• Robot collaborativo
• cobot
• ottimizzazione non lineare vincolata
• non-linear constrained optimization
• objects throwing
• lancio di oggetti

Nowadays, industrial robots are widely used in all kinds of applications. These robots are typically large and heavy, placed in a fixed position within an industrial plant. They play an essential role in the manufacturing process by replacing human work and performing all repetitive tasks. From painting and handling to picking and packaging, they can move heavy materials quickly from one place to another, cut and assemble products, and safely perform any dangerous work to humans, such as working in a contaminated environment or collecting waste materials. Therefore, these can present risks to human workers as they are not meant to work alongside humans. Due to their high speed requires safety measures, such as a cage, to keep humans out of the robot's workspace and avoid physical contact. A different approach and interaction between robots and humans has developed in the last decade thanks to a new industrial revolution phase called Industry 4.0. One of the essential technology related to it are collaborative robots, also called Cobots.
Most of the benefits of using collaborative robots are related to the manufacturing and logistic process. Cobots can interact directly with humans within a defined collaborative workspace. However, the currently available cobots are much slower than traditional industrial manipulators, and they have much more limitations on maximum velocity and payload. One of the most common dynamic tasks required in logistic processes is throwing and moving goods and materials. Typically, they are performed by humans who can manage and manipulate objects differently because of the cobot's limitations in payload and maximum speed. Since the motivations illustrated above, this work aims to find a throwing strategy for the collaborative robot UR10e to throw an object with a limited mass using an anthropomorphic soft-hand gripper. The object throwing strategy will be investigated through a human and not-human approach, adopting a constrained non-linear optimization method, starting from the human-related throwing strategy involved in sports movement.


Oggi giorno, i robot industriali sono ampiamente utilizzati in ogni genere di applicazioni. Questi robot sono tipicamente grandi e pesanti, collocati in una posizione fissa all'interno di un impianto industriale. Essi giocano un ruolo essenziale nel processo di produzione, sostituendo il lavoro umano ed eseguendo tutti i compiti ripetitivi. Dalla verniciatura e manipolazione al prelievo e all'imballaggio, possono spostare rapidamente materiali pesanti da un posto all'altro, tagliare e assemblare materie prime, ed eseguire in sicurezza qualsiasi lavoro pericoloso per l'uomo, come lavorare in un ambiente contaminato o raccogliere materiali di scarto. Tuttavia, a causa della loro alta velocità richiedono misure di sicurezza per tenere gli gli essere umani fuori dallo spazio di lavoro del robot al fine di evitare il contatto fisico.
Nell'ultimo decennio grazie a una nuova rivoluzione industriale chiamata Industria 4.0, si è sviluppato un diverso approccio e interazione tra robot e l ’essere umano. Una delle tecnologie essenziali legate ad essa sono i robot collaborativi, propriamente denominati come cobot. La maggior parte dei benefici legati all’uso dei robot collaborativi riguardano i processi di produzione e logistica. I cobot possono interagire direttamente con gli esseri umani all'interno di uno spazio di lavoro condiviso. Tuttavia, i cobot attualmente disponibili sono molto più lenti dei manipolatori industriali tradizionali poiché hanno limiti più stringenti sulla velocità massima e sul carico utile. Uno dei compiti dinamici più comuni richiesti nei processi logistici è la movimentazione di merci e materiali, tipicamente eseguiti dall’essere umano. Date le motivazioni illustrate sopra, questo lavoro mira a trovare una strategia per lanciare un oggetto, come una pallina da baseball, per il robot collaborativo UR10e utilizzando un gripper antropomorfo, partendo da un approccio “human-like”.