Quest’anno, I-RIM è lieto di annunciare due sfide tematiche, progettate per valutare l’impatto reale della ricerca all’avanguardia sviluppata dalla comunità. I-RIM 3D presenterà due entusiasmanti competizioni tematiche: una focalizzata sulla Locomozione dei Quadrupedi su superfici irregolari e l’altra sulla Robotica Agricola. Immergiti in queste sfide per spingere i confini dell’innovazione!
Important dates
- Apertura: July 1
- Deadline : August 2
Industrial sponsors
Iscrizione
Le iscrizioni saranno accettate fino al raggiungimento del numero massimo di squadre (max. 5) per ciascuna sfida. Ogni squadra può essere composta da un massimo di 6 persone. Tutte le squadre interessate possono registrarsi alla competizione inviando un’email a irim2024.challenges@gmail.com. Le richieste generali devono essere indirizzate al Prof. Michele Focchi (michele.focchi@unitn.it), al Dr. Clemente Lauretti (c.lauretti@unicampus.it) e al Dr. Andrea Pupa (andrea.pupa@unimore.it).
Premio
Il team vincitore riceverà un premio in denaro.
Organizzatori e Points of Contacts
1 Robotic Dog Race
La Robotic Dog Race Challenge (RDRC) è una competizione supportata dall’azienda EagleProjects. Come per la competizione di ICRA 2023, la RDRC proporrà di attraversare un ambiente impegnativo composto da ostacoli di diverse difficoltà, che richiedono capacità di locomozione eterogenee. I compiti sono progettati per mettere alla prova e stimolare alcune competenze fondamentali richieste agli ingegneri robotici. I partecipanti dovranno utilizzare solide capacità di problem solving, concentrazione, pianificazione strategica, flessibilità mentale e creatività per completare la prova.
Descrizione
La Robotic Dog Race sarà una sfida su capacità di locomozione di robot quadrupedi: il robot dovrà percorrere una gara da punto A a punto B nel minor tempo possibile, superando diversi ostacoli (rampe, detriti), cercando di minimizzare le collisioni del corpo con l’ambiente; il robot potrà essere teleoperato.
Alle squadre verrà fornita una mappa open-source dell’ambiente. Per la preparazione della gara e per il training o la progettazione del framework di locomozione, mettiamo a disposizione un repository Git basato su Gazebo (simulatore robotico 3D). Per creare e testare funzionalità e comportamenti, le squadre dovranno implementare il proprio controller e testarlo prima della competizione all’interno del simulatore Gazebo. Sarà possibile riprodurre il comportamento dei sensori installati (ad esempio Lidar, fotocamera RGB, telecamera di profondità) utilizzando C++ o Python. Il codice sviluppato verrà poi caricato sull’hardware robotico della squadra o su un quadrupede Go1 EDU fornito da EagleProjects (se necessario).
Regole del Gioco
L’obiettivo di questa sfida è testare la capacità del robot di navigare attraverso vari ostacoli da un punto A a un punto B lungo un percorso designato, nel minor tempo possibile.
- L’arena è circondata da muri, impedendo al robot di uscire.
- Ai partecipanti viene fornita una mappa 3D dell’arena al momento dell’iscrizione alla sfida.
- C’è un percorso predefinito da seguire, che include il superamento di ostacoli di diversi livelli di difficoltà.
- Alcuni ostacoli, come pietre da attraversare, detriti e mobili, sono distribuiti strategicamente per mettere alla prova la capacità del robot di navigare.
- Altri ostacoli includono rampe con diverse pendenze e terreni morbidi (schiuma). Alcuni ostacoli richiedono abilità specifiche, come strisciare sotto una barra bassa o saltare su un gradino alto.
- A ogni ostacolo è associato un punteggio (vedi punteggi degli ostacoli).
- La commissione giudicatrice valuterà la percentuale di completamento di ogni compito (dal 0% al punteggio pieno).
- I punteggi degli ostacoli superati saranno accumulati; se un ostacolo viene saltato, la squadra riceverà un punteggio pari a 0.
- Se il robot cade, non ci sarà penalità se è in grado di rialzarsi da solo. Se non è in grado di rialzarsi, dovrà ripartire dall’inizio dell’ostacolo.
- Ogni volta che il robot tocca i muri, verrà assegnata una penalità di 1 punto (soggetta a modifiche).
- La commissione giudicatrice si riserva il diritto di interrompere il tentativo di qualsiasi squadra se considerato pericoloso o non conforme alle linee guida.
Nota: in questa sfida il robot è previsto che sia teleoperato. Tuttavia, se il robot completa con successo la sfida in modo completamente autonomo, verrà applicato un fattore di moltiplicazione del punteggio pari a X2. Il punteggio di ogni ostacolo è determinato in base alla sua difficoltà oggettiva. Il tempo impiegato per completare il compito sarà anch’esso un fattore di valutazione.
Software/Code Availability
Forniamo un framework di locomozione (Wolf) per la simulazione della sfida. Per il percorso di locomozione, ci si aspetta che le squadre sviluppino il proprio framework. Il codice è disponibile al seguente link (github code).
Q&A sessions
Ogni due settimane, gli organizzatori della sfida si riuniranno per una sessione di domande e risposte al fine di perfezionare ulteriormente il codice baseline (se necessario) e valutare le domande dei partecipanti.
Le richieste relative a questa specifica sfida devono essere indirizzate a
- Prof. Michele Focchi (michele.focchi@unitn.it)
- Dr. Andrea Pupa (andrea.pupa@unimore.it)
2 Robotics in Agriculture
La Tomato Harvesting Challenge (THC) è una competizione supportata da Pal Robotics SL, che fornirà il robot Tiago, dotato di un braccio robotico a 7 gradi di libertà (7-DoF) e gripper parallelo. La competizione mira a far progredire il campo della robotica agricola, incoraggiando lo sviluppo di soluzioni innovative per la raccolta dei frutti.
Raggiungere una raccolta selettiva e accurata richiede il superamento di molte sfide, tra cui la capacità di:
i) rilevare i frutti da raccogliere,
ii) valutarne lo stadio di maturazione,
iii) pianificare il movimento del robot gestendo la variabilità dell’ambiente agricolo.
I pomodori, tra i frutti più consumati al mondo, vengono generalmente raccolti in diversi stadi di maturazione per soddisfare varie esigenze di consumo. Questo comporta sfide uniche nell’identificazione accurata del momento ottimale per la raccolta.
La competizione ha un grande potenziale per spingere i confini della robotica agricola automatizzata e promuovere l’innovazione nell’agricoltura di precisione, con vantaggi per coltivatori e consumatori.
Descrizione
L’obiettivo della competizione è programmare il robot Tiago per raccogliere pomodori maturi in modo automatico. Le squadre dovranno i) acquisire immagini dalla telecamera RGB-D del Tiago, ii) rilevare i pomodori maturi, iii) raggiungerli attraverso il braccio robotico a 7 gradi di libertà (7 DoF), iv) afferrarli e staccarli dalla pianta senza causare danni e v) posizionarli in un cesto.
I partecipanti avranno accesso a un ambiente di simulazione Gazebo e a uno spazio di lavoro ROS1 per training e testing delle loro soluzioni. Il codice sviluppato verrà poi implementato sul robot Tiago fornito da PAL Robotics durante la conferenza.
Il codice di base per la sfida sarà disponibile tramite un repository GitHub. Le istruzioni per l’installazione di ROS possono essere trovate sul sito ufficiale. L’ambiente di simulazione è stato sviluppato internamente dalla Campus Bio-Medico University di Roma e dall’Università di Modena e Reggio Emilia utilizzando il motore di simulazione Gazebo.
Regole del Gioco
L’arena consisterà in un ambiente realistico con piante e pomodori fittizi attaccati. I pomodori avranno posizioni predefinite (che saranno stabilite prima della competizione e saranno le stesse per ogni gruppo) e diversi stadi di maturazione (ad esempio, verde, rosso chiaro (arancione) e rosso maturo). La base del Tiago rimarrà in una posizione fissa durante la competizione, di fronte alle piante di pomodoro.
Sfruttando le capacità del robot Tiago, i partecipanti dovranno progettare e implementare sistemi in grado di eseguire in modo accurato ed efficiente le seguenti attività:
Rilevamento dei Frutti: I partecipanti dovranno sviluppare algoritmi robusti per rilevare i pomodori, affrontando occlusioni e la variabilità naturale nell’aspetto delle piante e dei frutti. La telecamera del Tiago può essere spostata per facilitare il rilevamento dei pomodori.
Valutazione della Maturazione: I partecipanti dovranno sviluppare metodi per valutare accuratamente la maturazione dei pomodori sulla base delle informazioni di colore. Ciò richiede la distinzione tra i diversi stadi di maturazione per garantire che i pomodori vengano raccolti nel loro stadio ottimale (ad esempio, rosso maturo).
Pianificazione del Movimento del Robot: Questo implica lo sviluppo di strategie avanzate di pianificazione dei percorsi e manipolazione che consentano al braccio robotico di i) raggiungere in sicurezza i pomodori rilevati, ii) afferrarli e staccarli dalla pianta e iii) posizionarli in un cesto. Le squadre sono tenute a controllare con precisione il movimento del braccio, gestendo le collisioni con l’ambiente (cioè piante e cesto) e adattando la forza esercitata dalla pinza parallela sul pomodoro per non danneggiare le piante e i frutti.
Punteggi e Penalità
- Ogni squadra avrà a disposizione 2 tentativi (soggetti a modifica), con ogni tentativo della durata massima di 10 minuti (anch’essa soggetta a modifica). Tutti i tentativi devono iniziare da una posizione di partenza e fermarsi dopo il limite di tempo. Il punteggio finale della squadra sarà determinato dal miglior tentativo.
- In caso di problemi tecnici, sono consentiti i riavvii manuali del sistema. Il timer rimarrà invariato; tuttavia, il braccio dovrà essere riportato a una posizione di sicurezza con il gripper aperto prima di procedere. Qualsiasi pomodoro che non è stato posizionato sarà scartato.
- Il punteggio sarà calcolato in base al numero di pomodori raccolti entro il limite di tempo specificato. I pomodori più difficili da raggiungere o rilevare forniranno punteggi più elevati. Il punteggio per ogni pomodoro raccolto, assegnato in base alla sua posizione e alla difficoltà di rilevamento, sarà definito prima della competizione.
- Le penalità si applicheranno i) se viene raccolto un pomodoro non maturo (cioè verde o rosso chiaro), ii) se un pomodoro viene danneggiato o lasciato cadere, o iii) se il braccio collide con le piante e il cesto. In questi casi, la sessione potrebbe essere interrotta. I punti di penalità da assegnare saranno definiti prima della competizione.
- Il punteggio finale ottenuto dalle squadre sarà calcolato sottraendo i punti di penalità dal numero totale di pomodori maturi raccolti nel cesto. Questo punteggio potrebbe anche raggiungere valori negativi.
- In caso di pareggio, la squadra con le prestazioni più affidabili sarà determinata dal punteggio ottenuto nel secondo tentativo.
Le regole della competizione potrebbero essere soggette a modifiche o integrazioni. Si prega di fare riferimento al repository GitHub per aggiornamenti al seguente link.
Software/Code Availability
L’ambiente di simulazione, in cui ogni squadra può addestrare e testare le soluzioni sviluppate, insieme al codice di base del Tiago, sarà disponibile dopo la registrazione alla sfida al seguente link. Le istruzioni per l’installazione saranno fornite con il pacchetto di simulazione. Si prega di controllare la pagina di readme nel repository per la descrizione dei pacchetti ROS forniti.
Per l’implementazione di i) modulo di rilevamento dei frutti, ii) algoritmi di valutazione della maturazione e iii) pianificazione del movimento del robot, le squadre sono tenute a sviluppare il proprio framework.
Q&A sessions
Ogni due settimane, gli organizzatori della sfida si riuniranno per una sessione di domande e risposte al fine di perfezionare ulteriormente il codice baseline (se necessario) e valutare le domande dei partecipanti.
Le richieste relative a questa specifica sfida devono essere indirizzate a:
- Dr. Clemente Lauretti (c.lauretti@unicampus.it)
- Dr. Andrea Pupa (andrea.pupa@unimore.it)
