Enhancing the quality of human-robot cooperation through the optimization of human well-being, safety and productivity

With the advent of Industry 4.0, collaborative robotics has become one of the enabling technologies of the smart factory. The collaborative robots (cobots) embody the most crucial cornerstones of this industrial revolution such as adaptability, flexibility, efficiency and interoperability. To improve the effectiveness and the fluency of cooperation, the cobot must be endowed with several advanced capabilities. In particular, it should be able to select a strategy that ensures the adaptability to the behavioral, cognitive and physical features of the specific human coworker, while guaranteeing the efficiency of the productive process. This thesis aims at proposing new applications and strategies that enhance the quality of human-robot interaction (HRI) in industrial frameworks, with a major focus on solving the trade-off between human efficiency and workplace well-being. The current industrial revolution has radically changed the paradigm of the shop-floor worker which is now required to learn and perform different tasks during the same working shift. Making the collaboration between human and robot easier becomes then crucial. To exploit the recent technological developments, a novel holographic mixed-reality (MR) interface has been developed to support the operator during the learning phase of a new collaborative task. Besides, by incorporating the sensing capabilities of a MR headset with the ones of the work-cell vision system, a constrained particle filer-based method has been developed to improve the robot perception of the human operator in case of partial occlusion of his/her body. Furthermore, a digital twin (DT) of the collaborative workspace has been exploited both to simulate the robot motion, and to represent the work-cell volume occupied by the human operator. Based on this knowledge, the cognitive unit supervising the work-cell has been enabled to evaluate online the optimal trajectory for the cobot. This simultaneously minimizes the risk of collisions as well as the robot cycle time, by leveraging a genetic approach. These researches allowed to increase the human safety and the robot adaptation capabilities. The impact of crucial human factors such as cognitive, physical distress and interaction role (whether being leader or follower during cooperation) in influencing the quality and effectiveness of human-robot interaction has been a major focus of this thesis. In particular, a detailed analysis on how the interaction role of the robot influences the psycho-physiological response and the production rate of the human fellow operator has been carried out. Based on that, a novel method exploiting a game-theoretic approach has been proposed to model the trade-off between the human performance maximization and cognitive stress minimization. Besides, the outcomes of the previous analysis have been pivotal to develop a novel robot adaptive control strategy. More specifically, the robot has been endowed with the capability of applying a suitable alternation of the leader-follower interaction modes, based on the real-time evaluation of human stress and performance, with the aim of simultaneously increasing the human productivity and mitigating his/her cognitive stress. Ultimately, a real-time task allocation strategy has been developed to guarantee the minimization of the human physical fatigue, as well as the effectiveness of the production process. This strategy relies on a sophisticated musculoskeletal model of the human upper body. The effectiveness of the proposed methods has been experimentally validated in realistic human-robot collaborative scenarios involving several volunteers.

Con l’avvento dell’Industria 4.0 la robotica collaborativa è diventata una delle tecnologie abilitanti della fabbrica intelligente (smart factory). I robot collaborativi (cobots) rispecchiano i capisaldi più cruciali di questa rivoluzione industriale, come adattabilità, flessibilità, efficienza ed interoperabilità. Per migliorare l’efficacia e la fludità della coperazione, il cobot deve essere dotato di numerose capacità avanzate. In particolare, esso deve essere in grado di selezionare una strategia che assicuri l’adattabilità alle caratteristiche comportamentali, cognitive e fisiche dello specifico operatore umano con cui sta collaborando, garantendo, al contempo, l’efficienza del processo produttivo. Questa tesi si pone l’obiettivo di proporre nuove applicazioni e strategie volte a migliorare la qualità dell’interazione uomo-robot (HRI) in contesti industriali, focalizzandosi, in particolar modo, sulla possibilità di risolvere il trade-off tra efficienza e benessere lavorativo dell’operatore umano. L’attuale rivoluzione industriale ha cambiato radicalmente il paradigma dell’operatore a cui viene richiesto di apprendere ed eseguire attività diverse all’interno dello stesso turno lavorativo. Di conseguenza, diventa cruciale intervenire sulla possibilità di facilitare la collaborazione tra uomo e robot. Per sfruttare i recenti sviluppi tecnologici, in questa tesi è stata sviluppata un’innovativa interfaccia olografica di realtà mista (MR) per supportare l’operatore durante la fase di apprendimento di un nuovo compito collaborativo. Inoltre, integrando le capacità di percezione di un casco di realtà aumentata con quelle del sistema di visione della cella di lavoro, è stato sviluppato un nuovo metodo basato sull’applicazione di un filtro a particelle, con lo scopo di permettere al robot una migliore percezione dell’operatore umano in caso di parziale occlusione del suo corpo. Inoltre, si è sfruttato un digital twin (DT) dello spazio collaborativo per simulare il movimento del robot e rappresentare il volume della cella di lavoro occupato dall’operatore umano. Basandosi su queste informazioni, l’unità cognitiva che supervisiona la cella di lavoro è stata dotata della capacità di determinare online la traiettoria ottima per il cobot. Essa garantisce simultaneamente la minimizzazione del rischio di collisioni e del tempo ciclo del robot, sfruttando un approccio genetico. Queste ricerche hanno permesso di migliorare la sicurezza dell’operatore umano e le capacità di adattamento del cobot. Uno dei punti focali di questa tesi è stato studiare il modo in cui alcuni fattori umani cruciali come lo stress cognitivo, fisico e il ruolo svolto durante l’interazione con il robot influenzino la qualità e l’efficacia dell’interazione tra uomo e robot. In particolare, è stata effettuata un’analisi dettagliata volta a comprendere il modo in cui il ruolo del robot all’interno dell’interazione influenza la risposta psico-fisiologica e la capacità produttiva dell’operatore umano. Sulla base dei risultati di tale analisi, è stato proposto un nuovo metodo, basato sull’applicazione della teoria dei giochi, per modellare il trade-off tra la massimizzazione della produttività dell’operatore e la minimizzazione del suo stress cognitivo. Inoltre, i risultati della precedente analisi sono stati fondamentali per sviluppare un’innovativa strategia adattiva per il cobot. Più nello specifico, il robot è stato dotato della capacità di applicare un’opportuna alternanza delle modalità di interazione leader-follower, sulla base della valutazione in tempo reale dello stress e della performance dell’operatore umano, con lo scopo di incrementarne la produttività e mitigarne, al contempo, lo stress. In ultimo, è stata sviluppata una strategia di assegnazione dinamica delle attività collaborative, basata sull’utilizzo di un sofisticato modello muscolo-scheletrico della parte superiore del corpo dell’operatore. Essa è volta a garantire sia la minimizzazione della fatica fisica dell’operatore, sia l’efficacia del processo produttivo. I metodi proposti sono stati validati sperimentalmente in scenari realistici di collaborazione uomo-robot che hanno richiesto la partecipazione e il coinvolgimento di numerosi volontari.