Är benförsedda robotar säkra på arbetsplatsen?

En ny studie tyder på att det fortfarande kan dröja länge innan vi kan interagera säkert med benförsedda robotar i den riktiga världen.

En nylig studie som publicerats i 2022 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) har kastat ljus över frågan om testning och karakterisering av säkerheten hos benförsedda robotar. Studien, som lett av en grupp forskare vid The Ohio State University, fokuserar på dessa typer av maskiner, som använder mekaniska ben istället för hjul för rörelse. Studiens resultat visar att de nuvarande modellerna av benförsedda robotar inte alltid beter sig förutsägbart i verkliga scenarier, vilket gör det svårt att förutse deras framgång eller misslyckande i uppgifter som innefattar rörelse.

Anti-intuitiva och komplexa system

Bowen Weng är en PhD-student i elektroteknik och datorteknik vid Ohio State.

“Vårt arbete visar att dessa robotiska system är komplexa och, ännu viktigare, anti-intuitiva”, säger Bowen. “Det betyder att man inte kan lita på robotens förmåga att veta hur den ska reagera i vissa situationer, så testningens fullständighet blir ännu viktigare.”

Den vetenskapliga gemenskapen kräver universella säkerhetstestregler för mobila robotar eftersom de alltmer utför mer avancerade uppgifter. Integrationen av robotar och artificiell intelligens i våra dagliga liv betonar behovet av standardiserade säkerhetsåtgärder. Benförsedda robotar, i synnerhet, utgör en betydande säkerhetsrisk, eftersom de ofta är tillverkade av metall och kan nå hastigheter på upp till 20 mph. När de opererar i verkliga miljöer tillsammans med människor, betonar oförutsägbarheten i dessa miljöer ytterligare behovet av stränga säkerhetsregler.

“Testning handlar verkligen om att bedöma risk, och vårt mål är att undersöka hur stor risk robotteknik för närvarande utgör för användare eller kunder medan de är i arbetsförhållanden”, säger Weng.

Weng påpekar att det för närvarande finns vissa säkerhetsspecifikationer på plats för utplaceringen av benförsedda robotar, men att det fortfarande inte finns någon gemensam överenskommelse om testning i fältet.

Utveckling av ett nytt ramverk för testning av benförsedda robotar

Studien är den första som utvecklar ett datastyrt, scenariobaserat säkerhetstestramverk för benförsedda robotar.

“I framtiden kan dessa robotar ha chansen att leva tillsammans med människor sida vid sida, och kommer troligen att produceras samarbetande av flera internationella parter”, säger Weng. “Så att ha säkerhets- och testregler på plats är extremt viktigt för framgången för denna typ av produkt.”

Studien använder exempelbaserade maskinlärningsalgoritmer för att bestämma hur simulerade robotar kan fungera fel under verkliga tester. Den påverkades delvis av Wengs erfarenhet som forskare inom fordonssäkerhet vid Transportation Research Center, en partner till National Highway Traffic Safety Administration.

Teamet utvärderade en uppsättning villkor som säkerställer en robots stabilitet medan den navigerar i en ny miljö, vilket anses vara en av de viktigaste faktorerna för att bestämma dess övergripande säkerhetsprestanda. Med algoritmer som hämtats från tidigare robotexperiment, utformade teamet flera scenarier för robotarnas simuleringar.

En försök undersökte robotens förmåga att röra sig medan den utförde uppgifter i olika gångarter, såsom att gå baklänges eller kliva på plats. I en annan försök testade forskarna robotens stabilitet när den utsattes för tillräcklig kraft för att ändra dess riktning.

Resultaten visade att en robot inte kunde upprätthålla balans i 3 av 10 försök när den ombads att öka sin gånghastighet. Men en annan robot kunde stanna upprätt i 100 försök när den trycktes från sin vänstra sida, men föll omkull i 5 av 10 försök när samma kraft applicerades på dess högra sida.

Även om det kan ta lite tid, har forskarnas ramverk potentialen att stödja den kommersiella utplaceringen av benförsedda robotar och ge en säkerhetsmätpunkt för robotar med olika strukturer och egenskaper. Weng nämnde att det kommer att dröja innan ramverket kan implementeras.

“Vi tror att denna datastyrda metod kommer att hjälpa till att skapa ett opartiskt, mer effektivt sätt att observera robotar i testmiljöns förhållanden”, säger Weng. “Vad vi arbetar mot är inte omedelbart, men för forskare längre fram.”