• DMP
• learning
• demonstration
• teaching
• reverse
• manipulators
• robot

Le nuove tecnologie hanno aiutato la diffusione dei robot, i quali vengono applicati in diversi campi per aiutare gli esseri umani nello svolgimento di molteplici azioni. Tuttavia, per far eseguire ai robot i task richiesti sono necessari tempo e conoscenze specifiche di programmazione. Per superare questi ostacoli si può utilizzare il Teaching by Demonstration (TbD) che permette di trasferire le conoscenze di manipolazione degli oggetti dagli esseri umani ai robot. Durante la prima fase di TbD l'utente esegue una dimostrazione (cinestetica o tele-operata) di un task di manipolazione, la traiettoria dimostrata è acquisita dal robot che sarà in grado di riprodurla e generalizzarla allo scenario corrente. In questa tesi è presentato un approccio del Reverse Teaching by Demonstration: il robot impara e generalizza la traiettoria dimostrata e la sua traiettoria inversa utilizzando un'unica dimostrazione cinestetica e applicando le Dynamic Movement Primitives (DMP). I vantaggi si presentano soprattutto per task reversibili, come quelli di assemblaggio, in quanto il numero di dimostrazioni da effettuare è dimezzato e nei casi in cui è necessario tornare indietro da una situazione di errore o collisione. La prima implementazione è stata effettuata su Matlab, dove l'approccio proposto è paragonato a quelli presentati in letteratura, e successivamente è stata estesa in C++ su ROS in modo da effettuare delle valutazioni sperimentali sul robot manipolatore Franka Emika.

Robots are becoming increasingly present in our society, widespread in many fields to help humans perform all kinds of tasks. They must be programmed to learn the required tasks, which is not always easy since it requires time and programming knowledge. Teaching by Demonstration (TbD) allows us to overcome these problems; it is a way to transfer object manipulation knowledge from human beings to robot manipulators. It consists of the human user performing a manipulation task demonstration (teleoperated or kinesthetic), the robot acquiring the demonstrated trajectory, being able to reproduce the task, and generalizing the trajectory to the current scenario. This thesis presents a Reverse Teaching by Demonstration approach: the demonstrated task and its reverse are both learned and generalized, using only one kinesthetic demonstration and applying the Dynamic Movement Primitives (DMP). The advantages are mainly in reversible tasks, such as assembly, where the number of demonstrations is halved, and in other tasks to help back out from an erroneous situation. The first implementation was made in Matlab, where the proposed approach is compared to the ones presented in the literature. Later, the work was brought into ROS using C++ to evaluate the method on the Franka Emika manipulator robot experimentally.