Är benförsedda robotar säkra på arbetsplatsen?

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

En nylig studie publicerad 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. Ledd av ett team av forskare vid The Ohio State University, fokuserar studien 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 involverar rörelse.

Anti-Intuitiva och Komplexa System

Bowen Weng är en doktorand 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 strikta säkerhetsregler.

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

Weng noterar att det för närvarande finns vissa säkerhetskrav på plats för utplaceringen av benförsedda robotar, men det finns fortfarande ingen allmän överenskommelse om testning av dem i fältet.

Utveckling av en Ny Ram för Testning av Benförsedda Robotar

Studien är den första som utvecklar en datastyrd, scenariobaserad säkerhetstestram 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 samplebaserade maskinläringsalgoritmer för att bestämma hur simulerade robotar kan fungera fel under verkliga tester. Den påverkades delvis av Wengs erfarenhet som fordonssäkerhetsforskare vid Transportation Research Center, en partner till National Highway Traffic Safety Administration.

Laget utvärderade en uppsättning villkor som säkerställer en robots stabilitet medan den navigerar i en ny miljö, vilket anses vara en av de avgörande faktorerna för att bestämma dess övergripande säkerhetsprestanda. Med algoritmer som hämtats från tidigare robotexperimenter designade laget flera scenarier för robotarnas simuleringar.

En försök fokuserade på att undersöka robotens förmåga att röra sig medan den utför uppgifter i olika gångarter, som att gå baklänges eller stiga 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 misslyckades med att 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 ram potentialen att stödja den kommersiella utplaceringen av benförsedda robotar och ge en säkerhetsbenchmark för robotar med olika strukturer och egenskaper. Weng nämnde att det kommer att dröja innan ramen kan implementeras.

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