Optimizing Collaboration with BCI: A Guide to Communication Strategies with Cobot in Multimodal Settings

Industry 5.0 constitutes a pivotal transformation within the industrial revolution, predominantly characterized by collaborative tasks involving cobots, as it manifests as a human-centric process. This thesis delves into strategies to enhance efficiency in multimodal collaborative tasks with collaborative robots (cobots) within Industry 5.0. The aim is to reduce task duration, boost durability, flexibility, and user comfort. Employing a human-centric approach, the research utilizes a data-driven methodology, considering metrics like task completion times, error rates, and user feedback. Task properties in human-centric assembly collaborative tasks guide communication strategy design, including complexity levels, precision requirements, safety protocols, task interdependencies, and more. A novel approach systematically compares types of messages in human-robot interaction with various communication technologies. This aids in selecting the most appropriate communication technology based on the required message type. The thesis analyzes sensors for multimodal collaborative tasks, from Brain-Computer Interface (BCI) helmets to thermal sensors. Sensors are systematically compared with communication technologies and message types, providing insights for optimizing collaborative applications. Two experimental scenarios, one involving BCI and hand guiding and the other using buttons and hand guiding, practically apply proposed theoretical concepts. Results support guidelines, demonstrating reduced task duration and improved efficiency. In conclusion, the thesis provides practical guidelines for navigating Industry 5.0, supporting the integration of collaborative robots into industrial settings. Balancing efficiency gains and user comfort ensures a holistic approach to human-robot collaboration, contributing to reshaping industrial processes in the era of Industry 5.0

Questa tesi approfondisce le strategie per migliorare l'efficienza nelle attività di collaborazione multimodale con robot collaborativi (cobot) nell'ambito dell'Industria 5.0. L’obiettivo è ridurre la durata delle attività, aumentare la durata, la flessibilità e il comfort dell’utente. Impiegando un approccio incentrato sull'uomo, la ricerca utilizza una metodologia basata sui dati, considerando metriche come tempi di completamento delle attività, tassi di errore e feedback degli utenti. Le proprietà delle attività nelle attività collaborative di assemblaggio incentrato sull'uomo guidano la progettazione della strategia di comunicazione, inclusi livelli di complessità, requisiti di precisione, protocolli di sicurezza, interdipendenze delle attività e altro ancora. Un nuovo approccio confronta sistematicamente i tipi di messaggi nell'interazione uomo-robot con varie tecnologie di comunicazione. Ciò aiuta nella scelta della tecnologia di comunicazione più appropriata in base al tipo di messaggio richiesto. La tesi analizza i sensori per attività collaborative multimodali, dai caschi Brain-Computer Interface (BCI) ai sensori termici. I sensori vengono sistematicamente confrontati con le tecnologie di comunicazione e i tipi di messaggi, fornendo approfondimenti per ottimizzare le applicazioni collaborative. Due scenari sperimentali, uno che coinvolge la BCI e la guida manuale e l'altro che utilizza pulsanti e guida manuale, applicano praticamente i concetti teorici proposti. I risultati supportano le linee guida, dimostrando una durata ridotta delle attività e una migliore efficienza. In conclusione, la tesi fornisce linee guida pratiche per navigare nell'Industria 5.0, supportando l'integrazione di robot collaborativi in contesti industriali. Il bilanciamento tra guadagni di efficienza e comfort dell’utente garantisce un approccio olistico alla collaborazione uomo-robot, contribuendo a rimodellare i processi industriali nell’era dell’Industria 5.0.