EMB97

EMBEDDED 97 • SETTEMBRE • 2025 29 INTELLIGENZA ARTIFICIALE | HARDWARE Viene utilizzato lo strumento open source OpenAI Gym come simulatore, ma il concetto dell’approccio funzio- na anche con gli altri strumenti di simulazione. A seconda del caso d’uso, l’ambiente di simulazione può essere modificato tramite l’implementazione di ostacoli e manipolazione di oggetti. Il sistema operativo del robot conferisce alla simula- zione la capacità di muoversi e percepire. Esistono diversi plugin per implementare sensori che misurano il contatto o la distanza, oppure per imple- mentare una fotocamera che generi una mappa RGB, una mappa di disparità o una nuvola di punti. Per i ro- bot lineari, a braccio o ibridi, esistono azionamenti di motori lineari o rotazionali come plug-in. Nello svilup- po di uno script di training è necessaria innanzitutto l’implementazione di un algoritmo di apprendimento, come ad esempio OpenAI Gym. La funzione di ricom- pensa dell’algoritmo di apprendimento descrive come l’obiettivo può essere raggiunto. La formazione della capacità robotica dipende da qua- le compito di manipolazione deve essere realizzato. Fondamentalmente, per la ricerca classifica i compiti sono quelli come il raggiungimento, raccolta, scorri- mento o spinta. La policy può essere estesa anche con diversi altri compiti come il posizionamento, l’impila- mento o la manipolazione, come il cambio di posizione e rotazioni dell’oggetto stesso. Certamente le azioni e le osservazioni della simulazione variano in funzione dell’ambiente reale. Pertanto, l’obiettivo del trasferi- mento delle funzioni di controllo dalla simulazione all’applicazione reale è quello di colmare il divario tra simulazione e realtà. Esistono diversi approcci che già superano questo problema, come la randomizzazione dinamica. Esisto- no vari casi d’uso che possono essere utilizzati per ad- destrare determinate attività come la pallettizzazione, la depallettizzazione o l’imballaggio di oggetti. Questi processi sono stazionari, ma il compito di manipola- zione può essere applicato anche su sistemi robotici mobili. Invece dello sviluppo di soluzioni di controllo del movimento per un robot di pallettizzazione, l’ap- proccio generico è progettato per addestrare diverse applicazioni robotiche e anche compiti multipli. Conclusioni In questo articolo è stato descritto un approccio ge- nerico alla progettazione di un sistema di control- lo del movimento dei robot basato sull’intelligenza artificiale con funzioni di manipolazione di oggetti in ambienti altamente dinamici. I fattori risultanti dall’analisi progettuale portano alla determinazione, seppur teorica, di un modello di riferimento da in- tendersi come una possibile soluzione valida per le tecnologie robotiche.