I och med att industri 4.0 är på frammarsch ställs höga krav på företag gällande bland annat kvalitet, flexibilitet samt snabba omställningstider. Examensarbetet skrivs för Högskolan i Skövde och Volvo GTO där fokus ligger på att identifiera möjliga människa-robot samarbeten i en manuell monteringslinje. Huvudmålet med examensarbetet är att ta fram en metod för att skapa en specifikation vid implementering av en virtuell människa-robot station. Hållbar utveckling har en central del i examensarbetet. Genom att reducera ergonomiskt belastande och stressrelaterade moment kan den sociala hållbarheten öka och i sin tur leda till mindre kassationer och kvalitetsavvikelser. Förutsättningarna som ligger till grund för arbetet analyseras och diskuteras där standardiserat arbetssätt är en central del. Fyra generella kollaborativa metoder beskrivs i arbetet samt färdigheter för en specifikt kollaborativ robot som fanns till förfogande under hela examensarbetet. Vid analyser av tidigare forskning belyses svårigheter gällande säkerheten vid implementeringen av en kollaborativ robot. En riskanalys av säkerheten rekommenderas att utföras när en layout och momentfördelningen mellan människa och robot är utformad. Genom att analysera och samla in data över befintliga stationer skall möjliga moment som en kollaborativ robot kan utföra identifieras. Analysen resulterade i att endast en station innehöll lämpliga moment, där av utfördes en momentanpassning på den stationen. Detta för att skapa en arbetssekvens där människa-robot samarbeten kan utföras. Fem moment identifierades för den kollaborativa roboten. Examensarbetet resulterade i två implementeringsförslag där skillnaden var stationens utformning. Skillnaden berörde en kåpans ursprungsplacering vilket kräver en förändring i den externa materialtillförseln. De nya arbetssekvenserna för de berörda varianterna reducerar människans arbetsbelastning då ergonomiskt belastande moment överförts till roboten. Den framtagna metoden för att skapa en specifikation är baserad på det genomförda examensarbetet där rekommendationer och metoder som är lämpliga att använda för ett liknande arbete är sammanställda. Vikten vid att skapa liknande grundförutsättningar för att tillämpa den framtagna metoden ligger i ett standardiserat arbetssätt. Som fortsatt arbete rekommenderas det att skapa en efterliknande station i en virtuell miljö där en riskanalys bör genomföras. Detta för att skapa en säker stationsmiljö. / As industry 4.0 is rising companies are obliged to work to increase their quality, flexibility and reduce their changeover time. The final year project is written for Högskolan I Skövde and Volvo GTO with focus to identify possible human-robot collaboration tasks in a manual assembly line. The main objective for the thesis is to developed a method for a specification for implementation of virtual collaboration station. A central point for the thesis is sustainable development. By reducing non ergonomically and stressful tasks, social sustainability can be increased which can lead to lead to less scrap and quality deviation. Presumptions for the thesis are analyzed and discussed where standardized work is a central and important part. Four general collaborations methods are mentioned. A specific collaborative robot where used and its proficiency analyzed during the work, a UR10e. Previous researched mentioned the safety issue related to implementation of a collaborative robot. A recommendation to properly ensure the safety is to perform a risk assessment when the work sequence and layout is generated. To identify potential tasks for the collaborative robot data related to the defined stations needs to be analyzed. The conclusion was that only one station included all the five identified potential tasks for the collaborative robot. This resulted in an adjustment of the work order for the selected station and thereby create a human robot collaboration. Two implementation suggestions where created and differed only in the location of a specific component. The new position for the component requires a reorganization of the material handling to the station. There are two categories of product variants and the new working sequences reduce the work load because tasks are performed by the robot. The generated method to create a specification is based on the work performed during the thesis. This method includes recommendation and methods which will facilitate similar projects. Standardize work is a key factor to create similar prerequisites. A recommendation for continual work is to create a virtual environment where a risk assessment can take place in order to generate a safe work environment.

I ett tidigare genomfört examensarbete gjordes en förstudie på hur en människa-robot samarbetscell skulle fungera i en laboratoriemiljö. I Arvid Bobergs ”HRC Implementation in laboratory environment” skulle cellen tas fram på uppdrag av Eurofins för att arbeta med kemikalie- och mikrobiologiska analyser inom jordbruk, mat och miljö. För att verifiera de lösningsförslag som togs fram skulle en implementering behöva utformas i en fysisk miljö.  Projektets huvudsyfte var att ta fram en samarbetscell som skulle utföra arbetsuppgifter i en labbmiljö. För detta ändamål har en station, arbetsmoment och komponenter tagits fram och implementerats på ASSAR. Stationen har programmerats för att visa upp möjligheterna som roboten har att erbjuda i en samarbetscell med hjälp av ABB RobotStudio och online programmering.  Valet av robot var om möjligt att använda sig av ABB:s YuMi robot. Detta för att det var roboten som förstudien som arbetet bygger på använde sig av i dess modell samt byggde sin teori på och eftersom förstudiens arbete ligger till grunden för detta projekt.  Implementationen av stationen har genomförts i steg för att kunna testa olika upplägg och erhålla bättre förståelse av robotens egenskaper och vad den är kapabel att utföra i förhållande till räckvidd och flexibilitet. För att skapa de mer avancerade funktionerna i programmet användes offline programmering i ABB RobotStudio kombinerat med hjälp av online programmering. Funktionerna blir för avancerade för att skriva i en TeachPendant eftersom det blir långa rader med kod för att skapa de avancerade funktioner som roboten använder sig av för att utföra sina arbetsuppgifter.  Arbetet på ASSAR har lett till att ett flertal olika lösningar har tagits fram och tänkts över tills ett koncept valts och implementerats på ASSAR. Detta i form av en samarbetscell som visar upp olika funktioner för att utföra arbetsuppgifter i en labbmiljö med hjälp av YuMi-roboten ifrån ABB och ett arbetsbord som skapats under projektets gång.  Projektet har uppnått flertalet uppsatta mål för arbetet men några har inte uppnåtts, detta på grund av förseningar som uppkommit under projektets gång. Förseningarna har gjort att arbetsgången ändrats och det resultat som författaren försökt uppnå förändrats för att ta fram en samarbetscell och ge ett resultat åt projektet. / In a previous final year project, a study was carried out on how a robotic collaborative cell would work in a laboratory environment. In Arvid Bobergs "HRC Implementation in laboratory environment" the cell would be developed on behalf of Eurofins to work with chemical and microbiological analyses in agriculture, food and environment. To verify the suggested solutions, an implementation would need to be designed in a physical environment. The main purpose of the project was to develop a collaborative cell that would perform tasks in a lab environment. For this purpose, a station, work operations and components have been developed and implemented at ASSAR. The station has been programmed to showcase the possibilities the robot has to offer in a collaborative cell with the help of ABB Robot Studio and online programming. The choice of the robot was if possible, to make use of ABB's YuMi robot. This is because it was the robot that the pre-study that the work is based on used in its model and built its theory on and because the work of the feasibility study is the foundation of this project. The implementation of the station has been completed in steps to be able to test different structure and obtain a better understanding of the robot's characteristics and what it is capable to perform in relation to range and flexibility. To create the more advanced features of the program was used offline programming in ABB Robot Studio combined with the help of online programming. The functions become too advanced to write in a TeachPendant because there will be long lines of code to create the advanced functions that the robot uses to perform its tasks. The work at ASSAR has led to several different solutions being developed and thought over until a concept has been chosen and implemented at ASSAR. This in the form of a collaborative cell that showcases various functions to perform tasks in a lab environment using the YuMi robot from ABB and a worktable created during the project. The project has achieved several goals for the work, but some have not been achieved, because of delays that have arisen during the course of the project. The delays have made the workflow change and the result that the author has tried to achieve has changed to develop a collaborative cell and give a result to the project.

A collaborative robot is something of growing interest for companies in the manufacturing industries to implement. However, a collaborative robot is quite new in today’s market. An issue that arises is that no implementation process for collaborative robots exists today, as well as no requirement guide for skills, as well as actors, has been defined. The aim of this project was to examine how an implementation process of collaborative robots in manufacturing companies could look like. Focusing on charting the integration process steps of a collaborative robot, and identifying the actors as well as skills needed for successful cobot integration, with the aim achieve the goal of this thesis by answering the research questions. The thesis had the following research questions: Research Question 1 – How is an integration process for implementing a cobot represented in the manufacturing companies? Research Question 2 – What particular skills as well as actors are required when implementing in a cobot in the manufacturing companies? To answer the research questions, the author conducted several interviews with different companies. The interview questions were mainly constructed in order to answer the RQs but also to get an understanding for the different aspects of what a cobot is, what is required as well as how it compares to a traditional industrial robot. The thesis resulted in an implementation process with several steps constructed in order to implement a cobot as well as different aspects of what skills and actors are needed. In order to separate the aspects, the respondents were categorized into different roles which are the developer, integrator and the user. The different roles were all vital, providing an understanding from different perspectives. Keywords: Collaborative robot, cobot, Human-robot interaction, Human-Robot Collaboration, Development strategies, Automation, Industry 4.0.

To produce smooth human-robot interactions, it is important for robots to be able to answer users’ questions accurately and provide a suitable explanation for why they arrive to the answer they provide. However, in the wild, the user may ask the robot questions relating to aspects of the scene that the robot is unfamiliar with and hence be unable to answer correctly all of the time. In order to gain trust in the robot and resolve failure cases where an incorrect answer is provided, we propose a method that uses Grad-CAM explainability on RGB-D data. Depth is a critical component in producing more intelligent robots that can respond correctly most of the time as some questions might rely on spatial relations within the scene, for which 2D RGB data alone would be insufficient. To our knowledge, this work is the first of its kind to leverage depth and an explainability module to produce an explainable Visual Question Answering (VQA) system. Furthermore, we introduce a new dataset for the task of VQA on RGB-D data, VQA-SUNRGBD. We evaluate our explainability method against Grad-CAM on RGB data and find that ours produces better visual explanations. When we compare our proposed model on RGB-D data against the baseline VQN network on RGB data alone, we show that ours outperforms, particularly in questions relating to depth such as asking about the proximity of objects and relative positions of objects to one another. / För att skapa smidiga interaktioner mellan människa och robot är det viktigt för robotar att kunna svara på användarnas frågor korrekt och ge en lämplig förklaring till varför de kommer fram till det svar de ger. Men i det vilda kan användaren ställa frågor till roboten som rör aspekter av miljön som roboten är obekant med och därmed inte kunna svara korrekt hela tiden. För att få förtroende för roboten och lösa de misslyckade fall där ett felaktigt svar ges, föreslår vi en metod som använder Grad-CAM-förklarbarhet på RGB-D-data. Djup är en kritisk komponent för att producera mer intelligenta robotar som kan svara korrekt för det mesta, eftersom vissa frågor kan förlita sig på rumsliga relationer inom scenen, för vilka enbart 2D RGB-data skulle vara otillräcklig. Såvitt vi vet är detta arbete det första i sitt slag som utnyttjar djup och en förklaringsmodul för att producera ett förklarabart Visual Question Answering (VQA)-system. Dessutom introducerar vi ett nytt dataset för uppdraget av VQA på RGB-D-data, VQA-SUNRGBD. Vi utvärderar vår förklaringsmetod mot Grad-CAM på RGB-data och finner att vår modell ger bättre visuella förklaringar. När vi jämför vår föreslagna modell för RGB-Ddata mot baslinje-VQN-nätverket på enbart RGB-data visar vi att vår modell överträffar, särskilt i frågor som rör djup, som att fråga om objekts närhet och relativa positioner för objekt jämntemot varandra.

As the technology develops and robots are integrating into more and more facets of our lives, the futureof human-robot interaction may take form in all kinds of arrangements and configurations. In this study, we examined the understandability of di erent conversational strategies in robot-robot communication from a human-bystander standpoint. Specifically, we examined the understandability of verbal explanations constructed under Grice's maxims of informativeness. A prediction task was employed to test the understandability of the proposed strategy among other strategies. Furthermore, participants' perception of the robots' interaction was assessed with a range of ratings and rankings. The results suggest that those robots using the proposed strategy and those using the other tested strategies were understood and perceived similarly. / I takt med att teknologin utvecklas integreras robotar mer och mer i olika delar av våra liv. Framtidens människo-robot interaktioner kan ta många olika former och konfigurationer. I den här studien undersökte vi förståelsen för olika konversationsstrategier mellan robotar ur det mänskliga perspektivet. Specifikt undersökte vi förståelsen av muntliga förklaringar konstruerade enligt Grices princip för informativitet. En uppgift för deltagarna i testet var att försöka förutsäga robotarnas agerande. Dessutom utvärderades robotarnas interaktion genom att låta deltagarna rangordna och betygsätta dem. Resultatet tyder på att de robotar som använder Grices princip och de som använder de andra testade strategierna förstås och uppfattas på ett liknande sätt.

Implicit communication is important in interaction because it plays a role in conveying the internal mental states of an individual. For example, emotional expressions that are shown through unintended facial gestures can communicate underlying affective states. People can infer mental states from implicit cues and have strong expectations of what those cues mean. This is true for human-human interactions, as well as human-robot interactions. A Normalizing flow model is used as a generative model that can produce facial gestures and head movements. The invertible nature of the Normalizing flow model makes it possible to manipulate attributes of the generated gestures. The model in this work is capable of generating facial expressions that look real and human-like. Furthermore, the model can manipulate the generated output to change the perceived affective state of the facial expressions. / Implicit kommunikation är viktig i interaktioner eftersom den spelar en roll för att förmedla individens inre mentala tillstånd. Till exempel kan känslomässiga uttryck som visas genom oavsiktliga ansiktsgester kommunicera underliggande affektiva tillstånd. Människor kan härleda mentala tillstånd från implicita ledtrådar och har starka förväntningar på vad dessa ledtrådar betyder. Detta gäller för interaktion mellan människor, liksom interaktion mellan människa och robot. En normaliserande flödesmodell används som en generativ modell som kan producera ansiktsgester och huvudrörelser. Den inverterbara naturen hos normaliseringsflödesmodellen gör det också möjligt att manipulera det genererade ansiktsuttrycken. Utgången manipuleras i två dimensioner som vanligtvis används för att beskriva affektivt tillstånd, valens och upphetsning. Modellen i detta arbete kan generera ansiktsuttryck som ser verkliga och mänskliga ut och kan manipuleras for att ändra det affektiva tillstånd.

Natural Language Generation and generating believable verbal communication are critical components in the development of social robots. The work presented in this paper is based on the sequence-to-sequence model and is focused on improving context and repeatability through the inclusion of task- specific information. The data set on which this study was conducted was collected through a Wizard of Oz framework using a social robot. The generated dialogue was evaluated through a survey designed to measure the adherence to the game context and perceived human qualities. The human qualities were measured using attributes from two well-known attribute scales intended for evaluating Human-Robot Interaction. The evaluation results indicate that the quality of the generated dialogue is on par with examples of actual dialogue spoken during the experiments. This paper also highlights interesting aspects regarding the usefulness of transfer learning in narrow contextual applications. The results presented in this paper show that it is possible to improve the contextual nature of generated dialogue by including additional task-specific information. / Generering av naturligt språk och uppgiften att skapa trovärdig verbal kommunikation är kritiska komponenter i utvecklingen av sociala robotar. Arbetet som presenteras i denna uppsats är baserat på sekvens-till-sekvens-modellen och fokuserar på att förbättra sammanhang och repeterbarhet genom att inkludera uppgiftspecifik information. Datauppsättningen som denna studie genomförde samlades in via ett Wizard of Oz-ramverk med hjälp av en social robot. Den genererade dialogen utvärderades genom en onlineundersökning utformad för att mäta efterlevnaden av spelskontexten och upplevda mänskliga egenskaper. Dessa mänskliga egenskaper mättes med attribut från två välkända attributskalor avsedda för utvärdering av människa-robot-interaktion. Utvärderingsresultaten visar att kvaliteten på den genererade dialogen är i nivå med exempel på faktisk dialog som talats under experimenten. Denna uppsats belyser också intressanta aspekter beträffande nyttan av överföringsinlärning i smala kontextuella applikationer. Resultaten som presenteras i denna uppsats visar att det är möjligt att förbättra den kontextuella karaktären hos genererad dialog genom att inkludera ytterligare uppgiftspecifik information.

With the ongoing progress of research in robotics, computer vision and artificial intelligence, robots are becoming more complex, their functionalities are increasing and their abilities to solve particular problems get more efficient. For these robots to share with us our lives and environment, they should be able to move autonomously and be operated easily by users. The main focus of this thesis is on the differences and similarities in a human to a human versus a human to a robot interaction in an office environment. Experimental methods are used to identify these differences and similarities and arrive at an understanding about how users perceive robots and the robots’ abilities to help in the development of interactive service robots that are able to navigate and perform various tasks in a real life environment. A user study was conducted where 14 subjects were observed while presenting an office environment to a mobile robot and then to a person. The results from this study were that users used the same verbal phrases, hand gestures, gaze, etc. to present the environment to the robot versus a person but they emphasized more by identifying the different items to the robot .The subjects took less time to show a person around than the robot. / Genom forskning i robotik, datorseende och artificiell intelligens kommer robotar att bli mer och mer komplexa. Robotars funktionalitet ökar ständigt och deras kapacitet att lösa specifika problem blir mer effektiv. För att dessa robotar ska finnas i våra vardagsliv och vår miljö måste de kunna röra sig självständigt (autonomt) och de måste vara lätta att hantera för användare. Detta examensarbete fokuserar på skillnader och likheter mellan interaktion människa - människa och robot - människa i en kontorsmiljö. Med hjälp av experimentell metod är det möjligt att upptäcka dessa skillnader och likheter och därmed förstå hur människor uppfattar robotar och deras förmåga. Detta kan bidra till utvecklingen av servicerobotar som kan navigera och utföra olika uppgifter i vardagslivet. En användarstudie utfördes med 14 försökspersoner som observerades medan de presenterade en kontorsmiljö både för en människa och för en robot. Resultatet av denna studie var att försökspersonerna använde samma typer av muntliga uttryck och handgester, blickar, osv. för att presentera miljön för en människa som för roboten. De uttryckte sig mer detaljerat för roboten när det gällde att identifiera olika föremål i miljön. Försökspersonerna behövde mer tid för att presentera miljön för roboten än en människa.

Reinforcement Learning (RL) is popular to solve complex tasks in robotics, but using it in scenarios where humans collaborate closely with robots can lead to hazardous situations. In an autonomous warehouse, mobile robotic units share the workspace with human workers which can lead to collisions, because the positions of humans or non-static obstacles are not known by the robot. Such a scenario requires the robot to use some form of visual input from a lidar sensor or RGB camera, to learn how to adjusts its velocity commands to keep a safe distance and reduced speed when approaching obstacles. This is essential to train an RL-based robotic controller to be safe, however, it does not address the issue to make training itself safer, which in foresight is crucial to enable real-world training. This thesis proposes an agent setup with modified reward structure to train a local planner for a Turtlebot robot with lidar sensor that satisfies safety while maximizing the RL reward. Additionally, it presents a shielding approach that can intervene on a complex controller, by using a safe, sub-optimal backup policy in case the agent enters unsafe states. Two agents, an unshielded agent and one with shielding, are trained with this method in a simulated autonomous warehouse to investigate the effects of shielding during training. For evaluation we compare four conditions: Both agents are deployed once with activated shield and once without it. Those four conditions are analysed in regards to safety and efficiency. Finally, a comparison to the performance of the baseline Trajectory Planner is conducted. The results show that shielding during training facilitates task completion and reduces collisions by 25% compared to the unshielded agent. On the other hand, unshielded training yields better safety results during deployment. Generally, an active shield during deployment contributes to efficiency of the agent, independent of the training setup. The system design is integrated into the Robot Operating System (ROS) where its modular design makes the method compatible with different (RL) algorithms and deployable in OpenAI gym environments. / Reinforcement learning (RL) är en vanlig metod för att lösa komplexa uppgifter inom robotik. Användningen av den i scenarier där människor arbetar nära robotar kan dock leda till farliga situationer. I ett autonomt lager delar mobila robotenheter arbetsområdet med mänskliga arbetare, vilket kan leda till kollisioner eftersom roboten inte känner till människornas positioner eller icke-statiska hinder. I ett sådant scenario måste roboten använda någon form av visuell information från en lidarsensor eller RGB-kamera för att lära sig hur den ska anpassa sina hastighetsinstruktioner för att hålla ett säkert avstånd och minskad hastighet när den närmar sig hinder. Detta är viktigt för att träna RL-baserad robotstyrning så att den blir säker. Det löser dock inte problemet med att göra själva utbildningen säkrare, vilket är avgörande för att möjliggöra utbildning i den verkliga världen. I det här examensarbeten presenteras en agentuppsättning med en modifierad belöningsstruktur för att träna en lokal planerare för en Turtlebot robot med en lidarsensor. Detta ger säkerhet samtidigt som belöningen maximeras. Dessutom presenteras en skyddsmekanism som kan ingripa i det komplexa styrsystemet och byta till ett säkert, suboptimalt reservstyrprogram om agenten hamnar i osäkra tillstånd. Två agenter tränas med denna metod i ett simulerat autonomt lager, en agent utan och en med sköld, för att undersöka effekterna av sköldning under träningen. Fyra konfigurationer jämförs för utvärdering: Båda ämnena används en gång med skölden aktiverad och en gång utan. Dessa fyra konfigurationer analyseras med avseende på säkerhet och effektivitet. Slutligen görs en jämförelse med Trajectory Planner som utgångspunkt. Resultaten visar att skydd under träningen gör det lättare att slutföra uppgiften snabbare och minskar antalet kollisioner med 25% jämfört med en agent utan skydd. Å andra sidan leder träning utan avskärmning till bättre säkerhetsmätningar under arbetet. Generellt sett bidrar en aktiv sköld under installationen till agentens effektivitet, oavsett hur utbildningen är upplagd. Systemet är integrerat i Robot Operating System (ROS). Dess modulära utformning möjliggör kompatibilitet med olika RL-algoritmer, liksom användning av metoden i OpenAI gymmiljöer.

Skapat av Högskolan i Skövde och på uppdrag av Elektroautomatik i Skövde har detta projekt genomförts för att identifiera möjliga människa-robot samarbeten i monteringsmiljö. Robotarna som funnits i åtanke för denna form av samarbete är kollaborativa robotar. I dagens industri existerar redan kollaborativa robotar men utför ofta uppgifter på en mer samexisterande nivå avskild från människan. Den form av människa-robot samarbete som undersökts i detta arbete är där båda parter assisterar varandra i en arbetsuppgift på gemensam yta. Detta koncept har blivit allt viktigare för dagens företag som efterfrågar ett mer flexibelt och anpassningsbart system i framtiden. Under projektet undersöktes även förbättringsförslag på nuvarande lösningar för kollaborativa robotar samt processen kring robotlösningen. Genom studerad litteratur utformades tre intervjuprotokoll avsedda för en intervjustudie med tre olika yrkesgrupper – montörer, produktionstekniker och ingenjörer. Intervjustudien utfördes i samarbete med företag i Skövde där kunskap extraherats från personer inom monteringsmiljö. Kärnfrågan i samtliga intervjuprotokoll var i vilka uppgifter i monteringsmiljö som intervjupersonen såg möjlighet till ett människa-robot samarbete. Insamlad data har transkriberats, strukturerats och sorterats för att kunna sammanställa ett resultat. Förslag på möjliga arbetsmoment som framkom under intervjustudien delades in i sex kategorier: Svåråtkomligt, tidskrävande, ergonomisk avlastning, logistik, kvalitet och produktvariation. Ett resultat presenteras där samarbetsuppgifter mellan människa och robot sammanställts från intervjustudien. Dessa har sorterats efter de sex kategorierna inom möjliga arbetsmoment. Övergripande förslag angavs under intervjustudien på vilken typ av uppgifter och områden en kollaborativ robot hade kunnat samarbeta med en människa. Dessa förslag föll under flera kategorier – exempelvis äntring av stort antal skruvar vilket kan kategoriseras enligt både ergonomisk avlastning och tidskrävande. Den kategori som genererat flest förslag är arbetsuppgifter där en kollaborativ robot kan erbjuda ergonomisk avlastning för människan. För att identifiera mer specifika arbetsuppgifter behöver ytterligare undersökning utföras baserat på de områden som identifierats i detta arbete. Den kollaborativa robotlösningen behöver kunna arbeta inom flera olika kategorier för att uppnå den framtida flexibla produktion som efterfrågas. / Created by the University of Skövde and assigned by Elektroautomatik in Skövde this project was executed to identify possible HRC tasks in the assembly industry. The robots that were reviewed for this type of collaboration tasks were collaborative robots. Collaborative robots already exists in today’s industry but are commonly working on a co-existing level separated from the human. The type of collaboration investigated during this project regards solving tasks where the human and robot assist each other on a common work surface. This concept has gained more importance for companies today because of the increasing demand of a more flexible and adaptable system for the future production. Improvement proposals has been generated during the project regarding the collaborative robot and its implementation process. Based on the researched literature three interview protocols was created for three different groups of professions – assemblers, production technicians and engineers. In collaboration with companies in Skövde the interviews were executed gathering knowledge from people working within the assembly environment. The main question in all interview protocols were in which type of assembly tasks the interviewed could see a possibility for HRC. Collected data has been transcribed, structured and sorted in order to reach a result. Proposals of possible HRC operations gathered from the interviews were divided into six categories – inaccessible, time demanding, ergonomic relief, logistics, quality and product variety. A result has been presented where HRC tasks has been compiled from the interviews. These has been sorted into the six categories generated from possible HRC operations. General ideas were proposed during the interviews regarding what possible type of tasks and areas a collaborative robot could work together with a human. In many cases the proposals given could be sorted into more than one category – for example assemble of a large amount of screws that could be categorized as both ergonomic relief and time demanding. The category that generated the largest amount of proposals of HRC were tasks intended to offer ergonomic relief for the human. To identify more specific HRC tasks further research need to be performed based on the categories of areas that has been identified in this project. The future collaborative robot solution has to be able to combine more than one category to reach the flexible and adaptable system that is demanded.