Impedance shaping and model predictive sliding mode control for stable bilateral robot teleoperation

Nowadays, automation techniques are more oriented towards a complete autonomy of supervision and control systems in order to take the human out of the loop. This phenomenon is spreading from the consumer area (autonomous vehicles, Ambient Assisted Living) to the industrial one (machine learning, industry 4.0). Nevertheless, recent studies have shown that the cooperation between humans and machines has a better adaptability and greater productivity with respect to fully autonomous solutions. Moreover, this choice is preferable when production processes involve the interaction with dangerous or expensive substances. To better combine the peculiarities of the operator and the machine, they need to share as much information as possible. For this reason, robot bilateral teleoperation has been considered in this thesis. In this framework, the user is able to control a slave manipulator at a remote location from a master station, while at the same time being able to perceive the robot external environment thanks to accurately designed feedback forces. These networked systems are notoriously affected by stability and transparency issues. To solve them, in this thesis a model predictive nonlinear sliding mode control technique has been developed and generalised to multi \acrshortpl{dof} teleoperation systems. Furthermore, the proposed controller is able to guarantee stable environment interaction while retaining good telepresence (even if affected by delay) thanks to impedance shaping techniques. Simulation results prove the validity of the approach, improving the robustness of the system with respect to external disturbances and uncertainties. The formulated theory has been applied to an anthropomorphic manipulator, underlining the main simulation limits as well as showing new possible improvements of the proposed theory.

Oggigiorno, le tecniche di automazione sono sempre più orientate verso la completa autonomia dei sistemi di supervisione e di controllo, così da poter escludere il più possibile l'intervento dell'uomo. Questo fenomeno si sta diffondendo sia nell'ambito ``consumer'' (veicoli autonomi, domotica) che in quello industriale (machine learning, industria $4.0$). Ciononostante, recenti studi hanno mostrato che la cooperazione tra uomo e macchina possiede più capacità di adattamento e miglior produttività rispetto ad una soluzione totalmente autonoma. Inoltre, questa scelta è preferita nel caso in cui i processi produttivi prevedano la manipolazione di sostanze pericolose o costose. Per poter conciliare al meglio le peculiarità di operatore e macchina, essi devono condividere più informazioni possibili. Per questa ragione, nella presente tesi è stato analizzato un sistema di teleoperazione bilaterale. Grazie ad esso, l'utente è in grado di controllare, dalla propria stazione di comando, un manipolatore remoto e allo stesso tempo di percepire l'ambiente esterno del robot grazie alla presenza di un feedback di forza adeguato. A tali sistemi distribuiti sono notoriamente associati problemi di stabilità e trasparenza. Per poterli risolvere, in questa tesi sono state sviluppate tecniche di controllo non lineare di tipo model predictive sliding mode, generalizzandone l'analisi a sistemi di teleoperazione a più gradi di libertà. Inoltre, il controllore proposto è in grado di garantire la stabilità al contatto con l'ambiente pur mantenendo una buona tele - presenza, persino se affetto da ritardo. Ciò è ottenuto grazie a modifiche online delle relazioni d'impedenza. I risultati ottenuti in simulazione dimostrano la bontà dell'approccio scelto, migliorando la robustezza del sistema nei confronti di disturbi esterni e incertezze. La teoria formulata è stata applicata ad un manipolatore antropomorfo, evidenziando i limiti della simulazione e mostrando nuovi possibili sviluppi della teoria proposta.