Autonomous and collaborative robotic systems in 5G smart factories

Abstract

(English) Autonomous and collaborative mobile manipulators are expected to play a central role in future Smart Factories by enabling flexible, human-centered production. Achieving this vision requires robotic systems that can safely react to dynamic human behavior while efficiently executing complex manipulation tasks. These requirements impose high computational demands on perception, planning, and control, which can exceed the capabilities of mobile robotic platforms. Distributed control architectures leveraging edge computing and wireless communication offer a promising solution by enabling computational offloading. However, their effectiveness depends on tightly coupled and interdisciplinary factors spanning communication, computer vision, and control. Beyond computational offloading, distributed control systems also enable distributed perception by integrating external visual sensors, extending the robot’s perceptual field beyond onboard sensing limitations. This thesis investigates how distributed control architectures for autonomous and collaborative mobile manipulators can be designed to safely and efficiently exploit wireless communication and edge computing in industrial environments. Two complementary architectures are developed and evaluated, differing fundamentally in perception placement, control strategy, and the role of communication latency. The first architecture, an Edge-Enabled system, targets safety-critical collaborative scenarios using onboard RGB-D sensing with optional edge offloading. A complete distributed perception-control loop is implemented over private 5G networks, integrating wireless communication, edge-based image processing, and closed-loop Cartesian velocity control. Extensive simulated and real experiments analyze how sensing rate, image resolution and compression, computation latency, communication technology, and quality-of-service settings jointly affect end-to-end reaction time. The results show that edge computing reduces latency only under specific conditions and that robust safety behavior requires explicit mechanisms to handle jitter and perception failures. The second architecture, an Edge-Dependent system, addresses deliberative manipulation under fixed distributed constraints, where perception and planning are performed externally. A learning-based motion planning framework is introduced that generates smooth, near-optimal, collision-free 3D trajectories with low online computation time using external visual data. Simulation and real-robot experiments demonstrate generalization across obstacle configurations and competitive performance compared to established planning baselines. Together, these contributions clarify when wireless edge computing enhances robotic performance and when it introduces fundamental constraints, providing practical system designs and conceptual insights for distributed robotic control in next-generation industrial environments. (Català) S'espera que els manipuladors mòbils autònoms i col·laboratius tinguin un paper central en les fàbriques intel·ligents del futur, en permetre una producció flexible i centrada en l'ésser humà. Per assolir aquesta visió calen sistemes robòtics que puguin reaccionar de manera segura al comportament humà dinàmic, alhora que executen de forma eficient tasques de manipulació complexes. Aquests requisits imposen altes demandes computacionals a la percepció, la planificació i el control, les quals poden superar les capacitats de les plataformes robòtiques mòbils. Les arquitectures de control distribuït que aprofiten el processament en el límit de la xarxa i la comunicació sense fils ofereixen una solució prometedora en permetre la delegació de càrrega computacional. No obstant això, la seva eficàcia depèn de factors estretament vinculats i interdisciplinaris que abasten la comunicació, la visió per computador i el control. Més enllà de la delegació de càlcul, els sistemes de control distribuït també permeten la percepció distribuïda mitjançant la integració de sensors visuals externs, ampliant el camp perceptiu del robot més enllà de les limitacions dels sensors a bord. Aquesta tesi investiga com es poden dissenyar arquitectures de control distribuït per a manipuladors mòbils autònoms i col·laboratius per aprofitar de manera segura i eficient la comunicació sense fils i el processament en el límit (edge computing) en entorns industrials. Es desenvolupen i avaluen dues arquitectures complementàries que difereixen fonamentalment en la ubicació de la percepció, l'estratègia de control i el paper de la latència de la comunicació. La primera arquitectura, un sistema habilitat per a la vora (Edge-Enabled), està orientada a escenaris col·laboratius de seguretat crítica que utilitzen sensors RGB-D a bord amb una càrrega lateral opcional a la vora. S'implementa un bucle complet de percepció i control distribuït sobre xarxes 5G privades, que integra comunicació sense fils, processament d'imatges basat en la vora i control de velocitat cartesiana en bucle tancat. Amplis experiments simulats i reals analitzen com la velocitat de captació, la resolució i la compressió d'imatges, la latència de càlcul, la tecnologia de comunicació i la configuració de la qualitat de servei afecten conjuntament el temps de reacció de principi a fi. Els resultats mostren que la computació en el límit només redueix la latència en condicions específiques i que un comportament de seguretat robust requereix mecanismes explícits per gestionar la variància i els errors de percepció. La segona arquitectura, un sistema dependent de l'edge (Edge-Dependent), aborda la manipulació deliberativa sota restriccions distribuïdes fixes, on la percepció i la planificació es duen a terme externament. Es presenta un marc de planificació de moviments basat en l'aprenentatge que genera trajectòries 3D suaus, gairebé òptimes i lliures de col·lisions amb un temps de computació en línia baix, utilitzant dades visuals externes. Les simulacions i els experiments amb robots reals demostren la generalització a través de configuracions d'obstacles i un rendiment competitiu en comparació amb línies de base de planificació establertes. En conjunt, aquestes contribucions aclareixen quan la computació edge sense fils millora el rendiment robòtic i quan introdueix limitacions fonamentals, proporcionant dissenys de sistema pràctics i perspectives conceptuals per al control robòtic distribuït en entorns industrials de nova generació. (Español) Se prevé que los manipuladores móviles autónomos y colaborativos desempeñen un papel fundamental en las futuras fábricas inteligentes, al permitir una producción flexible y centrada en las personas. Para hacer realidad esta visión se necesitan sistemas robóticos capaces de reaccionar de forma segura ante el comportamiento dinámico de las personas, al tiempo que ejecutan con eficiencia tareas de manipulación complejas. Estos requisitos imponen elevadas exigencias computacionales en materia de percepción, planificación y control, que pueden superar las capacidades de las plataformas robóticas móviles. Las arquitecturas de control distribuido que aprovechan la computación periférica y la comunicación inalámbrica ofrecen una solución prometedora al permitir la descarga computacional. Sin embargo, su eficacia depende de factores estrechamente relacionados e interdisciplinarios que abarcan la comunicación, la visión artificial y el control. Más allá de la descarga computacional, los sistemas de control distribuido también permiten la percepción distribuida mediante la integración de sensores visuales externos, ampliando el campo perceptivo del robot más allá de las limitaciones de los sensores integrados. Esta tesis investiga cómo se pueden diseñar arquitecturas de control distribuido para manipuladores móviles autónomos y colaborativos con el fin de aprovechar de forma segura y eficiente la comunicación inalámbrica y la computación periférica en entornos industriales. Se desarrollan y evalúan dos arquitecturas complementarias, que difieren fundamentalmente en la ubicación de la percepción, la estrategia de control y el papel de la latencia de la comunicación. La primera arquitectura, un sistema habilitado para el borde (Edge-Enabled), está orientada a escenarios colaborativos críticos para la seguridad que utilizan sensores RGB-D a bordo con descarga opcional al borde. Se implementa un bucle completo de percepción y control distribuido a través de redes 5G privadas, que integra comunicación inalámbrica, procesamiento de imágenes en el borde y control de velocidad cartesiano en bucle cerrado. Unos extensos experimentos simulados y reales analizan cómo la frecuencia de detección, la resolución y compresión de la imagen, la latencia de cálculo, la tecnología de comunicación y los ajustes de calidad de servicio afectan conjuntamente al tiempo de reacción de extremo a extremo. Los resultados muestran que la computación en el borde reduce la latencia solo en condiciones específicas y que un comportamiento de seguridad robusto requiere mecanismos explícitos para gestionar la fluctuación y los fallos de percepción. La segunda arquitectura, un sistema dependiente del borde (Edge-Dependent), aborda la manipulación deliberativa bajo restricciones distribuidas fijas, donde la percepción y la planificación se realizan externamente. Se introduce un marco de planificación de movimiento basado en el aprendizaje que genera trayectorias 3D fluidas, casi óptimas y sin colisiones con un tiempo de computación en línea reducido utilizando datos visuales externos. Los experimentos de simulación y con robots reales demuestran la generalización a través de configuraciones de obstáculos y un rendimiento competitivo en comparación con las líneas de base de planificación establecidas. En conjunto, estas aportaciones aclaran en qué casos la computación periférica inalámbrica mejora el rendimiento de los robots y en cuáles introduce limitaciones fundamentales, aportando di