Verbetering van mens-robotveiligheid met een nieuw algoritme voor onoplettendheid

Washington State University, Pullman, WA

WSU-graduatestudent Mohsen Amiri en professor Mehdi Hosseinzadeh werken aan het veiliger maken van robots door ze bewuster te maken van menselijke onoplettendheid. (Afbeelding: WSU.edu)

Nieuw algoritme rekening houdend met menselijke onoplettendheid

Een nieuw algoritme kan robots veiliger maken door ze bewuster te maken van menselijke onoplettendheid. In computersimulaties van verpakkings- en montagelijnen waar mensen en robots samenwerken, verbeterde het algoritme — ontwikkeld om rekening te houden met menselijke onoplettendheid — de veiligheid met maximaal ongeveer 80 procent en de efficiëntie met maximaal ongeveer 38 procent ten opzichte van bestaande methoden. Het onderzoek is gepubliceerd in IEEE Transactions on Systems, Man, and Cybernetics: Systems.

Menselijke fouten als grootste uitdaging

„Er gebeuren elke dag een groot aantal ongelukken door onoplettendheid — de meesten helaas door menselijke fouten,” zegt hoofdauteur Mehdi Hosseinzadeh, assistent-professor aan de School of Mechanical and Materials Engineering van Washington State University. „Robots handelen zoals gepland en volgen de regels, maar mensen houden zich vaak niet aan de regels. Dat is het meest lastige en uitdagende probleem.”

Robots die met mensen samenwerken, zijn in veel industrieën steeds gemeengoed. Vaak delen mensen en robots een werkruimte, maar repetitief en saaie werk kan ertoe leiden dat mensen hun focus verliezen en fouten maken. De meeste computerprogramma's helpen robots reageren wanneer een fout gebeurt. Die algoritmes richten zich ofwel op efficiëntie ofwel op veiligheid, maar ze hebben het veranderende gedrag van de mensen waarmee ze samenwerken niet in aanmerking genomen, aldus Hosseinzadeh.

Kwantificering van onoplettendheid

Als onderdeel van hun inspanningen om een plan voor de robots te ontwikkelen, werkten de onderzoekers eerst aan het kwantificeren van menselijke onoplettendheid, gekeken naar factoren als hoe vaak een mens een veiligheidswaarschuwing negeert of mist.

„We hebben de onoplettendheid gedefinieerd, en de robot observeert het gedrag van de mens en probeert het te begrijpen,” zegt hij. „Het concept van een onoplettendheidsniveau is nieuw. Als we weten welke mens onoplettend is, kunnen we er iets aan doen.”

Adaptieve robotgedraging

Zodra de robot onoplettend gedrag identificeert, wordt deze geprogrammeerd om te veranderen hoe het interacteert met die mens, met als doel de kans te verkleinen dat de persoon een werkplekfout maakt of zichzelf kwetst. De robot kan bijvoorbeeld de manier aanpassen waarop het zijn taken beheert om de mens niet in de weg te zitten. De robot werkt het onoplettendheidsniveau en waargenomen veranderingen continu bij.

Simulatieresultaten

De onderzoekers testten hun plan met een computersimulatie van een verpakkingslijn met vier mensen en een robot. Ze testten ook een gesimuleerde collaboratieve montagelijnen waar twee mensen met een robot samenwerkten.

„De kernidee is om het algoritme minder gevoelig te maken voor het gedrag van onoplettende mensen,” zegt Hosseinzadeh. „Onze resultaten onthullen dat het voorgestelde schema de efficiëntie en veiligheid kan verbeteren.”

Volgende stappen

Na de computersimulatie plannen de onderzoekers hun werk te testen in een laboratorium met echte robots en mensen — en uiteindelijk in veldstudies. Ze willen ook andere menselijke eigenschappen kwantificeren en in rekening brengen die de productiviteit op de werkvloer beïnvloeden, zoals menselijke rationaliteit of gevaarsbewustzijn.

Voor meer informatie, neem contact op met Sara Zaske via dit e-mailadres (beveiligd tegen spambots, JavaScript vereist); 509-335-4846.