Motivado pelo fato de que a escolha correta da forma preênsil para mãos robóticas antropomórficas representa aspectos relevantes no planejamento de estratégias de manipulação de objetos, este trabalho: desenvolve um algoritmo de pegas de objetos compatíveis com a tarefa a ser realizada e um método computacional de ajuste de superelipsóides a superfícies de objetos sintéticos 3D para modelar as primitivas resultantes do estágio de segmentação manual do objeto. Essa representação volumétrica contempla as atrativas propriedades de um modelo compacto, controlável e intuitivo, capaz de modelar uma ampla variedade de geometrias simétricas básicas a partir de 11 parâmetros. Tendo em vista que a acomodação de superelipsóides a nuvens de pontos caracteriza desafios típicos de mínimos quadrados, um breve estudo sobre o método numérico de Levenberg-Marquardt, utilizado na minimização da função objetivo adotada, se mostrou necessário para maximizar a sua eficiência. O desempenho e a eficiência do programa computacional desenvolvido foram demonstrados na modelagem experimental de cinco primitivas organizadas em diferentes configurações. As pequenas distorções, consideradas aceitáveis para a proposta do trabalho, evidenciaram a robustez da representação de formas elementares empregando superelipsóides sem deformações. Encerrada a etapa de modelagem das primitivas, um método de auto-aprendizagem supervisionada interpreta as informações de forma e tamanho de tais formas básicas para sugerir a pega de uma das primitivas que compõem o objeto e a forma preênsil compatível com a tarefa desejada.

Motivated by the fact that the correct choice of prehensile form for anthropomorphic robotic hand describes relevant aspects in planning strategies of object manipulation, this work develops an algorithm of grasping objects to match the task requirements and a computational method capable of fitting superellipsoids to surfaces of synthetic 3D objects to model the resulting primitives from the manual segmentation stage of the object. This volumetric representation describes the attractive properties of a compact, controllable and intuitive model, which is capable of modeling a wide variety of standard geometric solids by using eleven parameters. Since the superellipsoid fitting process characterizes typical least squares problems, a brief review about Levenberg-Marquardt numerical method, employed for the adopted objective function minimization, was necessary to maximize its efficiency. The performance and efficiency of the developed program were demonstrated in the experimental modeling of five symmetrical primitives shapes organized in several configurations. The small distortions, considered acceptable to the work proposal, confirm the robustness of representing elementary shapes employing superellipsoids without deformations. After finishing the primitive modeling stage, a supervised learning method interprets the size and shape information of such basic shapes to suggest the grasp of one constituent single parts and the task-compatible prehensile form.