Il progetto di Coti Zelati ha lo scopo di importare nei robot file dxf, in grado di ottimizzare il percorso operativo da eseguire.
di MIT Technology Review Italia
Il candidato
Mattia Coti Zelati è nato a Crema il 13 maggio1986. Dopo la Maturità scientifica, nel 2012 si è laureato in Robotica e Intelligenza Artificiale presso il Politecnico Milano.
Per quanto concerne le sue esperienze di lavoro, dall’aprile 2014 ha operato come consulente presso la Business Integration Partners (Milano) e dal marzo 2016 presso la ALUMOTION (Cernusco sul Naviglio, Milano) nella programmazione di robot collaborativi.
Il progetto
Il progetto di cui si sta occupando ha lo scopo di importare nei robot Universal Robots file dxf, contenenti disegni di una traiettoria da fare eseguire al robot, per ottimizzare il percorso da eseguire. L’idea è nata per venire incontro ai compiti di incollaggio e siliconatura – molto richiesti nell’ambito dell’automazione – quando il disegno 2D della traiettoria sia noto, essendo stato creato, per esempio, tramite un programma cad, e lo si voglia importare nel robot tramite chiavetta usb.
A fine progetto si conta di realizzare una app integrata nell’interfaccia del robot, che si occupi di importare la traiettoria, di mostrarla all’utente e allo stesso tempo di proporre un percorso ottimizzato, sulla base delle reti neurali.
Lo scopo è quello di ottenere un buon livello di siliconatura, a fronte di un disegno fornito dall’utente, sfruttando la potenza degli algoritmi di ricerca su grafo e reti neurali per il migliore risultato pratico.
È stata completata da poco la prima fase di progetto con un gruppo di studenti del Politecnico di Milano, per valutare diversi algoritmi di estrazione del percorso da dxf a robot, tramite Octave, in modo da avere a disposizione differenti strategie tra cui scegliere. Una tra tutte è l’algoritmo del Postino Cinese, che permette di attraversare tutti gli archi di un grafo non orientato, lungo un cammino ciclico di lunghezza minima. Sono disponibili anche altri algoritmi – ognuno con un diverso grado di flessibilità – che sono stati analizzati e implementati per una demo in silico.
L’obiettivo della seconda fase è di ottimizzare il percorso effettivo che si ottiene applicando questo algoritmo, in modo che l’effetto finale dell’incollaggio o siliconatura sia adeguato e privo di sbavature o imperfezioni. Stanno iniziando dei test, in cui vengono applicate le reti neurali con apprendimento non supervisionato. Vengono testate diverse condizioni al contorno, in modo da garantire che la rete sia robusta a fronte dei diversi percorsi o traiettorie fornite.
L’obiettivo finale sarà l’implementazione dell’app per il robot, in modo da garantire la semplicità d’impiego del robot e da rendere totalmente trasparente all’utente il processo decisionale del sistema.
