Kolaborace člověka a robota s ohledem na nejistotu pomocí plánování a reaktivního řízení

Abstract

Tato práce zkoumá potenciál kolaborace robota s člověkem pro zvýšení přizpůsobivosti a flexibility výrobního procesu využitím silných stránek lidí i robotů. Integrace kolaborativních buněk do skutečných výrobních systémů je však v současné době náročná vzhledem k mnoha nejistotám a nepoužitelnosti stávajících pevně specifikovaných metod řízení robotů. K řešení těchto problémů tato práce navrhuje inovativní přístup k online rozvrhování v kolaboraci robota s člověkem pomocí programování s omezením a stromu chování, speciálně navrženým tak, aby zohledňoval nejistoty a nedeterminismus vnesené zapojením člověka. Metoda se řídí strukturovaným rámcem, který zahrnuje definování nejistot, formulaci problému rozvrhování, implementaci algoritmu přidělování úloh na základě rozvrhu a zohlednění lidského kognitivního vnímání a etických faktorů. Byly provedeny simulace pro vyhodnocení účinnosti a robustnosti navržené metody. Výsledky ukazují příznivou výkonnost, pokud jde o makespan (dobu trvání celého výrobního procesu) a stabilitu při konfrontaci se změnami prostředí. Metoda byla navíc úspěšně implementována s využitím reálného robota Franka Emika Panda.

This thesis explores the potential of Human-Robot Collaboration (HRC) to enhance customization and flexibility in the production process by harnessing the unique strengths of both humans and robots. However, integrating collaborative cells into actual production systems is currently challenging due to numerous uncertainties and the inapplicability of existing fixed robot control methods. To address these issues, this work proposes an innovative approach to online scheduling in HRC using Constraint Programming (CP) and Behavior Tree (BT), specifically designed to account for uncertainties and non-determinism introduced by human involvement. The method follows a structured framework that involves defining uncertainties, formulating a scheduling problem, implementing a task allocation algorithm based on schedule, and considering human cognitive perceptions and ethical factors. Simulations were conducted to evaluate the effectiveness and robustness of the proposed method. Results indicate that it exhibits favorable performance regarding makespan (the duration of the entire production process) and stability when confronted with environmental changes. Furthermore, the method was successfully implemented using the Franka Emika Panda robot in a real-world setup.