หุ่นยนต์และ AI ทางกายภาพ

โรบอทขาเป็นมิตรกับความปลอดภัยในที่ทำงานหรือไม่?

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

การศึกษาใหม่ชี้ให้เห็นว่าอาจต้องใช้เวลานานก่อนที่เราจะสามารถโต้ตอบกับโรบอทขาได้อย่างปลอดภัยในโลกแห่งความเป็นจริง

การศึกษาใหม่ 研究 ที่ตีพิมพ์ในงานประชุม IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) ปี 2022 ได้เผยแพร่เกี่ยวกับประเด็นของการทดสอบและประเมินความปลอดภัยของโรบอทขา โดยทีมนักวิจัยจาก The Ohio State University ได้ศึกษาระบบเหล่านี้ ซึ่งใช้ขาเทียมแทนล้อในการเคลื่อนที่ ผลการศึกษาพบว่าโมเดลปัจจุบันของโรบอทขาไม่จำเป็นต้องมีพฤติกรรมที่คาดเดาได้ในสถานการณ์จริง ทำให้ยากต่อการคาดการณ์ความสำเร็จหรือความล้มเหลวในงานที่ต้องเคลื่อนที่

ระบบที่ซับซ้อนและไม่คาดเดาได้

Bowen Weng เป็นนักศึกษาระดับ博士ในสาขาวิศวกรรมไฟฟ้าและคอมพิวเตอร์ที่ Ohio State

“งานของเราแสดงให้เห็นว่าระบบเหล่านี้ซับซ้อนและสำคัญกว่านั้น คือ ไม่คาดเดาได้” Bowen กล่าว “หมายความว่าคุณไม่สามารถพึ่งพาให้โรบอทรู้ว่าจะตอบสนองอย่างไรในสถานการณ์ต่างๆ ได้ ดังนั้น การทดสอบจึงมีความสำคัญมากขึ้น”

ชุมชนวิทยาศาสตร์กำลังเรียกร้องให้มีการทดสอบความปลอดภัยที่เป็นมาตรฐานสำหรับโรบอทเคลื่อนที่ เนื่องจากระบอทและปัญญาประดิษฐ์ถูกนำมาใช้มากขึ้นในงานที่ซับซ้อน ความปลอดภัยของโรบอทขาเป็นประเด็นที่สำคัญ เนื่องจากระบอทเหล่านี้มักทำจากโลหะและสามารถเคลื่อนที่ได้เร็วถึง 20 ไมล์ต่อชั่วโมง เมื่อทำงานในสถานการณ์จริงร่วมกับมนุษย์ ความไม่คาดเดาได้ของสภาพแวดล้อมทำให้ความต้องการมาตรการความปลอดภัยที่เข้มงวดมากขึ้น

“การทดสอบคือการประเมินความเสี่ยง และเป้าหมายของเราคือการตรวจสอบว่าปัจจุบันโรบอทมีความเสี่ยงต่อผู้ใช้หรือลูกค้าในขณะทำงานอย่างไร” Weng กล่าว

Weng ระบุว่าแม้จะมีการกำหนดข้อกำหนดความปลอดภัยบางอย่างสำหรับการใช้โรบอทขา แต่ยังไม่มีความเห็นพ้องกันในการทดสอบในสนาม

พัฒนาเฟรมเวิร์กใหม่สำหรับการทดสอบโรบอทขา

การศึกษานี้เป็นการศึกษาแรกที่พัฒนาเฟรมเวิร์กการทดสอบความปลอดภัยที่ขับเคลื่อนด้วยข้อมูลและสถานการณ์สำหรับโรบอทขา

“ในอนาคต โรบอทเหล่านี้อาจมีโอกาสอาศัยอยู่ร่วมกับมนุษย์ และอาจผลิตโดยหลายฝ่ายระหว่างประเทศ” Weng กล่าว “ดังนั้น การมีมาตรการความปลอดภัยและข้อกำหนดการทดสอบจึงมีความสำคัญอย่างยิ่งสำหรับความสำเร็จของผลิตภัณฑ์เหล่านี้”

การศึกษานี้ใช้แอลกอริทึมการเรียนรู้ของเครื่องแบบตัวอย่างเพื่อกำหนดว่าโรบอทจำลองอาจทำงานผิดปกติระหว่างการทดสอบในโลกแห่งความเป็นจริงได้อย่างไร การศึกษานี้ได้รับอิทธิพลจากประสบการณ์ของ Weng ในฐานะนักวิจัยด้านความปลอดภัยของยานพาหนะที่ Transportation Research Center ซึ่งเป็นพันธมิตรของ National Highway Traffic Safety Administration

ทีมวิจัยได้ประเมินชุดเงื่อนไขที่รับประกันความเสถียรของโรบอทระหว่างการนำทางสภาพแวดล้อมใหม่ ซึ่งเป็นหนึ่งในปัจจัยสำคัญในการกำหนดประสิทธิภาพความปลอดภัยโดยรวม โดยใช้แอลกอริทึมที่ได้รับจากการทดลองโรบอทก่อนหน้านี้ ทีมวิจัยได้ออกแบบสถานการณ์หลายแบบสำหรับการจำลองของโรบอท

การทดลองหนึ่งเน้นการตรวจสอบความสามารถของโรบอทในการเคลื่อนที่ขณะทำงานที่ความเร็วต่างๆ เช่น การเดินถอยหลังหรือการก้าวที่เดิม ในการทดลองอื่น นักวิจัยได้ทดสอบความเสถียรของโรบอทเมื่อถูกผลักด้วยแรงที่เพียงพอในการเปลี่ยนทิศทาง

ผลการศึกษาพบว่าโรบอทหนึ่งล้มเหลวในการรักษาสมดุลใน 3 จาก 10 การทดลองเมื่อถูกขอให้เพิ่มความเร็วของการเดิน แต่โรบอทอื่นสามารถยืนได้ใน 100 การทดลองเมื่อถูกผลักจากด้านซ้าย แต่ล้มใน 5 จาก 10 การทดลองเมื่อใช้แรงเท่ากันจากด้านขวา

แม้ว่าจะใช้เวลาบางเวลา แต่เฟรมเวิร์กของนักวิจัยมีศักยภาพในการสนับสนุนการนำโรบอทขาไปใช้ในเชิงพาณิชย์ และให้มาตรฐานความปลอดภัยสำหรับโรบอทที่มีโครงสร้างและคุณสมบัติต่างๆ Weng ระบุว่าจะใช้เวลาบางเวลาในการนำเฟรมเวิร์กไปใช้

“เรามั่นใจว่าแนวทางที่ขับเคลื่อนด้วยข้อมูลนี้จะช่วยสร้างวิธีการที่ไม่ลำเอียงและเป็นระเบียบมากขึ้นในการสังเกตโรบอทในสภาพแวดล้อมทดสอบ” Weng กล่าว “สิ่งที่เรากำลังทำงานอยู่ไม่ใช่สิ่งที่จะเกิดขึ้นทันที แต่สำหรับนักวิจัยในอนาคต”

Alex McFarland เป็นนักข่าวและนักเขียน AI ที่สำรวจการพัฒนาล่าสุดในด้านปัญญาประดิษฐ์ เขาได้ร่วมงานกับสตาร์ทอัพ AI และสื่อสิ่งพิมพ์ต่างๆ ทั่วโลก