Valutazione di metodologie per la generazione di pose di grasping da point cloud

L'object grasping, ovvero la serie di passaggi con cui una macchina afferra un determinato oggetto, è un problema di robotica rilevante e complicato. Può essere riassunto in due passaggi: scansionare l'ambiente circostante in cerca di oggetti, e generare le relative pose di grasping che poi verranno utilizzate dal robot. Questo lavoro di ricerca si concentra sulla valutazione di metodologie dello stato dell'arte che vengono utilizzate per rispondere a questo problema, ponendo particolare attenzione al concetto di dataset ovvero un insieme di dati relativi a immagini, informazioni sulle pose di afferramento e altre informazioni pertinenti utilizzate per addestrare e valutare algoritmi di predizione di suddette pose. L'obiettivo è quello di contribuire a gettare luce su aspetti cruciali della robotica di presa fornendo una valutazione critica di tre dataset di grasping. Verranno analizzati sotto diversi aspetti, come la rappresentazione matematica delle pose di afferramento, la valutazione di quest'ultime e i metodi che hanno portato alla creazione del dataset stesso, cercando poi di capire i loro pro, contro e i contesti in cui è preferibile utilizzarne uno rispetto agli altri.