Framework for Collaborative Robotic Systems

In the last decade, collaborative robots, or simply cobots, are becoming increasingly common thanks to their ability to safely share their workspace with a human operator. This ability may improve the performance of industrial systems, with a particular focus on assembly ones, thanks to the possibility to merge the flexibility of a manual system with the performance of traditional robotics. Moreover, it is possible to partially automate tasks that were previously too difficult or too expensive to automate. Despite their advantages, the adoption of collaborative robots is still limited in the industrial setting due to their drawbacks. Indeed, their performance are limited in comparison to traditional robots due to safety reasons, and it may not be possible to optimize their trajectory since it is necessary to avoid the operator. Moreover, a collaborative workcell is usually separated from the main industrial plant, thus limiting its effects on the production process. This is further complicated in the case of multi-resource collaborative systems, i.e., systems with a number of resources greater than 2. The aim of this work is to solve these drawbacks by presenting a framework, thus a set of algorithms, to integrate collaborative robots in the industrial setting with a great focus on multi-resources collaborative systems. This means not only to develop a task allocation and communication algorithm to manage the cobots and industrial robots composing the plant, but also to develop a set of algorithms to estimate and improve the performance of these systems. This is further complicated by the need of considering the human operator in the loop, which requires particular attention. In the first part, this dissertation focuses on the analysis of the performance of multi-resource collaborative systems, identifying the product and process characteristics that influence the productivity of these systems, and providing a model that allows evaluating the productivity of these systems given their layout. To integrate the different cobots composing the multi-resource system, a framework is presented, with a set of tools to correctly assign the tasks. This framework can also be adopted to integrate the collaborative system with the main industrial plant. The second part focuses on the human side of human-robot collaboration, starting with a focus on the safety of the operator by presenting a collision avoidance strategy. From this, an analysis of the influence of the shared workspace on the system performance is presented. Lastly, with a focus on physical human-robot interaction, two adaptive controllers based on two different learning approaches are presented. The controllers are used to modulate the impedance of a planar robot used for motor learning training, which has a similar request for adaptive controllers. Lastly, a preliminary comparison between the two controllers is presented.

Nell'ultimo decennio, i robot collaborativi, o più semplicemente cobot, stanno diventando sempre più comuni grazie alla loro abilità di condividere lo spazio di lavoro con l'operatore. In questo modo è possibile migliorare le prestazioni dei sistemi industriali, e in particolare quelli di assemblaggio, grazie alla possibilità di unire la flessibilità dei sistemi manuali con le prestazioni della robotica tradizionale. Per di più, è possibile automatizzare parzialmente tutti quei task che precedentemente era troppo difficile o costoso automatizzare. Nonostante i loro vantaggi, l'utilizzo di robot collaborativi nel contesto industriale è ancora limitato a causa dei loro svantaggi. Infatti, le loro prestazioni sono limitate se confrontate con i robot tradizionali, per motivi di sicurezza, e potrebbe non essere possibile ottimizzare le loro traiettorie se si considera la necessità di evitare l'operatore. Inoltre, una cella collaborativa è solitamente separata dall'impianto principale, limitando il suo impatto nella produzione. Queste considerazioni sono complicate ulteriormente nel caso di sistemi collaborativi multi-risorsa, ovvero sistemi con un numero di risorse maggiore di 2. Scopo di questo lavoro è risolvere questi svantaggi presentando un framework, quindi un set di algoritmi, che integrino i robot collaborativi nel contesto industriale, con maggiore attenzione ai sistemi collaborativi multi-risorsa. Questo significa non solo sviluppare un algoritmo di allocazione dei task e di comunicazione per gestire i cobot e i robot tradizionali che compongono l'impianto, ma anche sviluppare un set di algoritmi per stimare e migliorare le prestazioni di questi sistemi. Tutto ciò è ulteriormente complicato dalla necessità di considerare l'operatore umano, che richiede particolare attenzione. Nella prima parte, questa tesi si focalizza sull'analisi delle performance di sistemi collaborativi multi-risorsa, identificando le caratteristiche di prodotto e di processo che influenzano le performance di questi sistemi e fornire un modello che permetta di valutarne la produttività dato il layout. Per integrare i diversi cobot che compongono il sistema multi-risorsa, si presenta un framework con un set di algoritmi per assegnare correttamente i task. Questo framework può essere anche utilizzato per integrare il sistema collaborativo al sistema industriale principale. La seconda parte si focalizza sul lato umano della collaborazione uomo-robot, iniziando con la sicurezza dell'operatore presentando una strategia per evitare le collisioni. Da questa, si presenta uno studio sull'influenza dello spazio di lavoro condiviso sulle prestazioni del sistema. Infine, focalizzandosi sull'interazione fisica tra uomo e robot, si presentano due controllori adattativi basati su due metodi di apprendimento diversi. I controllori sono usati per modulare la rigidezza di un manipolatore planare usato per l'apprendimento motorio, che richiede anch'esso controllori adattativi. Infine, si presenta un confronto preliminare tra i due controllori.