A Two-Phase Fuzzy Quality Function Deployment Framework for Customer-Driven Intelligent Design of Hotel Service Robots

Stel je voor dat je een hotel lobby binnenloopt en een robot soepel naar je zijde ziet glijden, die je een hartelijk welkom biedt, je naar je kamer begeleidt en misschien zelfs een flesje water voor je haalt. Voor deze interactie om natuurlijk en veilig te voelen, moet de machine meer doen dan alleen een vooraf geprogrammeerd pad volgen; de machine moet de wereld om zich heen begrijpen, het verschil herkennen tussen een persoon en een muur, beleefd reageren op een kind dat voorbijrent, en de privacy van iedereen die zij ontmoet respecteren. Dit is de uitdaging bij het ontwerpen van intelligente servicerobots voor de hospitalitysector. Hoewel ingenieurs lang weten hoe ze machines moeten bouwen die kunnen bewegen en tillen, blijft het aanleren van de vaardigheid om door de onvoorspelbare, sociale wereld van een hotel te navigeren met dezelfde gratie als een menselijke conciërge een complex vraagstuk. De moeilijkheid ligt niet alleen in de hardware, maar in het vertalen van vage menselijke wensen — zoals "wees veilig", "wees beleefd" of "pas je aan aan de menigte" — naar concrete technische instructies die een computer daadwerkelijk kan volgen.

Een team onderzoekers van de Quanzhou University of Information Engineering in China heeft een nieuwe manier voorgesteld om dit vertaalprobleem op te lossen. Zij ontwikkelden een gestructureerde methode om de subjectieve wensen van hotelgasten en managers om te zetten in een duidelijke, geprioriteerde lijst van technische capaciteiten. In plaats van te gokken welke functies het belangrijkst zijn, gebruikte het team een tweestaps proces waarbij een groep experts werd ingezet om precies in kaart te brengen wat een hotelrobot moet kunnen voordat er wordt besloten welke technologieën gebouwd moeten worden. Hun aanpak behandelt het ontwerpproces als een brug, die de "wat" van de klantbehoeften verbindt met de "hoe" van de technische oplossingen, waardoor wordt gewaarborgd dat de uiteindelijke machine wordt gedreven door menselijke verwachtingen in plaats van enkel door technische gemakzucht.

De onderzoekers begonnen met het verzamelen van de stemmen van degenen die deze robots daadwerkelijk zouden gebruiken of beheren. Zij brachten tweeëntwintig mensen samen, waaronder hotelmanagers, frequente gasten die veel in hotels hebben overnacht, robotica-ingenieurs en specialisten op het gebied van AI-ethiek. Deze deelnemers werden gevraagd om de belangrijkheid van diverse klantvereisten te beoordelen, zoals het vermogen van de robot om veilig rond mensen te bewegen, de snelheid waarmee verzoeken worden afgehandeld, en de capaciteit om met gegevens om te gaan met betrekking tot privacy. Het team vertaalde deze linguïstische beoordelingen — woorden als "zeer belangrijk" of "redelijk" — naar een wiskundige format die de natuurlijke onzekerheid en vaagheid van menselijke meningen kon verwerken. Dit stelde hen in staat om een precieze score te berekenen voor de mate waarin elke vereiste ertoe deed, zelfs wanneer verschillende mensen licht afwijkende meningen hadden.

De eerste grote stap in hun framework was het omzetten van deze klantvereisten in "intelligente ontwerpattributen". Dit zijn de specifieke cognitieve en gedragsmatige vermogens die de robot moet bezitten. Bijvoorbeeld, de wens voor een robot die veilig rond gasten beweegt, vertaalt zich naar het attribuut "veilige mens-robotinteractie". De wens voor een robot die zich aanpast aan een drukke lobby wordt "adaptief gedrag". Door hun gegevens door deze eerste fase te laten lopen, ontdekte het team een duidelijke hiërarchie van wat het belangrijkst is. De hoogste prioriteit was "contextbewustzijn en perceptie", wat betekent dat de robot in staat is om zijn omgeving waar te nemen en te begrijpen. Dit werd nauw gevolgd door "veilige mens-robotinteractie" en "operationele betrouwbaarheid". Interessant genoeg rangen kenmerken zoals een vriendelijke stem of een strak uiterlijk lager dan de fundamentele behoefte aan een robot die veilig, betrouwbaar en bewust van zijn omgeving is.

Zodra deze prioriteiten waren vastgesteld, gingen de onderzoekers over naar de tweede fase: het bepalen van welke specifieke technologieën deze vermogens mogelijk maken. Zij vroegen de technische experts om de geprioriteerde attributen te koppelen aan feitelijke technische oplossingen. Het resultaat was een gerangschikte lijst van "faciliterende technologieën". De nummer één technologie die werd geïdentificeerd, was "AI-gebaseerde perceptie en controle", wat de robot zijn kernvermogen geeft om te zien en te denken. De op één na meest kritieke technologie was "sensorfusie en autonome navigatie", die gegevens van camera's en andere sensoren combineert om de robot te helpen bewegen zonder tegen iets aan te botsen. De derde was "machine learning voor adaptief gedrag", waardoor de robot zijn acties in de loop van de tijd kan verbeteren op basis van ervaring. De studie toonde aan dat ontwikkelaars, om een succesvolle hotelrobot te bouwen, eerst moeten focussen op deze fundamentele technologieën die veiligheid en betrouwbaarheid garanderen, in plaats van overhaast complexe sociale functies toe te voegen die zouden kunnen falen als de robot niet veilig de kamer door kan navigeren.

De onderzoekers besteedden ook aandacht aan de ethische kant van kunstmatige intelligentie, een zorg die vaak wordt over het hoofd gezien in de vroege ontwerpfases. Zij namen een specifieke categorie op voor "naleving van ethische AI", die onderwerpen zoals transparantie, gegevensprivacy en eerlijkheid beslaat. Hun analyse onthulde een fascinerende spanning: hoe meer een robot probeert zijn omgeving in detail te begrijpen (om veilig en behulpzaam te zijn), hoe meer gegevens hij verzamelt, wat de privacy van de gast kan bedreigen. Het team stelde vast dat deze afweging een kritieke ontwerkomstandigheid is. Zij suggereerden dat ingenieurs systemen moeten ontwerpen die gegevens lokaal op de robot zelf kunnen verwerken, in plaats van ze naar een centrale server te sturen, om zowel een hoog bewustzijn als een hoge privacy te handhaven. Dit inzicht zorgt ervoor dat ethische overwegingen geen achterafje zijn, maar vanaf het beginpunt in de kernarchitectuur van de robot worden ingebouwd.

Om de robuustheid van hun bevindingen te waarborgen, testten het team hoe hun rangschikkingen zouden veranderen als de belangrijkheid van bepaalde klantvereisten licht zou verschuiven. Zij simuleerden scenario's waarin gasten meer waarde hechtten aan snelheid of managers meer aan onderhoud. Zelfs met deze veranderingen bleven de top drie prioriteiten — bewustzijn, veiligheid en betrouwbaarheid — stabiel. Dit suggereert dat de behoefte aan een veilige en betrouwbare robot een universele vereiste is voor hotelservice, ongeacht specifieke culturele of regionale verschillen. Hoewel de studie werd uitgevoerd met experts in de provincie Fujian, China, impliceert de stabiliteit van deze resultaten dat de fundamentele technische behoeften voor dergelijke robots waarschijnlijk consistent zijn in verschillende hotelomgevingen.

De studie claimt geen perfecte robot te hebben gebouwd of elk probleem in het vakgebied te hebben opgelost. Het gepresenteerde werk is een methodologische demonstratie, een blauwdruk voor hoe men over het ontwerpproces moet denken, in plaats van een eindproduct. De onderzoekers merkten expliciet op dat hun resultaten gebaseerd zijn op deskundige meningen en simulaties, en niet op het testen van een fysieke robot in een echte hotelomgeving. Zij erkenden ook dat hun model complexe relaties tussen technologieën vereenvoudigt door ze als lineaire verbindingen te behandelen, terwijl ze in werkelijkheid op complexere manieren kunnen interageren. Bovendien, hoewel zij ethische AI als een belangrijk attribuut identificeerden, hadden zij niet genoeg data om volledig te kwantificeren hoe ethische prestaties de uiteindelijke rangschikkingen wiskundig zouden moeten aanpassen, wat als een gebied voor toekomstig onderzoek overblijft.

Ondanks deze beperkingen ligt de waarde van het werk in de helderheid en structuur ervan. Het biedt een traceerbaar pad van de wens van een gast voor een veilige, beleefde ervaring naar de specifieke sensoren en software-algoritmen die nodig zijn om die te leveren. Door het ontwerpproces op te splitsen in twee duidelijke fasen, voorkomt het framework ingenieurs om stappen over te slaan of flashy functies prioriteit te geven boven essentiële veiligheidssystemen. Het biedt een gemeenschappelijke taal voor hotelmanagers, die weten wat gasten willen, en robotica-ingenieurs, die weten wat er gebouwd kan worden, om effectief samen te werken. De studie concludeert dat voor intelligente servicerobots om in de echte wereld te slagen, zij geworteld moeten zijn in een diep begrip van menselijke behoeften, waarbij veiligheid en betrouwbaarheid dienen als de niet-onderhandelbare fundering waarop alle andere functies worden gebouwd.