Analisi del framework ROS-Plan per pianificare e adattare le azioni di un robot autonomo

Una delle sfide cruciali nell'intelligenza artificiale (IA) applicata alla robotica è la pianificazione automatica delle azioni, soprattutto quando coinvolge l'interazione tra robot ed essere umano. In scenari complessi di esecuzione di azioni da parte dei robot, la gestione dei ritardi nelle interazioni riveste un ruolo fondamentale. Questa tesi si concentra sull'analisi e il testing di ROS-Plan, un framework che integra tecniche di pianificazione basate su IA all'interno del sistema ROS (Robot Operating System), al fine di rendere il robot capace di agire in maniera automatica e di riadattare il suo comportamento anche in presenza di ritardi imprevisti. L'obiettivo è valutare l'efficacia di ROS-Plan, simulando un ambiente di riferimento, concentrandosi sulle situazioni in cui i ritardi sono inevitabili, sia a causa di interazioni umane impreviste sia a causa di problemi esterni che influenzano le prestazioni del robot. In questa tesi si sono presi in considerazione tre scenari di fallimento: l'azione termina entro il tempo previsto, ma fallisce; un aggiornamento della Knowledge Base, a causa di un cambiamento nel mondo di riferimento, impedisce il corretto funzionamento dell’azione; e l’azione non termina entro il timeout previsto. Dai test è emerso che ROS-Plan è in grado di gestire con successo la maggior parte delle situazioni di errore, ripianificando adeguatamente per garantire il completamento dei compiti assegnati. Le simulazioni hanno evidenziato che, sebbene alcune limitazioni persistano, come la gestione delle azioni non interrompibili, ROS-Plan rappresenta un ottimo strumento per pianificare l'interazione tra robot ed esseri umani in ambienti complessi e dinamici.