Vers l'adaptation dans la collaboration homme-robot

Toward adaptation in human-robot collaboration

• Auteur / Autrice : Lorenzo Vianello
• Direction : Alexis Aubry
• Type : Thèse de doctorat
• Discipline(s) : Automatique, Traitement du signal et des images, Génie informatique
• Date : Soutenance le 12/12/2022
• Etablissement(s) : Université de Lorraine
• Ecole(s) doctorale(s) : École doctorale IAEM Lorraine - Informatique, Automatique, Électronique - Électrotechnique, Mathématiques de Lorraine
• Partenaire(s) de recherche : Laboratoire : Centre de recherche en automatique (Nancy)
• Jury : Président / Présidente : Benoît Iung
• Jury : Examinateurs / Examinatrices : Alexis Aubry, Guillaume Morel, Marie Babel, Pedro Rodriguez Ayerbe, Serena Ivaldi
• Jury : Rapporteurs / Rapporteuses : Guillaume Morel, Marie Babel

Mots clés

Mots clés contrôlés

Apprentissage par renforcement (intelligence artificielle)

Industrie 4.0

Interaction homme-robot

Mots clés libres

Collaboration humain robot

Industrie 4.0

Apprentissage par renforcement

Reinforcement learning

Industry 4.0

Human robot collaboration

Résumé

Cette thèse présente plusieurs contributions dans le domaine de l'interaction physique homme-robot.En premier lieu, elle propose une méthode pour prédire la posture humaine pendant qu'un humain interagit physiquement avec un robot.Deuxièmement, elle décrit des algorithmes et des outils de simulation pour visualiser le score d'ergonomie humaine associé au mouvement d'un humain, en temps réel, même lorsque l'humain est physiquement couplé au robot.Troisièmement, la thèse fait progresser les connaissances sur la façon de contrôler et d'adapter le comportement du robot pendant la collaboration, grâce à des études expérimentales impliquant des humains et des robots dans des scénarios de comanipulation. La première étude examine les meilleures stratégies d'impédance pour que le robot puisse collaborer avec l'humain lors de la co-manipulation d'un tuyau dans une tâche d'insertion de précision, tandis que la deuxième étude examine comment les humains s'adaptent aux stratégies d'impédance changeantes d'un robot lors d'une tâche de sciage collaborative.

This thesis aims to provide tools for collaborative robots in industrial environments.Collaborative robots (Cobots), are industrial robots designed to be able to interact physically with humans in shared space. The objective of cobots is to improve production performance by allowing a more efficient and scalable distribution of tasks between humans and machines. The idea behind these technologies is to combine the great mental capacities of humans with robots that can take on the fatiguing parts of jobs. Thanks to improved sensing and control abilities, robots gained major awareness.The thesis presents several contributions in the area of human-robot physical interaction.First, it proposes a method to predict human posture while a human interacts physically with a robot.Second, it describes algorithms and simulation tools to visualize the human ergonomics score associated with the movement of a human, in real-time, even when the human is physically coupled with the robot.Third, the thesis advances the knowledge on how to control and adapt the robot behaviour during collaboration, thanks to experimental studies involving humans and robots in comanipulation scenarios. The first study investigates the best impedance strategies for the robot to collaborate with the human during a co-manipulation of a pipe in a precision insertion task, while the second study investigates how humans adapt to changing impedance strategies of a robot during a collaborative sawing task.