Human-robot collaboration with task precedence constraints via hindsight optimization

This thesis aims at improving, in the field of human-robot collaboration, the perceived safety and comfort between humans and robots when executing a set of tasks with given precedence constraints in a shared workspace. During human-robot collaboration, a robot and a user must often complete a disjoint set of tasks that use an overlapping set of objects, without using the same object simultaneously. A key challenge is deciding what task the robot should perform next and how in order to avoid collisions in collaboration. However, it is often difficult, and sometimes impossible, to infer the human's exact goal in real time and to remain adaptive to changes in human goals. The aim is to increase safety and comfortable levels of the human while granting the execution of all the tasks in the correct order. The here proposed approach uses a Partially observable markov decision process(POMDP) policy able to decide the best robot action, i.e. the best goal and trajectory, according to a distribution probability on the user goals and on task precedence constraints. The developed system is evaluated in a study.

Questa tesi mira a migliorare, nel campo della collaborazione uomo-robot, la sicurezza e il comfort percepito dall’uomo in task di collaborazione uomo-robot xaratterizzati da vincoli di precedenza in uno spazio di lavoro condiviso. Durante la collaborazione uomo-robot, un robot e un utente devono spesso completare un insieme disgiunto di attività e un insieme di oggetti, senza poter lavorare contemporaneamente sullo stesso oggetto. Una sfida chiave consiste nel decidere quale compito il robot deve eseguire successivamente e in che modo evitare collisioni con la persona durante la collaborazione. Tuttavia, è spesso difficile, e talvolta impossibile, dedurre l'obiettivo esatto dell'uomo in tempo reale e rimanere flessibili ai cambiamenti negli obiettivi umani. Lo scopo è quello di aumentare la sicurezza e i livelli di comfort dell'umano, garantendo allo stesso tempo l'esecuzione di tutti i compiti nell'ordine corretto. L'approccio qui proposto utilizza una politica del processo decisionale markov (POMDP) parzialmente osservabile in grado di decidere la migliore azione del robot, ovvero l'obiettivo e la traiettoria migliori, in base a una probabilità di distribuzione sugli obiettivi dell'utente e sui vincoli di priorità delle attività. Il sistema sviluppato è stato validato tramite una campagna sperimentale