Con il nuovo paradigma di Industria 4.0 si introducono i robot collaborativi, che condividono l’area di lavoro con l’operatore. Risulta necessario non solo elaborare adeguate strategie per assicurare la sicurezza degli operatori, ma anche metodi efficaci per comunicare con i robot collaborativi in modo naturale, tramite comandi vocali o gesti. Come primo approccio al problema della comunicazione umano-robot si è adottato un sistema di riconoscimento gesti basato su un algoritmo di Deep Learning, sviluppato sulla piattaforma MATLAB 2017b, in grado di riconoscere quattro diversi tipi di gesto a partire da immagini RGB, come riportato in Fig. 1. I gesti proposti sono caratterizzati da tre condizioni: devono essere eseguiti usando entrambe le mani con la sinistra chiusa a pugno, il più possibile alla stessa altezza e non troppo distanti tra loro. Il sistema è stato testato offline su quattro diversi dataset acquisiti sperimentalmente per valutare le performance in diverse condizioni. L’applicazione è stata poi testata in real-time per valutare la velocità del sistema nell’effettuare i riconoscimenti.

Gesture recognition per robotica collaborativa: primo approccio

Nuzzi C.
Conceptualization
;
Pasinetti S.
Validation
;
Lancini M.
Writing – Review & Editing
;
Docchio F.
Supervision
;
Sansoni G.
Supervision
2018-01-01

Abstract

Con il nuovo paradigma di Industria 4.0 si introducono i robot collaborativi, che condividono l’area di lavoro con l’operatore. Risulta necessario non solo elaborare adeguate strategie per assicurare la sicurezza degli operatori, ma anche metodi efficaci per comunicare con i robot collaborativi in modo naturale, tramite comandi vocali o gesti. Come primo approccio al problema della comunicazione umano-robot si è adottato un sistema di riconoscimento gesti basato su un algoritmo di Deep Learning, sviluppato sulla piattaforma MATLAB 2017b, in grado di riconoscere quattro diversi tipi di gesto a partire da immagini RGB, come riportato in Fig. 1. I gesti proposti sono caratterizzati da tre condizioni: devono essere eseguiti usando entrambe le mani con la sinistra chiusa a pugno, il più possibile alla stessa altezza e non troppo distanti tra loro. Il sistema è stato testato offline su quattro diversi dataset acquisiti sperimentalmente per valutare le performance in diverse condizioni. L’applicazione è stata poi testata in real-time per valutare la velocità del sistema nell’effettuare i riconoscimenti.
2018
978-88-31901-06-2
File in questo prodotto:
File Dimensione Formato  
01_Gesture recognition per robotica collaborativa primo approccio.pdf

accesso aperto

Tipologia: Full Text
Licenza: Dominio pubblico
Dimensione 196.18 kB
Formato Adobe PDF
196.18 kB Adobe PDF Visualizza/Apri

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11379/566290
 Attenzione

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo

Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact