Onderzoekers van de Washington State University hebben een algoritme ontwikkeld dat de veiligheid en efficiëntie van robots die samenwerken met mensen moet verbeteren, door rekening te houden met menselijke onoplettendheid. In simulaties op verpakkings- en assemblagelijnen liet dit algoritme tot wel 80% verbetering in veiligheid en tot 38% toename in efficiëntie zien in vergelijking met bestaande methoden.
Het onderzoek, dat is gepubliceerd in *IEEE Transactions on Systems Man and Cybernetics Systems*, richt zich op een belangrijke uitdaging in de samenwerking tussen mens en robot: menselijke fouten door onzorgvuldigheid. Volgens Mehdi Hosseinzadeh, assistent-professor aan de School of Mechanical and Materials Engineering van WSU en hoofdonderzoeker van de studie, volgen robots weliswaar geprogrammeerde regels, maar mensen doen dat vaak niet, wat leidt tot frequente werkplaatsongelukken. Het algoritme dat door de onderzoekers is ontwikkeld, is ontworpen om menselijke onzorgvuldigheid te herkennen en zich hieraan aan te passen, waardoor de kans op fouten en letsel wordt verminderd.
Het onderzoeksteam heeft een methode ontwikkeld om onzorgvuldigheid te kwantificeren, waaronder gedrag zoals het negeren van veiligheidswaarschuwingen. Zodra dit gedrag is geïdentificeerd, kan de robot zijn gedrag aanpassen om potentiële conflicten met de menselijke werker te minimaliseren en zo de kans op ongelukken te verkleinen. De robot past voortdurend zijn begrip van het gedrag van de mens aan, waardoor hij zich in realtime kan bijsturen.
Na de succesvolle simulaties is het onderzoeksteam van plan het algoritme te testen in laboratoriumomgevingen met echte robots en menselijke deelnemers. Toekomstig onderzoek zal zich ook richten op het integreren van andere menselijke eigenschappen, zoals rationaliteit en bewustzijn van gevaar, in het algoritme. Het project ontving financiering van de National Science Foundation, met bijdragen van onderzoekers Bruno Sinopoli en Aaron F. Bobick van Washington University in St. Louis.
