Controllo in Priorità di un Manipolatore Robotico mediante il Tracciamento del Movimento di Magneti Permanenti per una Collaborazione Uomo-Robot Sicura

Abstract

L’integrazione di robot a stretto contatto con l'uomo in ambienti industriali, dinamici, e condivisi, ha portato a progressi nelle strategie di rilevamento e controllo per garantire un’Interazione Uomo-Robot sicura. Le soluzioni esistenti spesso si basano su sistemi di rilevamento esterni, come telecamere, pelli capacitive, radar e sensori del tempo di volo, per il monitoraggio del movimento umano e la prevenzione delle collisioni. Tuttavia, questi approcci presentano delle limitazioni, quali l'occlusione, la sensibilità alle condizioni ambientali e un raggio di rilevamento della prossimità limitato. In questa tesi, esploriamo un nuovo approccio che sfrutta il rilevamento magnetico per una migliore collaborazione nell'Interazione Uomo-Robot fisica. Il sistema include un marcatore magnetico, permanente e passivo, indossato in un guanto dall'operatore umano, la cui posizione è tracciata da più serie di sensori montati sui link e sull'end-effector di un manipolatore robotico. Un algoritmo computazionalmente efficiente interpreta i dati del campo magnetico, consentendo localizzazione e tracciamento del movimento precisi. Queste informazioni possono essere sfruttate per adattare il movimento del robot in tempo reale per diversi scopi, come la prevenzione delle collisioni. In questa tesi, proponiamo un'architettura di controllo in priorità, la cui validazione sperimentale consiste nell’inseguimento di waypoint posizionati in due percorsi, esagonale e lineare. I risultati evidenziano il potenziale del rilevamento magnetico nel garantire la reattività e l'adattabilità del robot, insieme a un preciso controllo in priorità in tempo reale, in grado di raggiungere il waypoint desiderato con un errore massimo di 5 mm. Questa soluzione conferma che il rilevamento magnetico può rappresentare una solida alternativa ai metodi di rilevamento tradizionali, aprendo nuove strade per la ricerca su una Collaborazione Uomo-Robot sicura, intuitiva e senza contatto.

The integration of human-friendly robots into dynamic, shared industrial environments led to advancements in sensing and control strategies to ensure safe Human-Robot Interaction. Existing solutions often rely on external sensing systems, such as cameras, capacitive skins, radars, and time-of-flight sensors, for human motion tracking and collision avoidance. However, these approaches face limitations such as occlusion, sensitivity to environmental conditions, and a restricted proximity detection range. Recently, a novel approach was introduced, which exploits magnetic sensing for enhanced collaboration in physical Human-Robot Interaction. The system incorporates a passive permanent magnetic marker worn in a glove by the human operator, whose position is tracked by a sensor array mounted on the end-effector of a robotic manipulator. A computationally efficient algorithm interprets the magnetic field data, enabling precise localization and motion tracking. In turn, this information can be exploited to adapt robot motion in real-time to perform different tasks, such as collision avoidance. In this thesis, we extend this system to the whole manipulator's body, by mounting two sensor arrays on link 3 and 4, respectively. Moreover, we propose an online-efficient task-priority control architecture for the adaptation of the robot motion in real-time. We experimentally validate it in two representative waypoint tracking tasks: hexagonal and linear paths, using Gaussian Process velocity fields. Results highlight the potential of magnetic sensing to guarantee robot responsiveness and adaptability, alongside a precise real-time task-priority control, capable of reaching the desired waypoint with a maximum error of 5 mm. This improved solution corroborates that magnetic sensing may represent a robust alternative to traditional sensing methods, opening new avenues for research in safe, intuitive, and contactless human-robot collaboration.