Analisi Comparativa delle più recenti Architetture di Reti Neurali per la Previsione del Movimento Umano in Robotica Collaborativa

La robotica collaborativa è un settore in continua evoluzione che si sta sviluppando molto velocemente negli ultimi anni. Mediante un approccio che sfrutti appieno le capacità uniche degli esseri umani e dei robot, sarà possibile creare un ambiente di lavoro flessibile che soddisfi le esigenze in continuo mutamento della produzione industriale. Un aspetto chiave per migliorare le capacità collaborative dei robot è la possibilità di prevedere con precisione i movimenti umani, permettendo così una collaborazione più fluida e una maggiore efficienza. Sebbene il problema della previsione del movimento umano abbia ricevuto notevole attenzione negli ultimi anni, non esistono ancora delle analisi estensive nello specifico contesto della robotica collaborativa. Il principale obiettivo di questa tesi è quindi il confronto delle prestazioni di alcune delle architetture di reti neurali più recenti per la predizione del movimento umano. Uno dei limiti principali di queste architetture è il fatto che sono sviluppate per predire il movimento in contesti generici. Per tale ragione, non esistono attualmente delle analisi che dimostrino quale strategia risulti più adatta in ambiti specifici e di interesse come la collaborazione tra uomo e robot. Esaminare questi aspetti è essenziale poiché, ottenere una previsione dell’immediato futuro, cioè con orizzonte temporale di alcuni secondi, risulta estremamente vantaggioso: sapere come si muoverà l’operatore, permette al robot di effettuare movimenti in modo più efficiente e sicuro, portando così ad una maggiore adozione di questa tecnologia. Un altro obiettivo di questa tesi consiste nel superare una delle limitazioni principali per lo sviluppo dei modelli di deep learning, che rappresentano attualmente lo stato dell'arte per il problema della predizione del movimento umano, ovvero la mancanza di dataset completi e specifici per l'addestramento e la valutazione dei modelli nell'ambito della robotica collaborativa. È stato dunque raccolto un dataset focalizzato interamente sull'interazione tra essere umano e robot in un contesto industriale. Questo nuovo dataset è stato utilizzato per effettuare l'analisi e la comparazione delle architetture considerate, ricavando quali di queste portino i risultati migliori in diversi campi di applicazione secondo delle metriche di valutazione oggettive.