A Virtual Fencing Framework for Safe and Efficient Collaborative Robotics

Titel: Een Virtueel Omheining Framework voor Veilige en Efficiënte Collaboratieve Robotica

1. Probleemstelling

Collaboratieve robots (cobots) worden steeds vaker ingezet in menselijke werkomgevingen, maar de huidige veiligheidsstandaarden (zoals ISO 10218 en ISO/TS 15066) bieden beperkte richtlijnen voor real-time reacties op menselijke aanwezigheid. Traditionele veiligheidsmethoden, zoals fysieke barrières of het volledig stilleggen van de robot bij detectie van een persoon, leiden tot significante productieverliezen en onnodige stilstand.
De kernuitdaging ligt in het vinden van een balans tussen veiligheid en productiviteit. Bestaande systemen reageren vaak te conservatief (directe stop) of zijn te complex en duur (geavanceerde sensorfusie), waardoor ze niet schaalbaar zijn voor diverse industriële toepassingen. Er is behoefte aan een adaptief systeem dat risico's in real-time inschat en de robotbeweging dynamisch aanpast in plaats van alleen te kiezen tussen "doorgaan" of "stoppen".

2. Methodologie

Het voorgestelde framework combineert computervisie, diep learning en wiskundige optimalisatie om een "virtuele omheining" te creëren.

• Hardware en Software Setup:

  • Robot: Universal Robots UR16e (6-assige manipulator).
  • Sensoren: Arducam IMX477 (RGB-camera) gekoppeld aan een Nvidia Jetson Orin Nano voor randcomputing.
  • Communicatie: ROS 2 (Robot Operating System) voor lage latentie en modulaire integratie.
  • Detectie: YOLOv8n (via ONNXRuntime) voor real-time mensdetectie in videostreams.

• Zone-gebaseerde Risicobeheer:
  Het zichtveld van de camera wordt verticaal verdeeld in drie zones om het risico te differentiëren:

  1. Kritieke Zone (Centraal): Het primaire werkgebied van de robot. Detectie hier leidt tot een directe stop.
  2. Zone voor Verhoogde Aandacht (Zijzones): Gebieden waar een persoon zich bevindt maar nog niet direct in de botsingsbaan is. Detectie hier leidt tot een vertraagde snelheid.
  3. Normale Zone: Geen detectie of geen recente detectie binnen een bufferperiode ($T_{buffer}$). De robot werkt op normale snelheid.

• Optimalisatie van Beweging (SQP):
  Om abrupte snelheidsveranderingen te voorkomen, wordt het veiligheids-probleem geformuleerd als een beperkt optimalisatieprobleem.

  • Doelfunctie: Minimaliseren van een kwadratische kostenfunctie $J(d)$ die afwijkingen van de gewenste duur ($d_{desired}$) en abrupte overgangen van de vorige duur ($d_{prev}$) bestraft.
  • Algoritme: Sequential Quadratic Programming (SQP) wordt gebruikt om de optimale bewegingsduur $d$ te berekenen binnen de veiligheidsconstraints ($d_{min} \leq d \leq d_{max}$).
  • Resultaat: Dit zorgt voor soepele overgangen tussen snelheidsmodi (normaal, traag, stop) in plaats van schokkerige schakelingen.

3. Belangrijkste Bijdragen

1. Virtuele Omheining Framework: Een modulair systeem dat fysieke barrières vervangt door dynamische, software-gedefinieerde veiligheidszones op basis van visuele input.
2. Trade-off Optimalisatie: Een wiskundige aanpak (SQP) die de afweging tussen veiligheid en efficiëntie automatiseert, waardoor de robot niet onnodig stopt als het risico laag is.
3. Real-time Adaptiviteit: Het systeem past de robotbeweging continu aan op basis van de positie van de mens, waarbij het gebruik maakt van kosteneffectieve RGB-camera's in plaats van dure multi-sensor setups.
4. Soepele Bewegingsregeling: Het introduceren van een optimalisatielaag die voorkomt dat de robot schokkerig reageert, wat essentieel is voor het hanteren van zware of gevoelige ladingen.

4. Resultaten

De experimenten werden uitgevoerd met een menselijke proefpersoon die door de verschillende zones bewoog tijdens robotcycli. De resultaten werden vergeleken met een "Directe Stop"-methode en een zone-gebaseerde methode zonder SQP.

• Operationele Efficiëntie (OE):

  • Directe Stop: 61,8% (veel stilstand).
  • Zone-gebaseerd (zonder SQP): 66,7% (hoger, maar minder soepel).
  • Zone-gebaseerd + SQP: 64,5% (een goede balans, iets lager dan puur zone-gebaseerd door de soepele overgangen, maar aanzienlijk veiliger en stabieler).
  • Conclusie: Het systeem met SQP vermindert onnodige stops aanzienlijk ten opzichte van de directe stop-methode, terwijl het soepelheid garandeert.

• Systeem Latentie: Alle methoden toonden zeer lage latentie (rond de 31-33 ms), wat cruciaal is voor real-time veiligheid.

• Kollisie Vermijding: Alle methoden behaalden een 98% kollisie-voorkomingsrate, wat aantoont dat het systeem veilig blijft werken.

• Bewegingskwaliteit: Het systeem met SQP elimineerde de schokkerige bewegingen ("jerky movements") die voorkwamen bij het systeem zonder optimalisatie, wat de voorspelbaarheid en veiligheid voor de mens en de lading verhoogt.

5. Betekenis en Conclusie

Dit paper presenteert een kosteneffectieve en schaalbare oplossing voor de veiligheidsuitdagingen in de cobot-industrie. Door de veiligheid niet als een statisch "alles-of-niets" principe te behandelen, maar als een dynamisch optimalisatieprobleem, wordt de productiviteit van mens-robot samenwerking aanzienlijk verbeterd zonder in te leveren op veiligheid.

De belangrijkste implicaties zijn:

• Efficiëntie: Vermindering van productietijden door het vermijden van volledige stilstanden bij lage risico's.
• Toepasbaarheid: Het gebruik van standaard RGB-camera's en open-source software (ROS 2, YOLO) maakt de oplossing toegankelijk voor diverse industriële toepassingen.
• Veiligheid: Het garanderen van soepele bewegingen voorkomt nieuwe risico's die ontstaan door abrupte stops of starts, vooral bij het hanteren van delicate goederen.

Het voorgestelde framework vormt een robuuste basis voor de toekomst van dynamische en veilige mens-robot interactie in industriële omgevingen.