Identificazione di movimenti impulsivi dell’arto superiore mediante sensori inerziali per applicazioni di robotica collaborativa = Identification of abrupt movements of the upper limb using inertial sensors for collaborative robotics applications

Nell’ambito dell’industria 5.0, la collaborazione uomo-robot riveste un ruolo di particolare importanza, in quanto combina le elevate performance di precisione, velocità e ripetibilità tipiche dei robot con la capacità decisionale degli operatori umani. Questo permette di ottimizzare la produttività ma al tempo stesso di assolvere compiti complessi che non possono essere completamente automatizzati. Poiché i robot collaborativi sono progettati per interagire con l’operatore all'interno di uno spazio di lavoro condiviso, la sicurezza rappresenta un aspetto cruciale dell’interazione uomo-robot. Generalmente, i task dell’operatore sono ben definiti e ripetitivi, ma esiste la possibilità che vengano effettuate azioni impreviste dovute a fattori esterni e a disattenzione. I movimenti impulsivi che ne conseguono possono risultare pericolosi per l’operatore esponendolo a un rischio di collisione con il robot. L’obiettivo di questa tesi consiste nella realizzazione di una metodologia che sfrutti l’utilizzo combinato di sensori inerziali e tecniche di intelligenza artificiale per identificare l’avvenimento di movimenti impulsivi il più rapidamente possibile. A tal fine, 61 partecipanti in età lavorativa hanno effettuato un task industriale di pick and place con la presenza di alcuni movimenti impulsivi. Le prove sono state realizzate posizionando 5 sensori inerziali su sterno, braccia e avambracci dei partecipanti e sono state svolte secondo tre diverse configurazioni di posizionamento del soggetto rispetto al set up sperimentale. In particolare, i soggetti hanno utilizzato, a seconda del caso, l’arto destro o sinistro per portare a termine il task e una posizione frontale o laterale. Le successive analisi si sono concentrate sulle accelerazioni lineari e velocità angolari misurate con il sensore inerziale posizionato sull’avambraccio corrispondente all’arto utilizzato per l’esecuzione della prova. I movimenti effettuati sono stati prima caratterizzati da un punto di vista statistico. La distribuzione non normale dei dati ha imposto un’analisi di tipo non parametrico con un test di Wilcoxon, che ha evidenziato differenze statisticamente significative tra movimenti normali e impulsivi in termini sia di accelerazione che di velocità angolare. Sulla base di questi risultati, una rete neurale di tipo Long-Short Time Memory è stata allenata per sviluppare un metodo di identificazione dei movimenti impulsivi. Una particolare attenzione è stata rivolta alla segmentazione dei segnali, in modo da restringere il più possibile l’arco temporale necessario al riconoscimento di un movimento impulsivo. Nello specifico, dopo aver scelto e testato finestre della durata temporale di 0.5 s, si è valutata la possibilità di analizzare il segnale con finestre sovrapposte, in modo tale da avvicinarsi maggiormente all’acquisizione del segnale in tempo reale. Le elevate performance di riconoscimento (accuratezza ≥ 80) hanno dimostrato l’efficacia dell’utilizzo di tecniche di intelligenza artificiale per l’identificazione di movimenti impulsivi a partire da segnali inerziali.