Sistema realistico per la manipolazione e l'interazione con oggetti in ambienti di realtà virtuale

Abstract

Questa tesi presenta lo sviluppo di un sistema di presa altamente realistico e adattabile per ambienti di realtà virtuale (VR). Eliminando la necessità di animazioni predefinite, il sistema migliora l'immersione dell'utente attraverso interazioni dinamiche e in tempo reale con oggetti di diverse forme e dimensioni. Ispirato alla dinamica delle mani reali, il sistema utilizza simulazioni basate sulla fisica per consentire movimenti naturali delle dita, dove le dita si piegano e si adattano ai contorni degli oggetti al contatto.

Il sistema è stato testato con varie geometrie di oggetti, dimostrando una superior adattabilità e precisione rispetto ai metodi tradizionali di presa in VR. I risultati hanno mostrato un miglioramento nel realismo dell'interazione, con movimenti fluidi delle mani e una manipolazione precisa degli oggetti, garantendo un'esperienza utente più immersiva. Sfide chiave come la rilevazione delle collisioni e l'ottimizzazione delle prestazioni sono state affrontate per mantenere la reattività senza sacrificare il realismo.

Questo progetto contribuisce allo sviluppo della VR offrendo una soluzione di presa flessibile e scalabile, applicabile in diversi settori, dal gaming alle simulazioni educative. Futuri sviluppi potrebbero esplorare l'integrazione di tecniche di machine learning per migliorare le capacità predittive e condurre valutazioni su scala più ampia per perfezionare ulteriormente il sistema.

This thesis presents the development of a highly realistic and adaptable grasping system for virtual reality (VR) environments. By eliminating the need for predefined animations, the system enhances user immersion through dynamic, real-time interaction with objects of various shapes and sizes. Inspired by real-world hand dynamics, the system uses physics-based simulations to enable natural finger movements, where fingers bend and conform to object contours upon contact. The system was tested with various object geometries, demonstrating superior adaptability and precision compared to traditional VR grasping methods. The results showed improved interaction realism, with fluid hand movements and accurate object manipulation, ensuring a more immersive user experience. Key challenges such as collision detection and performance optimization were addressed to maintain responsiveness without sacrificing realism. This project contributes to VR development by offering a flexible, scalable grasping solution applicable across different sectors, from gaming to educational simulations. Future work may explore integrating machine learning techniques to enhance predictive capabilities and conducting larger user evaluations to further refine the system.