratteristiche cromatiche e della tessitura mentre il laser fornisce una informazione diretta della profondità della scena. Combinando i sensori mediante algoritmi di Sensor Fusion si ottiene un sistema che possiede le caratteristiche vantaggiose di entrambi; è quindi un sistema più accurato e completo, oltre che maggiormente robusto e affidabile.
Il secondo metodo riguarda l’impiego di strumenti che permettono un controllo ottimo per la pianificazione di traiettorie estremamente flessibili, necessarie per la presa di oggetti posizionati in maniera poco ripetibile nell’ambiente.

La tecnologia laser solo negli ultimi anni è arrivata a un livello di risoluzione ed accuratezza necessari oltre che essere scesa ad un prezzo accettabile per le applicazioni industriali. Il gruppo di Meccatronica ha pertanto sviluppato metodi di taratura reciproca sia offline che in linea in modo da sincronizzare nello spazio le misure dei due sistemi. La European Robotics Technology Platform (EUROP) ha definito per il 2015 l’obiettivo di ottenere per la navigazione di robot mobili “Some perception based localisation; SLAM for challenging environments; collision avoidance considers dynamic objects Automated”. Dunque da ora in poi sarà possibile immaginare di impiegare laser e telecamere per diverse nuove applicazioni.

Questi alcuni esempi:

  • riconoscimento oggetti in applicazioni industriali per l’identificazione e la presa da parte di transpallet autonomi e per il riconoscimento di parti per il picking di robot manipolatori in catena di produzione;
  • riconoscimento oggetti per robot non industriali quali docking di sonde spaziali, incremento autonomia dei robot di ausilio per l’assistenza alla vita domestica per anziani o disabili, robot da ufficio;
  • mappatura di opere architettoniche e mappe virtuali in genere;
  • digitalizzazione e conservazione dell’aspetto di opere d’arte;
  • etertainment, Human Machine Interaction.

CONTATTI

Gruppo di Meccatronica
Dipartimento di Ingegneria meccanica e strutturale (DIMS)

Università di Trento
Via Mesiano 77, I-38123 Povo (TN)
tel. +39 0461 282503
fax +39 0461 282599
dims@ing.unitn.it
www.unitn.it/en/dims/7241/mechatronics

AUTORE
mariolino.dececco@unitn.it