Human arm motion prediction based on Bayesian intention classification and upper body kinematic modeling for application in collaborative robotics

In the current context of Industry 4.0, the collaboration between humans and robots is continuously evolving, with particular interest on production flexibility and human ergonomics. Currently, cobots leverage the available information on the operator to promptly react adapting their response to the human behavior in a natural way. With the aim to improve collaboration efficiency minimizing waiting time, the integration of predictive data related to the operator’s future movements seems a viable option. The present work addresses this need through the definition of a predictive model, based on the well-known recursive Bayesian classifier, aimed at estimating the future positions of the joints of an operator’s arm in a collaborative working context. The aim is to avoid collisions between humans and robots, which would increase the production time. Furthermore, to ensure compliance with the physical constraints between the joints and to strengthen the robustness of the method during the calculation of such joints, a kinematic model of the upper part of the human body has been developed. Both the kinematic and predictive models have been validated though an experimental campaign which includes various arm movements from multiple operators, demonstrating strong prediction performance and the method's generality.

Nell'attuale contesto dell'Industria 4.0, la collaborazione tra uomo e robot è in continua evoluzione, con particolare attenzione alla flessibilità produttiva e all'ergonomia umana. Attualmente, i cobot sfruttano le informazioni disponibili sull'operatore per reagire prontamente, adattando la loro risposta al comportamento umano in maniera naturale. Con l'obiettivo di migliorare l'efficienza della collaborazione riducendo i tempi di attesa, l'integrazione di dati predittivi relativi ai movimenti futuri dell'operatore appare come un'opzione praticabile. Il presente lavoro affronta tale esigenza mediante la definizione di un modello predittivo, basato sul noto classificatore Bayesiano ricorsivo, finalizzato a stimare le posizioni future dei giunti del braccio di un operatore in un contesto di lavoro collaborativo. Il fine è quello di evitare collisioni tra uomo e robot, che aumenterebbero i tempi di produzione. Inoltre, per garantire il rispetto dei vincoli fisici tra i giunti e rafforzare la robustezza del metodo durante il calcolo di tali giunti, è stato sviluppato un modello cinematico della parte superiore del corpo umano. Sia il modello cinematico che quello predittivo sono stati validati tramite una campagna sperimentale che ha incluso vari movimenti del braccio di più operatori, dimostrando elevate prestazioni predittive e la generalità del metodo.