Adaptive Collision Sensitivity for Efficient and Safe Human-Robot Collaboration

Stellen Sie sich eine Fabrikhalle vor, in der ein schwerer Roboterarm und ein menschlicher Arbeiter denselben Raum nutzen und gemeinsam um ein Werkstück herum agieren, um etwas zu bauen. Jahrzehntelang haben Sicherheitsregeln diese beiden Welten voneinander getrennt gehalten, indem sie meist Zäune oder Käfige um den Roboter errichteten. Doch während sich die Technologie verbessert, fordern wir diese Maschinen zunehmend auf, Seite an Seite mit Menschen zu arbeiten, wobei die Barrieren abgebaut werden, um effizientere Arbeitsabläufe zu schaffen. Die Herausforderung besteht darin, dass Unfälle passieren, wenn ein Roboter und ein Mensch so nah zusammenarbeiten. Wenn ein Roboter einen Menschen anstößt, muss er sofort anhalten, um Verletzungen zu vermeiden. Die aktuellen Sicherheitsregeln sind jedoch so streng, dass sie jeden Stoß gleich behandend behandeln, unabhängig davon, wie hart der Aufprall tatsächlich war. Das bedeutet, dass ein Roboter bereits bei einem winzigen, harmlosen Tippen stoppen könnte, als wäre es eine gefährliche Kollision, was den Arbeitsfluss ständig zum Erliegen bringt. Die Frage, die sich Forscher nun stellen, ist simpel: Können wir den Roboter intelligent genug machen, um zwischen einem harmlosen Anstupser und einer echten Bedrohung zu unterscheiden, damit er weiterarbeiten kann, ohne jemanden in Gefahr zu bringen?

Ein Forschungsteam der Technischen Universität in Prag hat einen neuen Weg entwickelt, um diese Frage zu beantworten. Sie haben ein System geschaffen, das es einem kollaborativen Roboter ermöglicht, in Echtzeit zu entscheiden, ob eine Kollision sicher genug ist, um ignoriert zu werden, oder gefährlich genug, um einen Stopp auszulösen. Anstatt eine einzige, starre Regel anzuwenden, die die Maschine bei jeder Berührung stoppt, berechnet ihre Methode die tatsächliche Kraft des Aufpralls im Moment des Geschehens. Dies erreichen sie, indem sie analysieren, wie schwer der Teil des Roboters ist, der Kontakt aufgenommen hat, und wie schnell er sich bewegte. Wenn die Mathematik zeigt, dass die Kraft gering ist, arbeitet der Roboter weiter. Wenn die Kraft hoch ist, hält er an. Dieser Ansatz, der an echten Robotern und in detaillierten Computersimulationen getestet wurde, ermöglicht es den Maschinen, ihre Aufgaben wesentlich häufiger fortzuführen, was die Produktivität in einigen Szenarien um fast die Hälfte steigert, während die strikten Grenzen internationaler Normen weiterhin eingehalten werden.

Der Kern dieser neuen Methode beruht auf dem Konzept der „effektiven Masse“. Vereinfacht gesagt fühlt sich nicht jeder Teil eines Roboterarms bei einem Aufprall gleich an. Ein schwerer Teil nahe der Basis des Arms trägt mehr Gewicht und Impuls als ein leichter Teil nahe der Spitze. Darüber hinaus verändert die Geschwindigkeit, mit der ein spezifischer Teil bewegt wird, die Kraft des Aufpralls. Die Forscher bauten ein System, das ständig dieses spezifische Gewicht und diese Geschwindigkeit für genau den Teil des Roboters berechnet, der gerade ein Hindernis berührt. Sie nennen diese Berechnung die „effektive Masse“. Durch die Kombination dieser Zahl mit der Bewegungsgeschwindigkeit kann der Roboter die Kraft der Kollision abschätzen, noch bevor der Aufprall vollständig abgeschlossen ist. Diese Schätzung wird dann mit einem Sicherheitsgrenzwert verglichen, der durch internationale Normen definiert ist und angibt, wie viel Kraft ein menschlicher Körperteil, wie etwa der Handrücken, sicher absorbieren kann.

Um zu testen, ob diese Idee in der realen Welt funktioniert, richtete das Team ein kontrolliertes Experiment mit einem sechsachsigen Roboterarm des Typs UR10e ein. Sie überzogen den Roboter mit einer speziellen elektronischen Haut, die als sensibler Berührungssensor fungiert und in der Lage ist, zu fühlen, wo eine Kollision stattfindet und wie hoch der Druck ist. Zudem simulierten sie einen zweiten Typ von Roboter, einen KUKA LBR iiwa 7, der Sensoren in seinen Gelenken nutzt, um Kollisionen zu spüren, anstatt eine externe Haut zu verwenden. Die Testumgebung bestand aus einer Modellaufgabe, bei der der Roboter an mehreren hängenden Eimern vorbeifahren musste, die mit Steinen gefüllt waren. Diese Eimer dienten als Stellvertreter für einen menschlichen Arm und schwangen hin und her, um verschiedene Arten von Kollisionen zu erzeugen. Einige Treffer waren schnell und elastisch, wie ein Ball, der von einer Wand abprallt, während andere langsamer und druckvoller waren, wie eine Hand, die in einer Tür eingeklemmt wird.

Die Forscher verglichen drei verschiedene Arten, wie der Roboter auf diese Treffer reagieren konnte. Die erste Methode war der Standardansatz der Industrie: Wenn der Roboter etwas berührte, stoppte er sofort. Dies ist die sicherste, aber auch am wenigsten effiziente Methode, da sie den Betrieb selbst bei kleinstem Kontakt unterbricht. Die zweite Methode nutzte eine feste Berechnung, die unabhängig davon, welcher Teil des Roboters gerade ein Objekt trifft, ein konstantes Gewicht annahm. Die dritte Methode, die Neuerung des Teams, nutzte die dynamische Berechnung der „effektiven Masse“, um die Reaktion je nach spezifischer Situation anzupassen. Sie führten diese Tests bei verschiedenen Geschwindigkeiten durch, von langsamen Bewegungen bis hin zu schnellen, und wiederholten die Experimente viele Male, um sicherzustellen, dass die Ergebnisse zuverlässig sind.

Die Ergebnisse zeigten einen klaren Vorteil für die neue, adaptive Methode. Wenn der Roboter mit einer Geschwindigkeit von 600 Millimetern pro Sekunde bewegte, stoppte der Standardansatz die Maschine jedes Mal, wenn sie einen Eimer berührte, was dazu führte, dass die Aufgabe im Durchschnitt 14,5 Sekunden dauerte. Die neue Methode hingegen erlaubte es dem Roboter, viele der leichteren Aufpralle zu durchlaufen, wodurch er dieselbe Aufgabe in nur 8 Sekunden abschloss. Dies stellt eine Produktivitätssteigerung von über 45 Prozent dar. Selbst bei langsameren Geschwindigkeiten reduzierte die neue Methode die Anzahl der unnötigen Stopps erheblich. In den Simulationstests mit dem zweiten Roboter war die Verbesserung ähnlich; dort schloss die neue Methode die Aufgaben etwa 30 Prozent schneller ab als der Standardansatz. Die Daten zeigten, dass der Roboter nicht einfach nur rät, sondern korrekt identifizierte, dass viele der Kollisionen zu schwach waren, um Schaden anzurichten, und daher keinen Stopp erforderten.

Die Sicherheit war das primäre Anliegen, und die Forscher gingen mit größter Sorgfalt vor, um sicherzustellen, dass ihr System die Sicherheit nicht beeinträchtigt. Sie verifizierten, dass ihre Berechnungen „konservativ“ waren, was bedeutet, dass der Roboter die Kraft höher einschätzte, als sie tatsächlich war. Dies stellt sicher, dass, wenn der Robkter entscheidet, weiterzuarbeiten, die reale Kraft definitiv unter dem gefährlichen Limit liegt. In Tests, bei denen sie die tatsächliche Kraft einer langsamen, druckvollen Kollision mit einem zertifizierten Gerät maßen, lag die Schätzung des Roboters deutlich über der gemessenen Realität. Während das Gerät beispielsweise eine Kraft von etwa 98 Newton registrierte, schätzte das System des Roboters diese auf etwa 175 Newton ein. Da die Schätzung des Roboters höher war, agierte er mit einer Sicherheitsmarge und stoppte, wenn er sollte, und fuhr nur dann fort, wenn es wirklich sicher war. Dieser konservative Ansatz bedeutet, dass es unwahrscheinlich ist, dass das System eine gefährliche Situation unbemerkt lässt.

Die Studie hob auch die Bedeutung hervor, genau zu wissen, welcher Teil des Roboters an der Kollision beteiligt ist. Die Forscher fanden heraus, dass das System nicht in der Lage ist, das korrekte Gewicht und die Geschwindigkeit zu berechnen, wenn es den spezifischen Gliedarm oder das Sensorpad, das Kontakt aufgenommen hat, nicht präzise lokalisieren kann, und die Sicherheitsentscheidung dadurch falsch sein könnte. Ihre Methode erfordert, dass der Roboter die Kollision auf einen spezifischen Bereich eingrenzt, wesenerhalb sie die sensitive Haut und die Gelenksensoren nutzten, um präzise Standortdaten zu erhalten. Ohne diese Präzision müsste das System das Worst-Case-Szenario annehmen und öfter anhalten, was die Effizienzgewinne zunichtemachen würde. Das Team merkte an, dass ihr aktueller Aufbau zwar gut für Einzelkollisionen funktioniert, aber das Handling mehrerer gleichzeitiger Treffer eine komplexere Planung erfordern würde; für die typischen Szenarien in Fabriken, in denen Kollisionen selten sind und meist nur einen Teil des Körpers betreffen, ist das System jedoch hocheffektiv.

Mit Blick in die Zukunft räumt das Forschungsteam ein, dass ihre Tests Eimer und Steine statt echter menschlicher Freiwilliger verwendeten. Obwohl die Eimer einen konsistenten und sicheren Weg zur Messung von Kräften boten, ist ein echter menschlicher Arm komplexer, da Muskeln und Gelenke auf einen Schlag reagieren und zurückweichen können. Die Forscher glauben, dass ein menschlicher Arm weicher und reaktiver ist als ein Eimer voller Steine, weshalb die tatsächlichen Kräfte, die eine Person erfahren würde, wahrscheinlich noch niedriger wären als die vom Roboter in den Experimenten gemessenen Kräfte. Dies deutet darauf hin, dass das System in der Praxis sogar noch sicherer ist als die Tests zeigten. Sie weisen jedoch auch darauf hin, dass Sicherheit nicht nur aus physischer Kraft besteht; auch die Überraschung eines plötzlichen Anstoßes kann für einen Arbeiter beunruhigend sein, selbst wenn er nicht wehtut. Zukünftige Arbeiten müssen adressieren, wie man diese Interaktionen für den menschlichen Bediener nicht nur physisch sicher, sondern auch reibungslos und vorhersehbar gestaltet.

Letztendlich bietet diese Forschung einen praktischen Weg für die Zukunft der Mensch-Roboter-Kollaboration. Indem wir uns von starren, pauschalen Sicherheitsregeln lösen und hin zu einem System bewegen, das die Physik jeder spezifischen Interaktion versteht, können Roboter zu fähigeren Partnern am Arbeitsplatz werden. Die Ergebnisse legen nahe, dass wir uns nicht zwischen Sicherheit und Geschwindigkeit entscheiden müssen. Mit den richtigen Sensoren und intelligenten Berechnungen können Maschinen sowohl sicher genug sein, um neben Menschen zu arbeiten, als auch schnell genug, um wirklich nützlich zu sein – und so die Fabrikhalle von einem Ort der Trennung in einen Ort der gemeinsamen Arbeit verwandeln.