Modelli di Controllo e Stima dell'Intenzione nel Contesto dell'Interazione Uomo-Robot

Lo studio dell'interazione uomo-macchina come sistema di controllo unico è stato uno dei primi interessi di ricerca in ingegneria, con quasi un secolo di anni dai primi lavori. Allo stesso tempo, costituisce un aspetto cruciale dei più recenti sviluppi tecnologici in campi applicativi riguardanti, ad esempio, la robotica collaborativa e l’intelligenza artificiale. La natura interdisciplinare che caratterizza questo campo di studi può causare difficoltà nel trovare una linea guida che colleghi la teoria del controllo motorio, gli approcci di modellazione dei sistemi di controllo fisiologico e l’identificazione di modelli di controllo generale uomo-macchina in compiti manipolativi. Per questo motivo, ho scelto di iniziare questo lavoro di tesi analizzando i modelli lineari allo stato dell'arte, dal primo modello di crossover definito nel dominio della frequenza al successivo modello di controllo ottimo, per finire con modelli comprendenti descrizioni più dettagliate delle caratteristiche fisiologiche sottosistemi e biomeccanica. La motivazione alla base di questo sforzo è quella di avere una visione completa dei modelli lineari che potrebbero essere facilmente gestiti sia nel dominio del tempo che nel dominio della frequenza utilizzando la metodologia consolidata nei sistemi lineari classici e nella teoria del controllo. Tali approcci basati su modelli volti a caratterizzare il comportamento umano sono stati, come detto, applicati praticamente in un'ampia varietà di scenari. Tra questi, l'interazione uomo-robot è una delle più entusiasmanti, in particolare nei compiti in cui è presente un'interazione fisica continua tra l'uomo e l'impianto controllato. In questo contesto, il soggetto umano può adattare il proprio comportamento di controllo alle dinamiche esterne percepite. Questa capacità influenza in modo significativo il ritardo del controllo, rendendone la caratterizzazione e la previsione un aspetto cruciale da comprendere. Affronterò questo argomento nel terzo capitolo della tesi, dove un approccio di modellazione lineare che descrive in modo univoco le azioni di controllo umano e robotico sarà proposto e validato sperimentalmente in un compito robotico collaborativo. Tale compito di manipolazione è stato eseguito da dieci diversi soggetti sani con un robot collaborativo a basso carico utile. Nell'interazione uomo-robot, la possibilità di aumentare l'intelligenza e l'adattabilità della pianta controllata imitando il comportamento di controllo umano è stato un obiettivo di molti sforzi di ricerca negli ultimi decenni. Dai modelli di controllo umano classici della teoria del controllo all’apprendimento automatico moderno, alle reti neurali e ai paradigmi di apprendimento per rinforzo, il denominatore comune è lo sforzo di modellare dinamiche non lineari complesse tipiche dell’attività umana. Ciò suggerisce che la nostra analisi non può limitarsi ai modelli lineari sopra trattati ma deve procedere con le dinamiche non lineari e gli sforzi che sono stati fatti per riprodurle. Il quarto capitolo indaga le tecniche di modellazione non lineare all'avanguardia dal punto di vista del controllo umano, considerando i diversi distretti fisiologici coinvolti come punto di partenza e procedendo poi con tecniche data-driven e model-based in grado di descrivere processi cognitivi superiori come come processo decisionale e creazione di una strategia a lungo termine. In primo luogo, i sistemi di trasporto vengono presentati come uno scenario tecnologico alternativo in cui le tecniche discusse sono state applicate con successo principalmente di recente. Successivamente, tornando all'interazione uomo-robot, propongo una nuova tecnica di modellazione non lineare in grado di prevedere la forza umana generata durante un compito cooperativo con un robot controllato. Il modello Narmax proposto è stato costruito utilizzando una rete neurale artificiale come approssimatore funzionale non lineare ed è stato addestrato sullo stesso set di dati utilizzato per convalidare il modello lineare precedente. Lo stesso modello umano è stato poi testato online con soggetti diversi e, soprattutto, su un robot industriale ad alto carico utile. Ciò è stato fatto per dimostrare che le prestazioni ottenute non derivano da un overfitting dei dati ma che una buona capacità di generalizzazione caratterizza il modello. Sebbene un'analisi approfondita della stabilità del sistema non rientrasse nello scopo di questo lavoro, per evitare comportamenti instabili e pericolosi, il robot è stato controllato con una strategia di controllo dell'impedenza caratterizzata da un basso valore di rigidità, risultando in movimenti conformi e sicuri. Inoltre, la struttura era controllata con una frequenza superiore al movimento umano di più di un ordine di grandezza. Un ulteriore passo avanti nel mostrare come la tecnica di modellazione proposta possa essere utile può essere sottolineato sfruttando la parziale conoscenza che ho del sistema, con riferimento alle leggi di controllo del robot e alla sua dinamica, per acquisire conoscenza del sistema da dati grezzi in un modo semplice e veloce. Il caso di studio è stato ancora una volta il ritardo del sistema, che questa volta è stato estratto dall'output del modello umano con l'aiuto di semplici tecniche di identificazione del sistema approssimate. Questo processo consente all'utente di estrarre facilmente le informazioni ritardate senza complicate elaborazioni dei dati. Inoltre, analizzando le caratteristiche della risposta umana durante la proposta interazione cooperativa con il robot controllato, è evidente una presenza regolare di valori di picco, come prima reazione alla funzione di forzante esterna. Tali valori di picco rappresentano la caratteristica più importante che il robot deve conoscere per anticipare l'azione umana, piuttosto che dover stimare l'intera risposta della forza campione per campione. Per questo motivo, la dinamica picco-picco è stata sfruttata per ottenere un modello di ordine ridotto in grado di prevedere in modo affidabile il picco della risposta umana. Lo sforzo in questo senso è notevole, dato che tali tecniche sono state utilizzate in passato con diversi tipi di sistemi caotici caratterizzati da attrattori noti, ma non con modelli Narmax.

Grantor dc:publisher

Università degli studi di Catania

Year dc:date

2023

Author dc:creator

• SCIBILIA, ADRIANO

Contributors dc:contributor

• FORTUNA, Luigi

• Robotics, Human-Robot Interaction, Narmax, Human-in-the-loop
• Robotica, Interazione Uomo-Robot, Narmax, Human-in-the-loop

Statement dc:rights

• info:eu-repo/semantics/openAccess
• license:PUBBLICO - Pubblico con Copyright
• license uri:iris.PUB02

Language dc:language

ita

Handle dc:identifier

https://hdl.handle.net/20.500.11769/583611

OAI identifier oai:identifier

oai:www.iris.unict.it:20.500.11769/583611