Implementazione in ROS2 di algoritmi di task allocation per la collaborazione uomo-robot

This thesis addresses the problem of task allocation in a human-robot collaboration (HRC) context, applied to an industrial pick-and-place operation. An integrated architecture based on ROS2 and MATLAB was developed, in which a UR5e collaborative manipulator and a human operator work in parallel on a shared workbench, dynamically distributing tasks between the two resources. The system employs an algorithm based on the Traveling Salesman Problem (TSP) to allocate tasks in a way that minimizes overall execution time, iteratively updating the cost matrices based on real experimental measurements acquired through limit switches and Arduino boards. The robot’s trajectory planning is handled by the MoveIt2 framework, while an LED-based visual interface guides the operator through the assigned tasks. A total of 21 experimental sessions were conducted, the results of which showed a progressive optimization of the task distribution between robot and operator, with a significant reduction in the time required by the human operator due to the learning effect and the iterative update of the cost model. The analysis also highlighted the influence of the physical layout of the workbench on the preferences of the allocation algorithm. The work concludes with a discussion of the limitations encountered and possible future developments, including the integration of dynamic safety systems compliant with the ISO/TS 15066 standard and the implementation of a rigorous measurement of the cell’s effective makespan.

Il presente lavoro di tesi affronta il problema della task allocation in un contesto di collaborazione uomo-robot (Human-Robot Collaboration, HRC), applicato a un’operazione di pick-and-place industriale. È stata sviluppata un’architettura integrata basata su ROS2 e MATLAB, nella quale un manipolatore collaborativo UR5e e un operatore umano lavorano in parallelo su un banco di lavoro condiviso, suddividendo dinamicamente i compiti tra le due risorse. Il sistema impiega un algoritmo basato sul problema del commesso viaggiatore (Traveling Salesman Problem, TSP) per allocare i task in modo da minimizzare i tempi complessivi di esecuzione, aggiornando iterativamente le matrici dei costi sulla base di misurazioni sperimentali reali acquisite tramite microinterruttori di finecorsa e schede Arduino. La pianificazione delle traiettorie del robot è affidata al framework MoveIt2, mentre l’interfaccia luminosa a LED guida l’operatore nell’esecuzione dei task assegnati. Sono state condotte 21 sessioni sperimentali, i cui risultati hanno mostrato una progressiva ottimizzazione della distribuzione dei task tra robot e operatore, con una significativa riduzione dei tempi attribuibili all’operatore umano grazie all’effetto di apprendimento e all’aggiornamento iterativo del modello di costo. L’analisi ha inoltre evidenziato l’influenza del layout fisico del banco di lavoro sulle preferenze dell’algoritmo di allocazione. Il lavoro si conclude con una discussione dei limiti riscontrati e dei possibili sviluppi futuri, tra cui l’integrazione di sistemi di sicurezza dinamica conformi alla norma ISO/TS 15066 e l’implementazione di una misurazione rigorosa del makespan effettivo della cella.