Identificazione di movimenti impulsivi degli operatori nella robotica collaborativa tramite sensori inerziali. = Identification of impulsive operator movements in collaborative robotics using inertial sensors.

Negli ultimi anni, grazie allo sviluppo tecnologico promosso dall’affermarsi dell’Industria 4.0, la presenza dei robot collaborativi o cobot in ambito industriale è diventata sempre più frequente. Interagendo direttamente con gli operatori umani, i robot collaborativi possono eseguire le operazioni per cui sono programmati in modo continuo e con livelli di precisione, velocità e ripetibilità impossibili da raggiungere per l’uomo, permettendo di migliorare la produttività e al tempo stesso di diminuire la fatica e lo stress del lavoratore. Tuttavia, la presenza dell’operatore in attività in cui vengono impiegati robot di questo genere è comunque fondamentale ed è quindi importante rispettare determinati requisiti di sicurezza per la sua salvaguardia. L’operatore che collabora col robot esegue spesso gesti ripetitivi e ben controllati. Spesso succede, però, che l’operatore possa compiere un gesto inatteso, causato da un possibile fattore esterno, da una distrazione oppure da un problema fisico del soggetto stesso. Questo movimento involontario, non facendo parte dei gesti originariamente definiti per un determinato compito, può causare un pericolo per l’operatore stesso, il quale può intercettare la traiettoria del robot a stretto contatto con lui e rischiare in questo modo di infortunarsi. Il pronto riconoscimento da parte del robot di un movimento impulsivo provocato dall’operatore con cui lavora non è ancora stato grande oggetto di studi. L’obiettivo della tesi è quindi quello di creare un sistema che abbia la possibilità di rilevare i movimenti nel minor tempo possibile, in modo da avvisare repentinamente il robot collaborativo e quindi prevenire il rischio di infortunio per l’operatore. Per questo scopo è stato ideato un set up sperimentale associandolo a un protocollo specifico. Soggetti di genere ed età diversa eseguono movimenti di pick and place tipici dell’ambiente industriale scanditi da movimenti impulsivi generati da stimoli sonori o visivi. Attraverso l’utilizzo di tre sensori inerziali posizionati su braccio, avambraccio e sterno dei soggetti, i movimenti appena descritti vengono acquisiti e in seguito elaborati, in modo tale da poterli utilizzare per analisi statistiche ma soprattutto per eseguirne una classificazione attraverso la tecnica del Deep Learning con la rete neurale LSTM (“Long Short-Term Memory”). Grazie all’impiego di questa rete, si è dimostrato come i movimenti acquisiti dai sensori durante le varie prove possano essere facilmente distinti in impulsivi e non con un alto grado di accuratezza e senza falsi negativi, dando prova di come questa tecnica potrebbe essere facilmente sfruttata in futuro in un reale contesto di interazione uomo-robot.