Er det sikker at have benforskellige robotter på arbejdspladsen?

En ny studie antyder, at det måske vil tage lang tid, før vi kan interagere sikkert med benforskellige robotter i den virkelige verden.

En ny studie offentliggjort på 2022 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) har kastet lys over problemet med at teste og karakterisere sikkerheden af benforskellige robotter. Studiet, der er ledet af en gruppe forskere fra The Ohio State University, fokuserer på disse typer af maskiner, som bruger mekaniske lemmer i stedet for hjul til bevægelse. Studiets resultater viser, at de nuværende modeller af benforskellige robotter ikke altid opfører sig forudsigeligt i virkelige scenarier, hvilket gør det svært at forudse deres succes eller fiasko i opgaver, der involverer bevægelse.

Anti-intuitive og komplekse systemer

Bowen Weng er en ph.d.-studerende i elektroteknik og datateknik på Ohio State.

“Vores arbejde viser, at disse robot-systemer er komplekse og, endnu vigtigere, anti-intuitive,” siger Bowen. “Det betyder, at man ikke kan regne med, at robotterne kan reagere korrekt i bestemte situationer, så fuldstændigheden af testningen bliver endnu mere vigtig.”

Det videnskabelige samfund kræver nu universelle sikkerhedstest-regler for mobile robotter, da de udfører mere avancerede opgaver. Integrationen af robotter og kunstig intelligens i vores daglige liv understreger behovet for standardiserede sikkerhedsforanstaltninger. Benforskellige robotter udgør i særdeleshed en betydelig sikkerhedsrisiko, da de ofte er lavet af metal og kan nå hastigheder på op til 20 mph. Når de opererer i virkelige miljøer sammen med mennesker, understreger uforudsigeligheden af disse miljøer endnu mere behovet for strenge sikkerhedsregler.

“Testning handler virkelig om at vurdere risikoen, og vores mål er at undersøge, hvor stor risiko robotterne udgør for brugere eller kunder, mens de er i drift,” siger Weng.

Weng påpeger, at der i øjeblikket er nogle sikkerhedsspecifikationer på plads for udrulningen af benforskellige robotter, men der er stadig ikke nogen fælles enighed om testning af dem på feltet.

Udvikling af et nyt rammeværk for test af benforskellige robotter

Studiet er det første, der udvikler et data-drevet, scenarie-baseret sikkerhedstest-rammeværk for benforskellige robotter.

“I fremtiden kan disse robotter have chancen for at leve sammen med mennesker side om side og vil sandsynligvis blive produceret i samarbejde mellem flere internationale parter,” siger Weng. “Så det er ekstremt vigtigt at have sikkerheds- og test-regler på plads for succesen af denne type produkter.”

Studiet udnytter sample-baserede maskinlæringsalgoritmer til at bestemme, hvordan simulerede robotter kan fejle under virkelige tests. Det var delvist påvirket af Wengs erfaring som forsker i køretøjsikkerhed på Transportation Research Center, en partner i National Highway Traffic Safety Administration.

Holdet evaluerede en række betingelser, der sikrer en robots stabilitet, mens den navigerer i et nyt miljø, hvilket anses for at være en af de afgørende faktorer for at bestemme dens samlede sikkerhedspræstation. Ved hjælp af algoritmer, der er afledt fra tidligere robot-eksperimenter, designede holdet multiple scenarier for robotternes simulationer.

En af testene fokuserede på at undersøge robotterns evne til at bevæge sig, mens de udførte opgaver i forskellige gangarter, såsom at gå baglæns eller træde på stedet. I en anden test testede forskerne robotterns stabilitet, når den blev skubbet med tilstrækkelig kraft til at ændre dens retning.

Resultaterne viste, at en robot ikke kunne opretholde balancen i 3 af 10 tests, når den blev bedt om at øge sin ganghastighed. Men en anden robot kunne blive stående i 100 tests, når den blev skubbet fra sin venstre side, men faldt om i 5 af 10 tests, når den samme kraft blev anvendt på dens højre side.

Selv om det måske tager noget tid, har forskernes rammeværk potentialet for at støtte den kommercielle udrulning af benforskellige robotter og give en sikkerhedsstandard for robotter med forskellige strukturer og egenskaber. Weng nævnte, at det vil tage noget tid, før rammeværket kan implementeres.

“Vi mener, at denne data-drevne tilgang vil hjælpe med at skabe en upartisk, mere effektiv måde at observere robotter under test-miljø-forhold,” siger Weng. “Det, vi arbejder på, er ikke øjeblikkeligt, men for forskere længere nede ad vejen.”