A dynamic task allocation strategy to mitigate the human fatigue in a collaborative robotics scenario

In recent years, collaborative robotics (or co-botics) has gained increasing importance within the industry. The goal of co-botics is to promote a safe and effective cooperation between the human operator and the collaborative robot in an industrial framework. Indeed, the co-bot is specifically designed to safely share the workspace with its human fellow operator and assist him/her during the execution of the industrial task. This thesis fits into this area of interest. For a long time collaborative robotics has been regarded as an effective means to increase the efficiency of the production process. However, it can also be beneficial to improve the ergonomic and physiological safety of the industrial operators involved in cooperation. The purpose of this thesis is to endow the robot with the capability of estimating the physical workload induced on the human by each task activity and suggest him/her the best next activity to do to minimize the accumulation of musculoskeletal fatigue. To do this, a Smart Robots system, incorporating a 3D vision system and a cognitive unit, is used to track the real-time motion of some meaningful points along the human silhouette. The muscular activations and forces associated with the human motion are predicted online by exploiting machine learning-based methods that rely on a sophisticated musculoskeletal model of the human upper-body model assembled by exploiting the open source software (OpenSim). Based on this, the developed strategy dynamically allocates the task activities to the human or to the robot with the aim of minimizing his/her muscular fatigue, thus improving the quality of the cooperation.

Negli ultimi anni, la robotica collaborativa (o co-botica) ha acquisito un'importanza crescente all'interno del settore industriale. L'obiettivo della co-botica è quello di promuovere una cooperazione sicura ed efficace tra l'operatore umano e il robot collaborativo in ambito industriale. Infatti, il co-bot è specificamente progettato per condividere in sicurezza lo spazio di lavoro con il suo collega operatore umano e assisterlo durante l'esecuzione del compito industriale. Questa tesi si inserisce in quest'area di interesse. Scopo di questa tesi infatti dotare il robot della capacità di stimare il carico di lavoro fisico indotto sull'uomo da ogni attività e suggerirgli la migliore attività successiva da eseguire per ridurre al minimo l'accumulo di affaticamento muscolo-scheletrico. Per fare questo, un sistema Smart Robots, che incorpora un sistema di visione 3D e un'unità cognitiva, viene utilizzato per tracciare il movimento in tempo reale di alcune posizioni significative lungo la silhouette umana. Le attivazioni muscolari e le forze associate al movimento umano sono previste online sfruttando metodi basati su algoritmi di machine learning che si basano su un sofisticato modello muscolo-scheletrico del modello umano della parte superiore del corpo realizzato sfruttando il software open source OpenSim.La strategia sviluppata assegna dinamicamente le attività al robot o allàuomo con l'obiettivo di ridurre al minimo l'affaticamento muscolare di quest'ultimo , migliorando così la qualità della cooperazione.