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

Nas fábricas do futuro, conhecidas como Indústria 5.0, o objetivo é trazer humanos e máquinas de volta para trabalharem juntos no mesmo espaço de trabalho. Durante décadas, a automação significou substituir pessoas por robôs para lidar com trabalhos perigosos ou repetitivos. Agora, a visão é diferente: humanos e robôs trabalhando lado a lado, combinando a adaptabilidade e o julgamento humano com a precisão e a resistência robótica. No entanto, compartilhar um espaço de trabalho introduz um problema complexo. Um robô precisa saber não apenas onde uma peça está, mas como o trabalhador humano está se sentindo. O trabalhador está cansado? Eles estão se movendo rápido ou devagar? A tarefa é urgente ou pode esperar? Se um robô não conseguir ler esses sinais sutis, ele pode se mover rápido demais e causar um acidente, ou se mover devagar demais e perder tempo. O desafio para os engenheiros é criar um sistema que tome decisões em frações de segundo sobre quem faz o quê, quando e como, mantendo todos seguros e eficientes.

Pesquisadores da Universidade de Petróleo e Minerais King Fahd desenvolveram uma nova maneira de resolver esse problema. Eles criaram uma estrutura de computador que atua como um cérebro de dois níveis para equipes de humanos e robôs. Em vez de tentar fazer uma decisão gigante e complicada que cubra tudo de uma vez, eles dividiram o trabalho em duas partes distintas que conversam entre si. A primeira parte é um programador de alto nível. Pense nisso como um gerente que olha para uma lista de tarefas, verifica quem está disponível e decide qual trabalhador — humano ou robô — deve assumir a próxima tarefa. Este gerente presta muita atenção à "fadiga" dos trabalhadores. Se um humano trabalhou muito, o sistema sabe que deve dar a ele um descanso antes de atribuir mais trabalho. Se um robô estiver operando com temperatura alta, ele é instruído a esfriar. O gerente também prioriza tarefas urgentes e descobre quais tarefas podem ser feitas ao mesmo tempo sem causar um gargalo.

A segunda parte do sistema é um oficial de segurança que opera em um nível inferior. Enquanto o gerente decide o que fazer, este oficial de segurança decide como fazer. Como um robô não consegue conhecer perfeitamente o estado interno de um humano — como se ele está agitado ou totalmente engajado — ele tem que fazer suposições educadas baseadas no que consegue ver. Os pesquisadores usaram um modelo que observa os movimentos corporais do humano, especificamente as posições de seus ombros, cotovelos e mãos. Com base nesses movimentos, o sistema mantém uma "crença" sobre a condição do humano. Se os movimentos sugerem que o humano está inquieto ou se movendo rápido demais, o robô aumenta automaticamente a distância entre eles para manter a segurança. Se o humano está calmo e a tarefa exige que trabalhem próximos, o robô se aproxima para colaborar. Esta camada de segurança atualiza constantemente sua suposição conforme observa o movimento do humano, permitindo que o robô reaja instantaneamente às mudanças de comportamento.

O que torna esta nova estrutura única é como essas duas partes se conectam. Em muitos sistemas anteriores, o planejamento de tarefas e o monitoramento de segurança aconteciam separadamente, muitas vezes sem compartilhar informações. Aqui, as duas camadas são ligadas por um módulo de coordenação que atua como uma ponte. Quando o gerente atribui uma tarefa, ele informa os detalhes desse trabalho ao oficial de segurança. Se o trabalho é uma tarefa individual para o robô, o oficial de segurança mantém uma distância ampla. Se o trabalho exige que ambos trabalhem juntos, o oficial de segurança permite que eles se aproximem. Crucialmente, o oficial de segurança também envia informações de volta para o gerente. Se um humano fica muito cansado durante uma tarefa, o oficial de segurança sinaliza isso de volta ao gerente, que então decide parar de atribuir trabalho para aquela pessoa e agendar um período de descanso. Isso cria um ciclo fechado onde a segurança do trabalhador influencia diretamente o cronograma da fábrica.

Os pesquisadores testaram este sistema usando simulações de computador para ver como ele lidaria com um fluxo de doze tarefas diferentes. Eles criaram cenários onde a carga de trabalho mudava de tarefas mistas para aquelas que exigiam principalmente esforço humano, depois principalmente esforço robótico e, finalmente, tarefas que exigiam colaboração próxima. O sistema gerenciou com sucesso todas essas mudanças sem precisar ser reprogramado para cada nova situação. Ele priorizou corretamente as tarefas urgentes, atribuiu tarefas ao trabalhador menos cansado e garantiu que tanto o humano quanto o robô fizessem pausas quando seus níveis de fadiga ficavam muito altos. A simulação mostrou que o sistema podia tomar essas decisões incrivelmente rápido. O tempo que o sistema levou para buscar a decisão correta para uma determinada situação foi medido em apenas 3,082 microssegundos. Essa velocidade significa que o sistema pode reagir quase instantaneamente às mudanças na fábrica, muito mais rápido do que qualquer gerente humano poderia calcular um novo plano.

Uma das descobertas mais importantes foi que o sistema conseguia manter a segurança sem ser excessivamente cauteloso. No passado, os robôs frequentemente tinham que parar ou se mover muito lentamente sempre que um humano estava por perto, apenas para garantir a segurança. Esta nova abordagem permite que o rob em seja mais flexível. Quando o humano está trabalhando sozinho em uma tarefa, o robô permanece longe. Mas quando o humano e o robô estão trabalhando juntos em uma tarefa conjunta, o sistema permite que eles se aproximem, desde que a "crença" do robô sobre o estado do humano indique que é seguro fazê-lo. A simulação confirmou que o robô nunca entrou em um estado de colisão perigosa, mas foi capaz de realizar tarefas colaborativas de forma eficiente. O sistema também demonstrou que podia transferir os níveis de fadiga dos trabalhadores de um conjunto de tarefas para o próximo, garantindo que um trabalhador que estava cansado ao final de um turno não fosse sobrecarregado no próximo.

Os pesquisadores foram cuidadosos ao notar que seus resultados vêm de simulações de computador, não de robôs físicos trabalhando com pessoas reais em uma fábrica ainda. A "fadiga" e o "humor" do humano na simulação foram baseados em modelos matemáticos de como uma pessoa poderia reagir, em vez de medições de participantes humanos reais. O sistema usou uma visão simplificada do movimento humano para tomar suas decisões. Embora os resultados sejam promissores, os autores afirmam que o próximo passo é testar esta estrutura com humanos e robôs reais para ver se os modelos de computador refletem com precisão como as pessoas realmente se comportam. Eles planejam usar sensores para medir frequências cardíacas e movimentos corporais em tempo real para refinar a compreensão do sistema sobre os estados humanos.

Este trabalho representa um passo significativo para tornar a colaboração humano-robô prática e segura. Ao separar o problema complexo do agendamento do problema da segurança em tempo real, e depois ligá-los através de um sistema de comunicação rápido de duas vias, os pesquisadores mostraram que é possível gerenciar um chão de fábrica onde humanos e robôs trabalham como uma equipe. O sistema não apenas segue um conjunto rígido de regras; ele se adapta às condições dos trabalhadores e à urgência das tarefas. Ele prova que, com a estrutura de tomada de decisão correta, os robôs podem ser não apenas fortes e precisos, mas também atenciosos e responsivos às pessoas com quem trabalham. A capacidade de tomar essas decisões em microssegundos sugere que tais sistemas poderiam em breve estar operando as fábricas do amanhã, mantendo os trabalhadores seguros enquanto maximizam a produtividade.