Stochastic Decision-Making Framework for Human-Robot Collaboration in Industrial Applications

Resumo Técnico: Estrutura de Decisão Estocástica para Colaboração Humano-Robô em Aplicações Industriais

Definição do Problema
A integração de robôs colaborativos (cobots) em ambientes industriais deslocou as operações de configurações solitárias e limitadas pela segurança para ambientes cooperativos, onde humanos e robôs compartilham espaços de trabalho. Embora a pesquisa existente utilize efetivamente sensores (visão, proximidade, EMG) para detectar intenções humanas, desafios significativos permanecem no tratamento da incerteza dos fatores humanos, especificamente estados emocionais (motivação e agressividade) e pistas comportamentais dinâmicas. Os mecanismos de segurança atuais frequentemente dependem de modelos musculoesqueléticos estáticos ou limiares de distância simples, que podem ser insuficientes em ambientes abertos e não controlados, onde o comportamento humano é estocástico. O problema central abordado é a necessidade de uma estrutura de tomada de decisão que possa antecipar ações e emoções humanas sob incerteza para garantir tanto a segurança quanto a eficiência na Colaboração Humano-Robô (HRC).

Metodologia
O artigo propõe uma estrutura de tomada de decisão estocástica baseada em um Processo de Decisão de Markov Parcialmente Observável (POMDP). A abordagem vai além de assumir um modelo humano fixo; em vez disso, ela aprende modelos humanos a partir de dados observados para lidar com estados ocultos, como emoção e motivação humana.

1. Formulação do Espaço de Estados: O modelo define um espaço de estados abrangente ($S$) compreendendo cinco tipos de variáveis:

   • Atribuição de Tarefa ($\tau$): Inclui prioridade, duração, natureza (apenas robô, apenas humano ou colaborativa) e status de compromisso.
   • Distância ($d$): Modelada usando uma abordagem de segurança inédita de "tri-círculo". Os círculos representam: (1) o espaço de trabalho do humano, (2) o humano com braços totalmente estendidos (ato agressivo) e (3) um humano caindo (acidente). O robô seleciona dinamicamente o círculo de segurança apropriado com base no contexto.
   • Emoção Humana ($e$): Inclui nível de motivação e nível de agressividade, que são estados ocultos inferidos a partir de observações.
   • Atividade Humana ($h$) e Atividade do Robô ($b$): Representam a prioridade atual e o progresso das tarefas para ambos os agentes.

2. Observação e Inferência: Como os estados emocionais não são diretamente observáveis, o sistema utiliza um espaço de observação ($O$) consistindo na posição do corpo humano, ângulos articulares e velocidades angulares (por exemplo, a partir de sensores visuais). A estrutura POMDP utiliza essas observações para atualizar um estado de crença (distribuição de probabilidade sobre estados ocultos como motivação e agressividade).

3. Variáveis de Decisão: O conjunto de ações do robô ($D$) inclui:

   • Modo de trabalho normal ($nw$).
   • Solicitar que o humano trabalhe sozinho ($rh1$) ou colaborativamente ($rh2$).
   • Motivar o humano ($mh$).
   • Comprometer-se com uma tarefa ($ct$).
   • Ajustar a distância ($dp$ para aumentar, $dm$ para diminuir).
   • Modo de não fazer nada/ocioso ($dn$).

4. Função de Custo: A função objetivo ($J$) equilibra três objetivos: evitar colisões (mantendo distância segura baseada nos níveis de agressividade), concluir tarefas de forma eficiente e respeitar os estados emocionais humanos. A função de custo penaliza distâncias inseguras, tarefas não atribuídas, baixa motivação e atribuições de tarefas incorretas.

5. Abordagem de Solução: Os autores empregam Iteração de Valor para resolver o MDP subjacente e derivar uma política ótima. Para lidar com a observabilidade parcial, utiliza-se um método de seleção de ação heurística, onde o robô agrega pesos da distribuição do estado de crença para escolher a ação com a maior probabilidade cumulativa de ser ótima.

Principais Contribuições

• Modelo de Segurança Tri-Círculo: Uma abordagem de tomada de decisão de segurança inédita que ajusta dinamicamente a zona de segurança do robô com base em três cenários humanos distintos (trabalhando, esticando-se, caindo), em vez de depender de um único raio de segurança estático.
• HRC Consciente de Emoções: A integração dos estados emocionais humanos (motivação e agressividade) no ciclo de tomada de decisão, permitindo que o robô adapte seu comportamento (por exemplo, aumentando a distância se a agressividade for alta, ou motivando o humano se o engajamento for baixo).
• Predição de Intenção Bilateral: Diferente de trabalhos anteriores focados apenas na detecção de intenção humana, esta estrutura utiliza um POMDP para raciocinar sobre a interação bilateral, tratando as decisões humanas como eventos exógenos enquanto o robô otimiza sua própria política para facilitar uma colaboração segura e suave.
• Estrutura Unificada: A combinação de gerenciamento de tarefas, restrições de segurança e raciocínio emocional dentro de uma única estrutura de controle estocástico.

Resultos
A estrutura proposta foi validada através de um estudo de caso numérico envolvendo um cenário industrial simulado com um humano e um robô. A simulação introduziu três tarefas sequenciais com variadas prioridades, durações e requisitos de colaboração (colaborativa, apenas humano e apenas robô).

• Execução de Tarefas: O sistema identificou com sucesso políticas ótimas para executar tarefas no menor tempo possível, mantendo a segurança.
• Adaptação Dinâmica: Os resultados demonstraram a capacidade do robô de ajustar seu comportamento com base na natureza da tarefa. Para tarefas colaborativas, o robô manteve uma distância próxima (círculo de segurança pequeno) e motivou o humano. Para tarefas exclusivas do humano, o robô aumentou a distância e motivou o humano antes de atribuir a tarefa.
• Gerenciamento de Segurança: A simulação mostrou o robô gerenciando efetivamente as zonas de segurança "tri-círculo", aumentando a distância quando o humano não estava engajado em uma tarefa colaborativa e reduzindo-a quando a colaboração era necessária.
• Atualizações do Estado de Crença: O sistema inferiu com sucesso estados emocionais ocultos (motivação e agressividade) com base nas velocidades observadas do humano, atualizando o estado de crença para guiar a tomada de decisão.

Significância e Alegações
O artigo alega que sua principal significância reside em abordar a lacuna na pesquisa atual de HRC, que frequentemente foca na detecção de intenção sem considerar adequadamente a natureza estocástica das emoções humanas e os requisitos dinâmicos de segurança. Ao utilizar um POMDP, a estrutura oferece uma abordagem generalizada para lidar com incertezas decorrentes de ações humanas ocultas e dados de sensores imperfeitos. Os autores afirmam que esta abordagem aumenta a segurança e a transparência dos robôs colaborativos, permitindo que eles antecipem ações humanas e adaptem o comportamento em tempo real. O estudo conclui que incorporar tanto os estados do robô quanto os estados emocionais humanos incertos em uma estrutura hierárquica unificada fornece uma solução abrangente para interações dinâmicas humano-robô, indo além da simples prevenção de colisões para uma colaboração proativa e consciente das emoções.