Poster De Conférence Année : 2025

Dynamic Modelling of Human Movements for Reactive Control of a Robotic arm

Dimitris Papanagiotou
Sotiris Manitsaris
Alina Glushkova

Résumé

This research explores the possibility of repositioning humans not as a source of uncertainty in the environment of a collaborative robot but as a partner whose state can be modeled and updated in real time based on their gestures and actions. The operator's gestures and actions are captured using a combination of inertial sensors, enabling the stochastic modeling of movements through the Gesture Operational Model (GOM). This model is based on the hypothesis that the human body is a system whose parameters evolve over time and space. It relies on the theory of dynamic State-Space modeling to describe the kinematic interactions of human body joints. The main objective is to integrate kinetic information into this modeling by explicitly capturing the forces applied by the human on a material using the robot’s sensors or implicitly through the torques of the human body's joints. The scientific contribution of this research lies in enriching the robot’s control parameters based on human parameters by incorporating the dynamic modeling of gestures and actions. This would allow for continuous adjustment and regulation of the collaboration state based on current and past observations of the robot's state, the human’s actions during the task, and the surrounding environment. The validation of this scientific hypothesis will take place in a scenario inspired by an industrial environment, where collaborative tasks will be performed interchangeably between the human and the robot. Robotic arms will first learn by observing tasks performed by an expert operator and then assist the human by co-performing the task. The innovation of this research lies in the bidirectional learning process: the robot first learns by observing the human expert, then co-performs the task while spatially and temporally adapting to the human’s actions. Finally, the impact on robotics will be to stop considering humans as unpredictable stimuli for the robot and instead enrich the collaboration control loop, making it smoother and more responsive.

Cette recherche explore la possibilité de repositionner l'humain, non pas comme une source d'incertitude pour l'environnement d'un robot industriel articulé, mais comme un partenaire dont l'état peut être modélisé et mis à jour en temps réel à partir des gestes et actions réalisés. Les gestes et actions de l'opérateur sont capturés par une combinaison de capteurs inertiels, permettant la modélisation stochastique des mouvements à travers le Modèle Opérationnel de Gestes. Ce modèle repose sur l'hypothèse que le corps humain est un système dont les paramètres évoluent dans le temps et l'espace. Il s'appuie sur la théorie de la modélisation dynamique État-Espace pour décrire les interactions cinématiques des articulations du corps humain. L'objectif principal est d'intégrer des informations cinétiques dans cette modélisation, en capturant explicitement les forces appliquées par l'humain sur un matériau à l'aide des capteurs du robot, ou de manière implicite à travers les couples des articulations du corps. La contribution scientifique de cette recherche repose sur l'enrichissement des paramètres de contrôle du robot en fonction des paramètres de l'humain, en intégrant la modélisation dynamique des gestes et actions. Cela permettrait d'ajuster et de réguler en continu l'état de cette collaboration en fonction des observations actuelles et passées de l'état du robot, des actions de l'humain impliqué dans la tâche, ainsi que de l'environnement. La validation de cette hypothèse scientifique sera réalisée dans un scénario inspiré d'un environnement industriel écologique, où les tâches collaboratives seraient réalisées de manière interchangeable entre l'humain et le robot. Les bras robotiques apprendraient d'abord par observation des tâches effectuées par un opérateur expert, puis interviendraient pour assister l'humain en co-effectuant la tâche. L'innovation de cette recherche réside dans le processus d'apprentissage bidirectionnel : le robot apprend en observant l'expert humain, puis co-effectue la tâche avec lui en s'adaptant spatialement et temporellement aux actions de l'humain. Enfin, l'impact en robotique consistera à ne plus considérer l'humain comme un stimulus imprévisible pour le robot, mais à enrichir la boucle de contrôle de la collaboration afin de la rendre plus fluide et réactive.

Fichier principal
Vignette du fichier
Poster_Journée_GdR_TS4_A0.pdf (707.7 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Licence

Dates et versions

hal-05002769 , version 1 (24-03-2025)

Licence

Identifiants

  • HAL Id : hal-05002769 , version 1

Citer

Dimitris Papanagiotou, Sotiris Manitsaris, Alina Glushkova. Dynamic Modelling of Human Movements for Reactive Control of a Robotic arm. Journée GdR TS4: Commande partagée pour la robotique, Jan 2025, Paris, France. ⟨hal-05002769⟩
66 Consultations
58 Téléchargements

Partager

  • More