盡管在制造業(yè)中工業(yè)機器人已被廣泛使用,但人類與機器人協同解決實際問題的情況仍然很少。一是由于技術受限,二是出于安全考慮。
在工業(yè)制造中,機器人擁有人類所不具備的優(yōu)勢,它可以在24小時內快速、準確地工作而無需休息,并且從不會累。然而,在實際場景中,仍然有許多工作需要人來靈活調整。
所以,“人機協作”深度互動,或將成為未來制造業(yè)發(fā)展的風口。
近日,英國拉夫堡大學團隊提出了一種利用移動腦電圖測量上肢運動意圖的新方法。相關論文以《基于腦電圖的手臂運動意圖識別,可提高共生人機協作的安全性》為題發(fā)表在國際期刊。
該研究揭示了,在半在線系統(tǒng)中高檢測精度和潛在時間增益可以高達513毫秒,在執(zhí)行一項工作任務前0.5秒,人類大腦會不斷地分析和評估動作,對即將發(fā)出的指令進行提前預警,以確保系統(tǒng)的安全。
人類大腦所發(fā)出的預警信號,有助于將“手臂的運動意圖”傳達給機器人,從而提高人機協作的安全性和默契程度。
如今,隨著消費市場的總規(guī)??焖僭鲩L,產品呈現出從規(guī)?;a到高度定制化的發(fā)展趨勢。現有產品特性越來越難以滿足人們個性化、多元化的需求,這給消費市場的生產端帶來了嚴峻的挑戰(zhàn)。
制造企業(yè)如何在較短的時間內生產出更多的產品,如何在生產效率提高的前提下保證工人們的生命安全,是該領域亟待解決的問題。
人們通常認為,一個由高度自動化制造系統(tǒng)構成的機器人,能夠很好地處理好重復性的任務和高速度的高負載,同時能生產出相同質量的產品。然而,機器人不能很好地應對不斷更新的產品變體,這與產品高變異性的趨勢相沖突。
這種情況下,一般是由人工操作員手工流程處理。人工操作可以很好地應對環(huán)境的變化,這種優(yōu)勢是機器無法比擬的。然而,手工勞動的產量并不高,而且更耗時。
所以說,“人機協同”可以讓彼此優(yōu)勢互補,提高工作效率,以滿足產品端復雜性和高適應性的需求,人類和機器人之間更緊密的合作,有望產生新的協同效應和任務優(yōu)化機會。最終,一旦人類操作員和機器之間的障礙被消除,新的共生關系將會出現,這將產生新的制造模式。
基于傳感器的安全系統(tǒng)特性,通過重新分配任務、調整機器人的扭矩和速度來建立一個安全的工作環(huán)境。由于目前避免人機發(fā)生碰撞的傳感器大多基于視覺,這些系統(tǒng)只能在任務已經開始后作出反應。
為了克服這一局限性,該團隊在概率模型中,用不同的方法將任務信息和人的位置信息聯系起來,以預測人類操作者的未來意圖。如果人們能夠事先對運動意圖進行物理測量,這些解決方案可能會得到加強。
盡管“人機協同”在制造業(yè)生產中的優(yōu)勢很顯著,但在接近機器人執(zhí)行任務時,如何保證操作工人的安全是一個問題。為此,國際標準化組織(ISO)為工業(yè)機器人的應用定義了兩項主要的安全標準,其中一項是ISO10218規(guī)則。
比如,一旦有操作員進入機器人的工作范圍,機器人的運動就會停止。當操作工人進入機器人的工作包絡線時,可以用較低的速度運行機器人。
除此之外,還在功率和力方面做了約束,以確保在人機接觸時,將人體受傷的風險降到最低,這樣可以避免操作工人受到傷害。然而,功率的減少將導致處理高負載的能力降低。
總體來說,在必要時限制機器人的速度和力量,避免對人類造成傷害的風險。同時,保持盡可能高的速度和力量以實現高生產率,而在此前這二者很難同時兼顧。
用一種移動的腦電圖來測量上肢運動意圖,可以應對這種挑戰(zhàn)。
人類大腦在執(zhí)行動作之前會對動作進行持續(xù)分析,該團隊利用EEG來檢測運動意圖的可能性,它允許操作員自然地執(zhí)行他們的任務。操作員的腦電圖數據,可以為現有的安全系統(tǒng)提供人類運動的早期預警。
實驗中的參與者需要坐在電腦前,在鍵盤上按下與電腦屏幕中匹配的字母(從A到Z)。運動傳感器可以確認,參與者在EEG數據中移動手臂。實驗數據顯示,人工智能系統(tǒng)可以檢測在手臂移動之前最多513毫秒的意圖,實際上平均執(zhí)行時間僅需約300毫秒。
在模擬中,研究人員在特定的條件下測試了部分因素對“人機協作”的影響。他們發(fā)現,可以利用這項技術來實現更高的生產率。在最新的發(fā)現中,該團隊希望將這項研究能實現兩件事:
第一,這項提議的技術有助于實現人與機器人更加緊密、且更實質性的合作。
第二,他們并不希望人類站在人工智能或機器學習的對立面,相反要將其視為人類友好的合作伙伴,利用雙方所具備的優(yōu)勢,推動制造業(yè)的發(fā)展。
真正的人與機器人協作(HRC)將推動制造業(yè)快速健康發(fā)展,這有利于建立一個更安全、更可持續(xù)的勞動力市場,同時可彌補人類在性別、年齡或生理殘疾等方面的劣勢。該團隊人工智能和EEG的工作,讓人類離真正的EEG更近了一步。(綜合整理報道)(編輯/小文)