Adaptive Collision Sensitivity for Efficient and Safe Human-Robot Collaboration

Stel je een fabrieksvloer voor waar een zware machinearm en een menselijke werker dezelfde ruimte delen, waarbij ze om elkaar heen bewegen om samen iets te bouwen. Decennialang hebben veiligheidsregels deze twee werelden gescheiden, meestal door hekken of kooien rond de robot te bouwen. Maar naarmate de technologie verbetert, vragen we deze machines om zij aan zij met mensen te werken, waarbij we de barrières wegnemen om efficiëntere workflows te creëren. De uitdaging is dat wanneer een robot en een mens zo dicht bij elkaar werken, er ongelukken gebeuren. Als een robot tegen een persoon aanstoot, moet hij onmiddellijk stoppen om letsel te voorkomen. De huidige veiligheidsregels zijn echter zo strikt dat ze elke botsing op dezelfde manier behandelen, ongeacht hoe hard de klap eigenlijk is. Dit betekent dat een robot voor een klein, onschuldig tikje net zo snel kan stoppen als voor een gevaarlijke botsing, wat ervoor zorgt dat het werk voortdurend tot stilstand komt. De vraag die onderzoekers nu stellen is simpel: kunnen we de robot slim genoeg maken om het verschil te weten tussen een onschuldige duw en een echt gevaar, zodat hij kan blijven werken zonder iemand in gevaar te brengen?

Een team van onderzoekers aan de Tsjechische Technische Universiteit in Praag heeft een nieuwe manier ontwikkeld om deze vraag te beantwoorden. Ze hebben een systeem gecreëerd waarmee een collaboratieve robot in real time kan beslissen of een botsing veilig genoeg is om te negeren of gevaarlijk genoeg om te stoppen voor. In plaats van één rigide regel te gebruiken die de machine doet stoppen zodra hij iets aanraakt, berekent hun methode de werkelijke kracht van de impact op het moment dat deze plaatsvindt. Dit doen ze door te kijken naar hoe zwaar het deel van de robot is dat contact maakte en hoe snel het bewoog. Als de wiskunde aantoont dat de kracht laag is, gaat de robot door met werken. Als de kracht hoog is, stopt hij. Deze aanpak, getest op echte robots en in gedetailleerde computersimulaties, stelt de machines in staat om hun taken veel vaker uit te voeren, wat de productiviteit in sommige scenario's met bijna de helft verhoogt, terwijl de veiligheid nog steeds binnen de strikte grenzen van internationale standaarden blijft.

De kern van deze nieuwe methode berust op een concept genaamd "effectieve massa". In eenvoudige termen: niet elk deel van een robotarm voelt hetzelfde wanneer het iets raakt. Een zwaar deel nabij de basis van de arm draagt meer gewicht en momentum met zich mee dan een licht deel nabij de punt. Bovendien verandert de snelheid waarmee een specifiek deel beweegt de kracht van de impact. De onderzoekers hebben een systeem gebouwd dat constant dit specifieke gewicht en deze snelheid berekent voor het exacte deel van de robot dat een obstakel aanraakt. Ze noemen deze berekening de "effectieve massa". Door dit getal te combineren met de snelheid van de beweging, kan de robot de kracht van de botsing inschatten voordat de impact zelfs maar voltooid is. Deze schatting wordt vervolgens vergeleken met een veiligheidsdrempel die is gedefinieerd door internationale standaarden, die aangeven hoeveel kracht een menselijk lichaamsdeel, zoals de rug van een hand, veilig kan absorberen.

Om te testen of dit idee in de echte wereld werkt, heeft het team een gecontroleerd experiment opgezet met een zes-gewrichtige robotarm die bekend staat als de UR10e. Ze bedekten de robot met een speciale elektronische huid die fungeert als een gevoelige aanraaksensor, in staat om te voelen waar een botsing plaatsvindt en hoe hard de druk is. Ze simuleerden ook een tweede type robot, de KUKA LBR iiwa 7, die sensoren in zijn gewrichten gebruikt om botsingen te voelen in plaats van een externe huid. De testomgeving bestond uit een gesimuleerde taak waarbij de robot langs verschillende hangende emmers gevuld met stenen moest bewegen. Deze emmers dienden als stand-ins voor een menselijke arm, die heen en weer zwaaide om verschillende soorten botsingen te creëren. Sommige klappen waren snel en stuiterend, zoals een bal die tegen een muur stuitert, terwijl anderen langzamer en meer verpletterend waren, zoals een hand die klem komt te zitten in een deur.

De onderzoekers vergeleken drie verschillende manieren waarop de robot op deze klappen kon reageren. De eerste methode is de standaard industriële aanpak: als de robot iets aanraakt, stopt hij onmiddellijk. Dit is de veiligste maar minst efficiënte manier, omdat het werk zelfs voor het kleinste contact tot stilstand komt. De tweede methode gebruikte een vaste berekening die ervan uitging dat de robot een constant gewicht had, ongeacht welk deel de botsing maakte. De derde methode, de nieuwe uitvinding van het team, gebruikte de dynamische "effectieve massa"-berekening om de reactie aan te passen op basis van de specifieke situatie. Ze voerden deze tests uit bij verschillende snelheden, van langzame bewegingen tot snelle bewegingen, en herhaalden de experimenten vele malen om ervoor te zorgen dat de resultaten betrouwbaar waren.

De resultaten toonden een duidelijk voordeel voor de nieuwe, adaptieve methode. Wanneer de robot bewoog met een snelheid van 600 millimeter per seconde, zorgde de standaardaanpak ervoor dat de machine elke keer dat hij een emmer raakte stopte, waarbij het gemiddeld 14,5 seconden duurde om de taak te voltooien. De nieuwe methode liet de robot echter door veel van de lichtere impacts werken, waardoor dezelfde taak in slechts 8 seconden werd voltooid. Dit vertegenwoordigt een productiviteitsstijging van meer dan 45 procent. Zelfs bij lagere snelheden verminderde de nieuwe methode het aantal onnodige stops aanzienlijk. In de simulatietests met de tweede robot was de verbetering vergelijkbaar, waarbij de nieuwe methode de taken ongeveer 30 procent sneller voltooide dan de standaardaanpak. De gegevens toonden aan dat de robot niet simpelweg gokte; hij identificeerde correct dat veel van de botsingen te zwak waren om schade te veroorzaken en daarom geen stop vereisten.

Veiligheid was de primaire zorg, en de onderzoekers hebben er grote zorg aan besteed dat hun systeem de veiligheid niet in gevaar brengt. Ze verifieerden dat hun berekeningen "conservatief" waren, wat betekent dat de robot de kracht hoger inschatte dan deze in werkelijkheid was. Dit garandeert dat als de robot besluit door te gaan met werken, de werkelijke kracht definitief onder de gevaarlijke limiet ligt. In tests waarbij ze de werkelijke kracht van een langzame, verpletterende botsing maten met een gecertificeerd apparaat, was de schatting van de robot aanzienlijk hoger dan de werkelijkheid. Bijvoorbeeld, terwijl het apparaat een kracht van ongeveer 98 newtons registreerde, schatte het systeem van de robot dit in op ongeveer 175 newtons. Omdat de schatting van de robot hoger was, handelde hij met een veiligheidsmarge, waardoor hij stopte wanneer hij dat moest en alleen doorging wanneer het echt veilig was. Deze conservatieve aanpak betekent dat het systeem onwaarschijnlijk is dat een gevaarlijke situatie door de mazen van het net laat glippen.

De studie benadrukte ook het belang van het weten welke exacte robotonderdelen betrokken zijn bij een botsing. De onderzoekers ontdekten dat als het systeem niet de specifieke schakel of sensorplaat kan aanwijzen die contact maakte, het de juiste massa en snelheid niet kan berekenen, en de veiligheidsbeslissing fout kan zijn. Hun methode vereist dat de robot de botsing isoleert tot een specifiek gebied, wat is waarom ze de gevoelige huid en gewrichtsensoren gebruikten om precieze locatiegegevens te verkrijgen. Zonder deze precisie zou de robot de slechtst denkbare situatie moeten aannemen en vaker moeten stoppen, waardoor de winst in efficiëntie verloren gaat. Het team merkte op dat hoewel hun huidige opstelling goed werkt voor enkelvoudige botsingen, het afhandelen van meerdere gelijktijdige botsingen complexere planning vereist, maar voor de typische scenario's in fabrieken, waar botsingen zeldzaam zijn en meestal één deel van het lichaam betreffen, is het systeem zeer effectief.

Met het oog op de toekomst erkennen de onderzoekers dat hun tests gebruikmaakten van emmers en stenen in plaats van werkelijke menselijke vrijwilligers. Hoewel de emmers een consistente en veilige manier boden om krachten te meten, is een echte menselijke arm complexer, met spieren en gewrichten die kunnen reageren of wegtrekken bij een klap. De onderzoekers geloven dat omdat een menselijke arm zachter en reactiever is dan een emmer met stenen, de werkelijke krachten die een persoon ervaart waarschijnlijk nog lager zouden zijn dan de krachten die de robot in het experiment mat. Dit suggereert dat het systeem in de praktijk zelfs veiliger is dan de tests lieten zien. Ze wijzen echter ook op het feit dat veiligheid niet alleen over fysieke kracht gaat; de verrassing van een plotselinge botsing kan ook verontrustend zijn voor een werker, zelfs als het niet pijn doet. Toekomstig werk zal zich moeten richten op hoe deze interacties vloeiend en voorspelbaar kunnen aanvoelen voor de menselijke operator, en niet alleen fysiek veilig.

Uiteindelijk biedt dit onderzoek een praktisch pad vooruit voor de toekomst van mens-robot-samenwerking. Door af te stappen van rigide, eenheidsregels en toe te bewegen naar een systeem dat de fysica van elke specifieke interactie begrijpt, kunnen robots betere partners in de werkplaats worden. De bevindingen suggereren dat we niet hoeven te kiezen tussen veiligheid en snelheid. Met de juiste sensoren en slimme berekeningen kunnen machines zowel veilig genoeg zijn om naast mensen te werken als snel genoeg om echt nuttig te zijn, waardoor de fabrieksvloer verandert van een plek van scheiding naar een plek van gedeeld werk.