Human modeling, Game Theory, and Role Arbitration for physical Human-Robot Interaction

This thesis addresses some of the aspects related to the physical Human–Robot Interaction (pHRI), with a particular focus on industrial applications. The main motivation is that humans and robots have complementary skills, that, combined, can improve working conditions, safety, and productiv-ity. Indeed, robots are extremely precise, they can possibly carry heavy objects, and, if properly programmed, have exceptional proprioceptive capabilities. Instead, humans can face and solve new problems easily, can adapt quickly to fast-changing scenarios, can reason, and have natural capabil-ities of understanding and interacting with the environment. Therefore, the objective of this thesis is to make robots trusty assistants for humans, allowing smooth and natural interaction.On the one hand, humans naturally understand partners’ goals, and it is easy for two humans to perform a task together, also with limited interaction channels. On the other hand, those capabilities are not intrinsic to robots and must be addressed to allow smooth interaction.This thesis, without claiming to be exhaustive, wants to address three fundamental aspects of the interaction between partners.First, this thesis investigates the modeling of human behavior. This is an extremely vast field of study. Therefore, this work limits its focus on modeling human behavior in physical interaction with a robot. In particular, this work addresses human behavior modeling as (i) a feedback controller employing an Extended Kalman Filter (EKF) to recover online the time-variant human’s gain matrix; (i) as an Optimal Control, using Inverse Optimal Control (IOC) to recover human’s cost function; (iii) and uses information of the interaction to make predictions of future intention of motion of the human, using a Machine Learning model. Finally, various experiments show the applicability and the limitations of the three aspects concerned with human modeling.Then, this thesis investigates the modeling of the physical interaction between humans and robots. The pHRI is described within a Game-Theoretic Framework. In this, the human and the robot are two agents acting on a low-level Cartesian Impedance system. Both Cooperative and Non-Cooperative models are addressed in the continuous (differential game theory) and discrete versions with the formulation of a distributed Model Predictive Control (GT-dMPC). The system’s behavior is analyzed for different situations to understand the limitations and applicability of the two models.Finally, the Role Arbitration between the human and the robot is addressed. Role arbitration is the mechanism that assigns the role of leader either to the human or the robot. Since humans and robots have complementary skills, it is fundamental that such skills are used at the right moment.Experiments on lab mockups and in a real industrial scenario are carried out to show that Role Arbitration improves performances on various aspects related to industrial application, such as precision, a limited effort of humans, flexibility, and reduction of cycle time.Not related to modeling, this thesis also evaluates subjective preferences during interaction. Indeed, humans are various and each has specific preferences on everything. The same happens when dealing with the pHRI scenario. To address this aspect, this thesis also proposes Preference Based Optimization (PBO) to tune the robot behavior (i.e., its control parameters) based on users’preferences.

Questa tesi affronta alcuni aspetti legati all'interazione fisica uomo-robot (pHRI) con particolare attenzione alle applicazioni industrial. La motivazione principale è che gli esseri umani e i robot hanno competenze complementari che, combinate, possono migliorare le condizioni di lavoro, la sicurezza e la produttività. Infatti, i robot sono estremamente precisi, possono trasportare oggetti pesanti e, se adeguatamente programmati, hanno eccezionali capacità proprioceptive. Gli esseri umani, invece, sono in grado di affrontare e risolvere problemi, si adattano rapidamente a scenari in rapida evoluzione, sanno ragionare e hanno capacità naturali di comprendere e interagire con i robot e con l'ambiente. Pertanto, l'obiettivo di questa tesi è quello di rendere i robot degli assistenti fidati per l'uomo, consentendo un'interazione fluida e naturale. Da un lato, gli esseri umani capiscono naturalmente gli obiettivi dei partner e per due esseri umani è facile eseguire un compito insieme, anche con canali di interazione limitati. D'altra parte, queste capacità non sono intrinseche ai robot e devono essere affrontate per consentire un'interazione fluida. Questa tesi, senza pretendere di essere esaustiva, vuole affrontare tre aspetti fondamentali dell'interazione tra partner. In primo luogo, questa tesi studia la modellazione del comportamento umano. Si tratta di un campo di studio estremamente vasto. Pertanto, questo lavoro si limita a modellare il comportamento umano nell'interazione fisica con un robot.In particolare, questo lavoro affronta la modellazione del comportamento umano come (i) un controllore di feedback attraverso l'utilizzo di un filtro di Kalman esteso (EKF) per recuperare online la matrice del guadagno umano variabile nel tempo; (ii) come un controllore ottimo, utilizzando un controllo ottimo inverso (IOC) per recuperare la funzione di costo dell'uomo; (iii) e utilizza le informazioni dell'interazione per fare previsioni sull'intenzione futura di movimento dell'uomo, utilizzando un modello di apprendimento automatico. Infine, vari esperimenti mostrano l'applicabilità e i limiti dei tre aspetti relativi alla modellazione umana. In seguito, questa tesi studia la modellazione dell'interazione fisica tra uomo e robot. La pHRI è descritta mediante teoria dei giochi. In questo contesto, l'uomo e il robot sono due agenti che agiscono su un sistema descritto come impedenza Cartesiana. Vengono affrontati sia modelli cooperativi che non-cooperativi, sia nella versione continua (teoria dei giochi differenziali) che in quella discreta, con la formulazione di un controllo predittivo distribuito (GT-dMPC). Il comportamento del sistema viene analizzato in diverse situazioni per comprendere i limiti e l'applicabilità dei due modelli. Infine, viene affrontato il tema dell'arbitrato dei ruoli tra l'uomo e il robot. L'arbitrato dei ruoli è il meccanismo che assegna il ruolo di leader all'uomo o al robot. Poiché gli esseri umani e i robot hanno competenze complementari, è fondamentale che tali competenze vengano utilizzate al momento giusto.Gli esperimenti condotti su simulazioni, in laboratorio e in uno scenario industriale reale dimostrano che l'arbitrato di ruolo migliora le prestazioni di vari aspetti legati all'applicazione industriale, come ad esempio precisione, sforzo limitato dell'uomo, flessibilità e riduzione del tempo di ciclo. Come ulteriore aspetto non legato alla modellazione, questa tesi valuta anche le preferenze soggettive durante l'interazione. Infatti, gli esseri umani sono diversi e ognuno ha preferenze specifiche su tutto. Lo stesso accade quando si ha a che fare con uno scenario pHRI. Per affrontare questo aspetto, questa tesi propone anche l'ottimizzazione basata sulle preferenze (PBO) per regolare il comportamento del robot (cioè i suoi parametri di controllo) in base alle preferenze degli utenti.