Safety Evaluation of Robot Systems via Uncertainty Quantification

要約

この論文では、ロボットシステムの伝播された不確実性をオンラインおよびデータ駆動型の方法で定量化するためのアプローチを提示します。
特に人間とロボットのコラボレーションでは、実行時に安全コンプライアンスを追跡することが不可欠です。危険な状況を安全と誤って分類すると、重大な事故につながる可能性があります。
公的規制 (ISO 規格など) によると、産業用ロボット アプリケーションの安全性は、人間とロボットの間の距離や相対速度などの重要なパラメーターに依存します。
ただし、安全性は、これらのパラメータの信頼性に対する尺度が与えられた場合にのみ保証できます。
文献にはさまざまなリスクの検出と軽減のアプローチが存在しますが、安全限界をオンラインで評価するために使用でき、状況が安全か危険かを簡潔に暗示する手段は、これまでのところありません。
これに動機付けられて、任意のパラメーターの伝播測定不確実性を計算するための一般化可能な方法を紹介します。これは、システムの感覚デバイスと環境外乱に起因する累積不確実性をキャプチャします。
私たちのアプローチが正しい結果をもたらすことを示すために、シミュレーションで検証実験を行います。
さらに、2 つの現実世界の設定でこの方法を採用し、重要なパラメーターの伝播された不確実性を定量化することで、ヒューマン ロボット コラボレーションにおけるオンラインでの安全性の評価がどのように容易になるかを示します。

要約(オリジナル)

In this paper, we present an approach for quantifying the propagated uncertainty of robot systems in an online and data-driven manner. Especially in Human-Robot Collaboration, keeping track of the safety compliance during run time is essential: Misclassifying dangerous situations as safe might result in severe accidents. According to official regulations (eg, ISO standards), safety in industrial robot applications depends on critical parameters, such as the distance and relative velocity between humans and robots. However, safety can only be assured given a measure for the reliability of these parameters. While different risk detection and mitigation approaches exist in literature, a measure that can be used to evaluate safety limits online, and succinctly implies whether a situation is safe or dangerous, is missing to date. Motivated by this, we introduce a generalizable method for calculating the propagated measurement uncertainty of arbitrary parameters, that captures the accumulated uncertainty originating from sensory devices and environmental disturbances of the system. To show that our approach delivers correct results, we perform validation experiments in simulation. In addition, we employ our method in two real-world settings and demonstrate how quantifying the propagated uncertainty of critical parameters facilitates assessing safety online in Human-Robot Collaboration.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google