Συνεργασία ανθρώπου-ρομπότ: ενίσχυση της προβλεπτίκης συμπερίφοράς του άνθρώπου

Abstract

This doctoral dissertation provides a systematic investigation of Human–Robot Collaboration (HRC), focusing on one of its most fundamental yet insufficiently explored aspects, i.e. the enhancement of human anticipatory capability. In today’s landscape, human–machine interaction is shifting from supervisory roles to genuine forms of joint task execution. An increasing number of collaborative robots are being deployed in industry, working alongside humans to complete shared tasks. The thesis develops a comprehensive theoretical framework in which human–robot collaboration is approached as a form of joint action analogous to human–human cooperation. Within this framework, the human ability to anticipate a partner’s actions and intentions is a critical prerequisite for safe and smoothly coordinated collaboration. Correspondingly, the robot’s capacity to render its upcoming actions legible and easily interpretable is essential for building trust, preventing collisions, and fostering the development of a compatible mental model of action. To empirically investigate these theoretical premises, two high-fidelity Virtual Reality (VR) experimental environments were developed. These allowed for precise control over collaboration parameters and safe simulation of complex industrial scenarios. The impact of anticipatory visual cues— color-coded signals revealing the robot’s imminent movements—was evaluated across a set of operational and cognitive metrics, including task completion time, number of collisions, synchronization ability, perceived safety, and participants’ cognitive strategies. The first chapter begins with the definition of the robot and the historical evolution of Robotics, from ancient automata to modern intelligent and collaborative robots. It presents the theoretical components of Human–Machine Interaction (HMI), such as cognitive models, usability, and function allocation, which determine how users interact with technological systems. At the same time, contemporary technological developments (sensors, artificial intelligence, connectivity, advanced materials, wearable devices) and the framework of safety standards are examined, emphasizing that effective and safe collaboration does not depend solely on technical performance, but primarily on the degree of cognitive coupling, transparency, and predictability achieved in dynamic environments. The second chapter examines the transition from classical Human–Robot Interaction (HRI) to modern Human–Robot Collaboration (HRC). Initially, Human–Robot Interaction and its unique characteristics are analyzed, especially in relation to robot autonomy, perception, and adaptability. Key taxonomies of interaction and the possible roles assumed by humans are presented, along with the communication modalities used between the two partners. The chapter concludes with the concept of Human–Robot Collaboration, highlighting its benefits in terms of productivity, safety, and workflow efficiency. In addition, the categories and evaluation metrics used to assess the quality of collaboration are presented, contributing to the design of more effective and human-centered collaborative systems. The third chapter explores the role of anticipatory and adaptive behavior in Human–Robot Collaboration, showing how these mechanisms enhance coordination, safety, and naturalness of interaction. Anticipation enables prediction of forthcoming actions, while adaptability supports flexible responses to changing conditions. The chapter outlines the benefits of these mechanisms and the cues used for intention prediction. Speech Act Theory is introduced as a unified lens for interpreting human–robot communication, and the analysis extends to autonomous vehicles, where prediction and behavioral transparency are likewise crucial. The chapter concludes with a literature review of approaches used by robots to infer human intentions and of the ways humans interpret robotic behavior, emphasizing the importance of predictability and transparency for effective collaboration. The fourth chapter presents the research questions of the thesis and the two experimental studies conducted to evaluate the impact of anticipatory and adaptive mechanisms on human–robot collaboration. Both studies were implemented in Virtual Reality, enabling precise control of the collaborative environment and safe investigation of human behavior. The results demonstrated that anticipatory cues exert a strong and immediately beneficial influence on collaboration. Their presence led to faster task completion, substantial reduction in collisions, improved synchronization, smoother interaction, and reduced levels of hesitation and uncertainty. Subjective assessments further supported these findings, indicating that visual anticipatory cues enhance the transparency of robot behavior, increase environmental predictability, and strengthen participants’ trust. Thus, the improvement concerns not only operational efficiency but also acceptance of robots and willingness to collaborate. At the same time, adaptive robot slowing clearly improved safety by reducing collision likelihood. However, this strategy was not accompanied by equivalent improvements in efficiency or collaborative fluency, suggesting that passive adaptation mechanisms, while vital for user protection, are insufficient on their own to achieve high-quality collaborative behavior. The findings also showed that predictive cues become even more critical under high-speed conditions, where synchronization demands rise and agents require faster, more accurate understanding of each other’s intentions. Moreover, prior exposure to predictive cues led to sustained performance even after their removal, indicating learning effects and the formation of mental models of robot behavior. Yet, in some cases, overconfidence emerged, increasing collisions once cues were withdrawn, highlighting the need for careful cue design. Finally, comparing virtual and real-world conditions revealed that key patterns of human behavior—such as risk assessment, synchronization, and collision avoidance—remain remarkably consistent, reinforcing the external validity of the methodology and confirming the usefulness of virtual environments for designing and evaluating collaborative systems.Beyond its empirical contributions, the thesis offers significant methodological and practical value. The developed experimental platform can be used to systematically study the difficulty of collaborative tasks, evaluate different collaboration schemes, formulate design guidelines, and extract optimization rules that balance efficiency and safety. Furthermore, novel evaluation approaches are proposed, applicable both for comparing different interfaces and robotic behaviors and for informing industrial standards. Overall, the thesis concludes that deliberate communication of robotic intentions serves as a catalyst for a new era of human–machine collaboration. Such collaboration relies not only on technical proficiency but on the cognitive, psychological, and functional synergy that emerges when robot actions become legible and predictable. In a rapidly evolving industrial landscape where humans and robots are expected to coexist, this thesis provides a systematic framework for the design of human-centered collaborative systems.

Η παρούσα διδακτορική διατριβή εξετάζει συστηματικά τη Συνεργασία Ανθρώπου–Ρομπότ (ΣΑΡ), εστιάζοντας σε μία από τις θεμελιώδεις αλλά ελάχιστα διερευνημένες πτυχές της, αυτή της ενίσχυσης της ανθρώπινης προβλεπτικής ικανότητας. Στη σημερινή εποχή, η αλληλεπίδραση ανθρώπου–μηχανής μετασχηματίζεται από σχέσεις εποπτείας σε πραγματικές μορφές συνεπιτέλεσης εργασίας. Όλο και περισσότερα συνεργατικά ρομπότ εγκαθίστανται στη βιομηχανία και δουλεύουν μαζί με τον άνθρωπο για την ολοκλήρωση κοινών καθηκόντων. Η διατριβή αναπτύσσει ένα ολοκληρωμένο θεωρητικό πλαίσιο, στο οποίο η συνεργασία ανθρώπου–ρομπότ προσεγγίζεται ως μια μορφή κοινής δράσης, ανάλογη με τη συνεργασία ανθρώπου–ανθρώπου. Σε αυτό το πλαίσιο, η ικανότητα του ανθρώπου να προβλέπει τις κινήσεις και τις προθέσεις του συνεργάτη του αποτελεί κρίσιμη προϋπόθεση για την ασφαλή και αρμονικά συντονισμένη συνεργασία. Αντίστοιχα, η ικανότητα του ρομπότ να καθιστά την επικείμενη ενέργειά του ευανάγνωστη και αντιληπτή συνιστά βασικό στοιχείο για την οικοδόμηση εμπιστοσύνης, την αποφυγή συγκρούσεων και την ανάπτυξη ενός συμβατού νοητικού μοντέλου δράσης. Για την εμπειρική διερεύνηση των παραπάνω θεωρητικών παραδοχών, αναπτύχθηκαν δύο υψηλής πιστότητας πειραματικά περιβάλλοντα Εικονικής Πραγματικότητας (ΕΠ), τα οποία επέτρεψαν τον ακριβή έλεγχο των παραμέτρων συνεργασίας και την ασφαλή προσομοίωση σύνθετων βιομηχανικών καθηκόντων. Αξιολογήθηκε η επίδραση προβλεπτικών οπτικών σημάτων—χρωματικών ενδείξεων που αποκαλύπτουν την επικείμενη ενέργεια του ρομπότ— σε μια σειρά από επιχειρησιακές και γνωστικές μετρικές, όπως ο λειτουργικός χρόνος εκτέλεσης, ο αριθμός συγκρούσεων, η ικανότητα συγχρονισμού, η αντιλαμβανόμενη ασφάλεια και η γνωστική στρατηγική των συμμετεχόντων. Το πρώτο κεφάλαιο ξεκινάει με τον ορισμό του ρομπότ και την ιστορική εξέλιξη της Ρομποτικής από τα αρχαία αυτόματα έως τα σύγχρονα ευφυή και συνεργατικά ρομπότ. Παρουσιάζονται οι θεωρητικές συνιστώσες της Αλληλεπίδρασης Ανθρώπου–Μηχανής (ΑΑΜ), όπως τα γνωστικά μοντέλα, η ευχρηστία και η κατανομή των λειτουργιών, που καθορίζουν τον τρόπο με τον οποίο οι χρήστες αλληλεπιδρούν με τεχνολογικά συστήματα. Παράλληλα, εξετάζονται οι σύγχρονες τεχνολογικές εξελίξεις (αισθητήρες, τεχνητή νοημοσύνη, διασυνδεσιμότητα, προηγμένα υλικά, ενδυόμενες συσκευές) και το πλαίσιο προτύπων ασφαλείας, υπογραμμίζοντας ότι η αποτελεσματική και ασφαλής συνεργασία δεν εξαρτάται μόνο από την τεχνική απόδοση, αλλά κυρίως από τον βαθμό γνωστικής σύζευξης, διαφάνειας και προβλεψιμότητας που επιτυγχάνεται σε δυναμικά περιβάλλοντα. Το δεύτερο κεφάλαιο εξετάζει τη μετάβαση από την κλασική Αλληλεπίδραση Ανθρώπου–Ρομπότ (ΑΑΡ) στη σύγχρονη Συνεργασία Ανθρώπου–Ρομπότ (ΣΑΡ). Αρχικά αναλύεται η Αλληλεπίδραση Ανθρώπου–Ρομπότ και οι ιδιαιτερότητές της, σε σχέση με την αυτονομία, την αντίληψη και την προσαρμοστικότητα των ρομπότ. Παρουσιάζονται οι βασικοί τρόποι ταξινόμησης της αλληλεπίδρασης και οι ρόλοι που μπορεί να αναλάβει ο άνθρωπος, καθώς και τα μέσα επικοινωνίας μεταξύ των δύο συνεργατών. Το κεφάλαιο καταλήγει στην έννοια της Συνεργασίας Ανθρώπου–Ρομπότ, αναδεικνύοντας τα οφέλη της σε όρους παραγωγικότητας, ασφάλειας και ροής εργασίας. Επιπλέον, παρουσιάζονται οι κατηγορίες και οι μετρικές αξιολόγησης που χρησιμοποιούνται για την εκτίμηση της ποιότητας της συνεργασίας, συμβάλλοντας στη σχεδίαση πιο αποτελεσματικών και ανθρωποκεντρικών συνεργατικών συστημάτων. Το τρίτο κεφάλαιο εξετάζει τον ρόλο της προνοητικής και προσαρμοστικής συμπεριφοράς στη Συνεργασία Ανθρώπου–Ρομπότ, αναδεικνύοντας πώς οι δύο αυτοί μηχανισμοί βελτιώνουν τον συντονισμό, την ασφάλεια και τη φυσικότητα της αλληλεπίδρασης. Η προνοητικότητα επιτρέπει την πρόβλεψη των επερχόμενων ενεργειών, ενώ η προσαρμοστικότητα υποστηρίζει ευέλικτες αντιδράσεις σε μεταβαλλόμενες συνθήκες. Παρουσιάζονται τα οφέλη αυτών των μηχανισμών, καθώς και τα σήματα που χρησιμοποιούνται για την πρόβλεψη προθέσεων. Η θεωρία των Λεκτικών Πράξεων προσφέρει ένα ενιαίο πλαίσιο για την ερμηνεία της επικοινωνίας ανθρώπου–ρομπότ, ενώ η ανάλυση επεκτείνεται και σε αυτόνομα οχήματα, όπου η πρόβλεψη και η διαφάνεια συμπεριφοράς είναι κρίσιμες. Το κεφάλαιο ολοκληρώνεται με βιβλιογραφική ανασκόπηση τόσο των προσεγγίσεων που χρησιμοποιούν τα ρομπότ για να προβλέψουν ανθρώπινες προθέσεις όσο και των τρόπων με τους οποίους οι άνθρωποι κατανοούν τη συμπεριφορά των ρομπότ, τονίζοντας τη σημασία της προβλεψιμότητας και της διαφάνειας για αποτελεσματική συνεργασία. Το τέταρτο κεφάλαιο παρουσιάζει τα ερευνητικά ερωτήματα της διατριβής και τις δύο πειραματικές μελέτες που έλαβαν χώρα για την αξιολόγηση της επίδρασης των προνοητικών και προσαρμοστικών μηχανισμών στη συνεργασία ανθρώπου–ρομπότ. Οι μελέτες υλοποιήθηκαν σε περιβάλλοντα Εικονικής Πραγματικότητας, επιτρέποντας ακριβή έλεγχο του συνεργατικού περιβάλλοντος και ασφαλή διερεύνηση της ανθρώπινης συμπεριφοράς. Τα πειραματικά αποτελέσματα ανέδειξαν ότι τα προβλεπτικά σήματα έχουν ισχυρή και άμεσα ωφέλιμη επίδραση στη συνεργασία. Η παρουσία τους οδήγησε σε ταχύτερη ολοκλήρωση των καθηκόντων, σημαντική μείωση συγκρούσεων, βελτιωμένο συγχρονισμό και ομαλότερη αλληλεπίδραση, καθώς και χαμηλότερα επίπεδα αδράνειας και αβεβαιότητας. Οι υποκειμενικές αξιολογήσεις των συμμετεχόντων υποστήριξαν περαιτέρω τα ευρήματα, υποδεικνύοντας ότι τα προβλεπτικά οπτικά σήματα ενισχύουν τη διαφάνεια της ρομποτικής συμπεριφοράς, αυξάνουν την προβλεψιμότητα του περιβάλλοντος και ενδυναμώνουν την εμπιστοσύνη των συμμετεχόντων, αποδεικνύοντας ότι η βελτίωση δεν αφορά μόνο το λειτουργικό κομμάτι αλλά και την αποδοχή των ρομπότ και τη βούληση συνεργασίας με αυτά. Παράλληλα, η προσαρμοστική επιβράδυνση του ρομπότ βελτίωσε σαφώς την ασφάλεια μειώνοντας τις πιθανότητες σύγκρουσης. Ωστόσο, η στρατηγική αυτή δεν συνοδεύτηκε από αντίστοιχη αύξηση της αποδοτικότητας ή της ευχέρειας συνεργασίας, γεγονός που υποδηλώνει ότι οι παθητικοί μηχανισμοί προσαρμογής, αν και κρίσιμοι για την προστασία του χρήστη, δεν επαρκούν από μόνοι τους για την επίτευξη υψηλής ποιότητας συνεργατικών συμπεριφορών. Τα ευρήματα κατέδειξαν επίσης ότι τα προβλεπτικά σήματα αποκτούν ακόμη μεγαλύτερη σημασία σε συνθήκες υψηλής ταχύτητας, όπου οι απαιτήσεις συγχρονισμού αυξάνονται και οι πράκτορες χρειάζονται 7γρηγορότερη και ακριβέστερη κατανόηση των προθέσεων των συνεργατών τους. Επιπλέον, η προηγούμενη έκθεση σε προβλεπτικά σήματα οδήγησε σε διατήρηση της απόδοσης ακόμη και μετά την αφαίρεσή τους, υποδηλώνοντας λειτουργία μάθησης πιθανά λόγω της σταδιακής διαμόρφωσης νοητικών μοντέλων των ρομποτικών κινήσεων. Ωστόσο, σε ορισμένες περιπτώσεις παρατηρήθηκε υπερβολική αυτοπεποίθηση, η οποία αύξησε τις συγκρούσεις όταν τα σήματα δεν ήταν πλέον διαθέσιμα, επισημαίνοντας την ανάγκη προσεκτικού σχεδιασμού τους. Τέλος, η σύγκριση εικονικών και πραγματικών συνθηκών έδειξε ότι βασικά μοτίβα ανθρώπινης συμπεριφοράς—όπως η εκτίμηση κινδύνου, ο συγχρονισμός και η αποφυγή συγκρούσεων— παρουσιάζουν αξιοσημείωτη συνέπεια, ενισχύοντας την εξωτερική εγκυρότητα της μεθοδολογίας και επιβεβαιώνοντας τη χρησιμότητα των εικονικών περιβαλλόντων για τον σχεδιασμό και την αξιολόγηση συνεργατικών συστημάτων. Πέρα από τα εμπειρικά συμπεράσματα, η διατριβή παρέχει σημαντική μεθοδολογική και πρακτική συμβολή. Η πειραματική πλατφόρμα που αναπτύχθηκε μπορεί να αξιοποιηθεί για τη συστηματική μελέτη συνεργατικών καθηκόντων, μέσω της αξιολόγησης διαφορετικών σχημάτων συνεργασίας, τη διαμόρφωση οδηγιών σχεδιασμού και την εξαγωγή κανόνων βελτιστοποίησης που ισορροπούν μεταξύ αποδοτικότητας και ασφάλειας. Αναδεικνύονται επίσης νέοι τρόποι αξιολόγησης της συνεργασίας, οι οποίοι μπορούν να χρησιμοποιηθούν τόσο για τη σύγκριση διαφορετικών διεπαφών και ρομποτικών συμπεριφορών όσο και για την ανάπτυξη βιομηχανικών προδιαγραφών. Συνολικά, η διατριβή καταλήγει στο συμπέρασμα ότι η σκόπιμη επικοινωνία «προθέσεων» από τα ρομπότ αποτελεί καταλύτη για μια νέα εποχή συνεργασίας ανθρώπου–μηχανής. Η συνεργασία αυτή δεν βασίζεται μόνο στην τεχνική αρτιότητα των ρομποτικών συστημάτων, αλλά στη γνωστική, ψυχολογική και λειτουργική συνέργεια που αναπτύσσεται όταν οι δράσεις του ρομπότ γίνονται ευανάγνωστες και προβλέψιμες. Σε ένα μεταβαλλόμενο βιομηχανικό τοπίο, όπου άνθρωποι και ρομπότ καλούνται να συνυπάρξουν, η παρούσα διατριβή προσεγγίζει συστηματικά τον σχεδιασμό ανθρωποκεντρικών συνεργατικών συστημάτων.