Recurrent neural network for trajectory prediction in human-robot collaboration

The human-robot collaboration is collecting an increasing interest in the industrial field, since it allows to combine the flexibility of the human with the strength and the repeata- bility of the modern robot. The main critical aspect is to made the robot aware of his partner and able to adapt to him in an efficient way. This naturally occurs when 2 per- sons are collaborating, thanks to the human’s ability to predict the partner’s action when both are trying to achieve the same goal. Conversely, defining a model able to interprete the human’s action can be very complex. This last aspect is crucial in the human-robot interaction, since an estimation of the partner’s intent in required to implement a control strategy able to improve the collaboration and make the robot aware of the partner. The goal of this work is to realize a recurrent neural network able to estimate the trajectory that the human want to follow. To tackle the problem of large computational burden, this work has the target to define a methodology that allows to properly tune a model with a small amount of time and computational power. In order to chieve these objectives, tech- niques such as "transfer learning" and "iterative training" are implemented and adapted to the considered case study.

La collaborazione uomo-robot sta riscuotendo un interesse sempre maggiore in ambito in- dustriale, poichè permette di combinare la capacità dell’uomo di adattarsi e comprendere velocemente nuovi contesti con l’elevata ripetitibilità e forza dei robot moderni. La prin- cipale criticità consiste nel rendere il robot capace di adattarsi in modo efficace al proprio partner umano. Sebbene questo avvenga in modo naturale quando due persone collabo- rano per completare un task comune, grazie alla capacità di prevedere il comportamento del proprio partner con cui condivide l’obiettivo, risulta complicato definire un modello in grado di interpretare le azioni del’uomo e da esse stimare l’obiettivo. Quest’ultimo aspetto è cruciale nell’interazione uomo-robot, poichè stimare l’intenzione dell’uomo risulta neces- sario per poter implementare un controllo del robot atto ad ottimizzare la collaborazione con l’operatore umano. Lo scopo del presente lavoro di tesi consiste nel realizzare a un rete neurale ricorrente in grado di stimare la traiettoria che l’uomo intende seguire. Data l’elevata potenza computazionale richiesta per elaborare i dati ed ottimizzare il modello, questo lavoro si pone l’obiettivo di definire una metodologia tale per cui sia possibile ottimizzare il modello mantenendo contenuto il carico computazionale. Per raggiungere questi target, tecniche come "transfer learning" ed "training iterativo" sono state imple- mentate ed adattate al caso preso in esame.