A Hierarchical Stochastic Decision-Making Framework for Task Scheduling and Safety-Aware Human-Robot Collaboration

In de fabrieken van de toekomst, bekend als Industrie 5.0, is het doel om mensen en machines weer samen te brengen in dezelfde werkruimte. Decennialang betekende automatisering het vervangen van mensen door robots om gevaarlijk of repetitief werk af te handelen. Nu is de visie anders: mensen en robots die zij aan zij werken, waarbij menselijke aanpassingsvermogen en oordeelsvermogen worden gecombineerd met robotische precisie en uithoudingsvermogen. Het delen van een werkruimte introduceert echter een complex probleem. Een robot moet niet alleen weten waar een onderdeel zich bevindt, maar ook hoe de menselijke werker zich voelt. Is de werker moe? Bewegen ze snel of langzaam? Is de taak dringend, of kan het wachten? Als een robot deze subtiele signalen niet kan lezen, kan hij te snel bewegen en een ongeluk veroorzaken, of te langzaam bewegen en tijd verspillen. De uitdaging voor ingenieurs is om een systeem te creëren dat in fracties van seconden beslissingen neemt over wie wat doet, wanneer en hoe, terwijl iedereen veilig en efficiënt blijft.

Onderzoekers aan de King Fahd University of Petroleum and Minerals hebben een nieuwe manier ontwikkeld om dit probleem op te lossen. Ze hebben een computerframework ontwikkeld dat fungeert als een twee-lagen brein voor mens-robotteams. In plaats van te proberen één gigantische, ingewikkelde beslissing te nemen die alles in één keer dekt, hebben ze de taak opgesplitst in twee duidelijke delen die met elkaar communiceren. Het eerste deel is een hoog-niveau scheduler. Denk aan dit als een manager die naar een lijst met taken kijkt, controleert wie beschikbaar is, en beslist welke werker — mens of robot — de volgende taak op zich neemt. Deze manager let nauwlettend op de "vermoeidheid" van de werkers. Als een mens hard heeft gewerkt, weet het systeem dat er een pauze moet worden ingelast voordat er meer werk wordt toegewezen. Als een robot te warm is gelopen, krijgt deze de instructie om af te koelen. De manager geeft ook prioriteit aan urgente taken en bepaalt welke taken tegelijkertijd kunnen worden uitgevoerd zonder een knelpunt te veroorzaken.

Het tweede deel van het systeem is een veiligheidsfunctionaris die op een lager niveau opereert. Terwijl de manager beslist wat er gedaan moet worden, beslist deze veiligheidsfunctionaris hoe het gedaan moet worden. Omdat een robot niet perfect de interne staat van een mens kan kennen — zoals of iemand onrustig is of volledig geconcentreerd — moet hij beredeneerde gissingen maken op basis van wat hij kan zien. De onderzoekers gebruikten een model dat de lichaamsbewegingen van de mens observeert, specifiek de posities van de schouders, ellebogen en handen. Op basis van deze bewegingen onderhoudt het systeem een "overtuiging" (belief) over de conditie van de mens. Als de bewegingen suggereren dat de mens onrustig is of te snel beweegt, vergroot de robot automatisch de afstand tussen hen om veilig te blijven. Als de mens kalm is en de taak vereist dat ze dicht bij elkaar werken, komt de robot dichterbij om samen te werken. Deze veiligheidslaag werkt de gok constant bij terwijl het de mens ziet bewegen, waardoor de robot direct kan reageren op veranderingen in gedrag.

Wat dit nieuwe framework uniek maakt, is hoe deze twee delen met elkaar verbonden zijn. In veel eerdere systemen werden de planning van taken en de veiligheidsmonitoring apart uitgevoerd, vaak zonder informatie te delen. Hier zijn de twee lagen verbonden door een coördinatiemodule die als een brug fungeert. Wanneer de manager een taak toewijst, vertelt hij de veiligheidsfunctionaris de details van die taak. Als het een solo-taak voor de robot is, houdt de veiligheidsfunctionaris een ruime afstand aan. Als de taak vereist dat beiden samenwerken, staat de veiligheidsfunctionaris toe dat ze dicht bij elkaar komen. Cruciaal is dat de veiligheidsfunctionaris ook informatie terugstuurt naar de manager. Als een mens te moe wordt tijdens een taak, signaleert de veiligheidsfunctionaris dit terug naar de manager, die vervolgens besluit om geen werk meer aan die persoon toe te wijzen en een rustperiode in te plannen. Dit creëert een gesloten lus waarbij de veiligheid van de werker de planning van de fabriek direct beïnvloedt.

De onderzoekers testten dit systeem met behulp van computersimulaties om te zien hoe het omgaat met een stroom van twaalf verschillende taken. Ze creëerden scenario's waarbij de werklast veranderde van gemengde taken naar taken die voornamelijk menselijke inspanning vereisten, dan naar taken die voornamelijk robotinspanning vereisten, en tot slot taken die nauwe samenwerking vereisten. Het systeem beheerde al deze veranderingen succesvol zonder dat het voor elke nieuwe situatie opnieuw geprogrammeerd hoefde te worden. Het gaf correct prioriteit aan urgente taken, wees taken toe aan de minst vermoeide werker, en zorgde ervoor dat zowel de mens als de robot pauzes namen wanneer hun vermoeidheidsniveaus te hoog werden. De simulatie toonde aan dat het systeem deze beslissingen ongelooflijk snel kon nemen. De tijd die het systeem nodig had om de juiste beslissing voor een gegeven situatie op te zoeken, werd gemeten op slechts 3,082 microseconden. Deze snelheid betekent dat het systeem bijna onmiddellijk kan reageren op veranderingen in de fabriek, veel sneller dan een menselijke manager een nieuw plan zou kunnen berekenen.

Een van de belangrijkste bevindingen was dat het systeem de veiligheid kon handhaven zonder overdreven voorzichtig te zijn. In het verleden moesten robots vaak stoppen of zeer langzaam bewegen wanneer er een mens in de buurt was, puur om veilig te zijn. Deze nieuwe aanpak maakt de robot flexibeler. Wanneer de mens alleen aan een taak werkt, blijft de robot op afstand. Maar wanneer de mens en de robot samen aan een gezamenlijke taak werken, staat het systeem toe dat ze dicht bij elkaar komen, mits de "overtuiging" van de robot over de staat van de mens aangeeft dat dit veilig is. De simulatie bevestigde dat de robot nooit in een gevaarlijke botsingstoestand terechtkwam, terwijl hij toch in staat was om collaboratieve taken efficiënt uit te voeren. Het systeem demonstreerde ook dat het de vermoeidheidsniveaus van de werkers van de ene reeks taken naar de volgende kon overdragen, waardoor werd gewaarborgd dat een werker die moe was aan het einde van de ene dienst, niet overbelast zou raken in de volgende.

De onderzoekers merkten er zorgvuldig bij op dat hun resultaten voortkomen uit computersimulaties, en nog niet uit fysieke robots die met echte mensen in een fabriek werken. De "vermoeidheid" en "stemming" van de mens in de simulatie waren gebaseerd op wiskundige modellen van hoe een persoon zou kunnen reageren, in plaats van op metingen van echte menselijke deelnemers. Het systeem gebruikte een vereenvoudigd beeld van menselijke beweging om zijn beslissingen te nemen. Hoewel de resultaten veelbelovend zijn, stellen de auteurs dat de volgende stap is om dit framework te testen met echte mensen en echte robots om te zien of de computermodellen accuraat reflecteren hoe mensen zich daadwerkelijk gedragen. Ze zijn van plan sensoren te gebruiken om hartslag en lichaamsbewegingen in realtime te meten om het begrip van het systeem over menselijke toestanden te verfijnen.

Dit werk vormt een belangrijke stap naar het praktisch en veilig maken van mens-robot samenwerking. Door het complexe probleem van planning te scheiden van het probleem van realtime veiligheid, en deze vervolgens aan elkaar te koppelen met een snel, tweerichtings communicatiesysteem, hebben de onderzoekers aangetoond dat het mogelijk is om een fabrieksvloer te beheren waar mensen en robots als een team werken. Het systeem volgt niet alleen een rigide set regels; het past zich aan aan de conditie van de werkers en de urgentie van de taken. Het bewijst dat met de juiste besluitvormingsstructuur, robots niet alleen sterk en precies kunnen zijn, maar ook bedachtzaam en responsief naar de mensen met wie ze samenwerken. Het vermogen om deze beslissingen in microseconden te nemen suggereert dat dergelijke systemen binnenkort de fabrieken van morgen kunnen aansturen, waarbij werkers veilig worden gehouden terwijl de productiviteit wordt gemaximaliseerd.