Optimising stress and productivity in human-robot collaboration based on intention estimation and game theory

Recently, a revolutionary change has occurred in the industrial framework: the introduction of collaborative robots. Thanks to collaborative robots, humans and robots can work closely, sharing the same workspace without any danger. Indeed, collaborative robots are specifically designed to work safely alongside humans. However, this new scenario presents new questions and problems that must be addressed by the scientific community. Indeed, collaboration with a robot is not as immediate as collaboration with another human and often involves misunderstandings, stress and complexity, decreasing productivity. In this thesis, the problem of finding the best trade-off between user cognitive stress and productivity is addressed using a human intention estimation algorithm, together with a robot controller based on game theory. Thanks to the intention estimation, the robot is able to better cooperate with the human, inferring the actions she/he wants to perform and executing those she/he tries to avoid. This intention inference algorithm receives as input the hands positions of the worker and outputs the probability of reaching each admissible target of the collaborative workspace. At the same time, the game theory-based controller is in charge of adjusting the robot production rhythm so as to optimize the trade-off between the maximization of the human performance and the minimization of his/her stress. The human physiological stress was estimated based on the analysis of the subjects’ electrocardiographic signal. The proposed control strategy was tested through an experimental campaign during which several volunteers were required to accomplish a collaborative task with the ABB dual-arm YuMi robot.

Recentemente, è avvenuto un cambiamento rivoluzionario in ambito industriale, l’introduzione dei robot collaborativi. Grazie ai robot collaborativi, umani e robot possono lavorare a stretto contatto, condividendo lo stesso spazio di lavoro senza alcun pericolo. Infatti, i robot collaborativi sono specificamente progettati per lavorare in sicurezza accanto agli esseri umani. Tuttavia, questo nuovo scenario presenta nuove domande e problemi che devono essere affrontati dalla comunità scientifica. Infatti, la collaborazione con un robot non è così immediata come quella con un altro umano e spesso comporta incomprensioni, stress e complessità, diminuendo la produttività. In questa tesi, il problema di trovare il miglior compromesso tra lo stress cognitivo dell’utente e la produttività viene affrontato utilizzando un algoritmo di stima dell’intenzione umana, insieme a un controllore del robot basato sulla teoria dei giochi. Grazie alla stima dell’intenzione, il robot è in grado di cooperare meglio con l’uomo, deducendo le azioni che lei/lui vuole eseguire ed eseguendo quelle che cerca di evitare. Questo algoritmo di inferenza dell’intenzione riceve come input le posizioni delle mani del lavoratore e dà in output la probabilità di raggiungere ogni obiettivo ammissibile dello spazio di lavoro collaborativo. Allo stesso tempo, il controller basato sulla teoria dei giochi è incaricato di regolare il ritmo di produzione del robot in modo da ottimizzare il trade-off tra la massimizzazione della performance umana e la minimizzazione del suo stress. Lo stress fisiologico umano è stato stimato sulla base dell’analisi del segnale elettrocardiografico dei soggetti. La strategia di controllo proposta è stata testata attraverso una campagna sperimentale durante la quale diversi volontari sono stati chiamati a svolgere un task collaborativo con il robot dual arm ABB YuMi.