İnsan-Robot Etkileşiminde İnsan Güvenliği için Çok Kanallı İletişim Kullanarak Evrişimli Sinir Ağı Tabanlı Bir Yazılımının Geliştirilmesi ve Uygulaması

Teknolojinin hızlı bir şekilde artması ile birlikte robotlara olan ilgi de giderek artmaktadır. Üretim amaçlı birçok uygulamada robotlar tek başına veya insanlar ile birlikte çalışmaları gerekmektedir. Robotik alanda bilgi ve tecrübeye sahip olmayan birçok işletme bu teknolojinin gerisinde kalmaktadır. İnsan-robot etkileşimi (İRE), robotik alanda uzman olmayan kişilerin robotları kolay bir şekilde kontrol etmesini sağlayarak robotların kullanımı yaygınlaştıracaktır. Bu robotlar istenilen görevleri yerine getirmelerinin yanı sıra aynı zamanda çalıştığı ortamda bulunan insanların güvenliğini de sağlamak zorundadırlar. Bundan dolayı, bu çalışmada insan güvenliği göz önüne alınarak güvenli insan-robot etkileşimi yazılımı (GİREY) geliştirilmiştir ve robot ile aynı ortamda çalışan insanın güvenliği sağlanmıştır. GİREY çok kanallı iletişimi kullanarak, çalışma ortamından görsel ve işitsel bilgileri toplar. GİREY topladığı bu bilgiler doğrultusunda evrişimli sinir ağı kullanarak ortamın tehlike düzeyini belirler ve robotun çalışma hızını kontrol eder. Geliştirilen GİREY bir endüstriyel robot olan KUKA KR Agilus KR6 R900 sixx üzerinde test edilmiştir ve başarılı sonuçlar elde edilmiştir.

Anahtar Kelimeler:

çok kanallı iletişim, evrişimli sinir ağı, insan-robot etkileşimi, endüstriyel robotlar

PDF

___

J. Fong, H. Rouhani, and M. Tavakoli, A Therapist-Taught Robotic System for Assistance During Gait Therapy Targeting Foot Drop, IEEE Robot. Autom. Lett., 2019; 4(2): 407–413.
J.-F. Lafleche, S. Saunderson, and G. Nejat, Robot Cooperative Behavior Learning Using Single-Shot Learning From Demonstration and Parallel Hidden Markov Models, IEEE Robot. Autom. Lett., 2018; 4(2): 193–200.
A. Yatsuda, T. Haramaki, and H. Nishino, A robot motion design scheme for watching the elderly based on human gesture sensing, Internet of Things, 2019; 5 168–179.
G. Du, M. Chen, C. Liu, B. Zhang, and P. Zhang, Online Robot Teaching with Natural Human-robot Interaction, IEEE Trans. Ind. Electron., 2018; 0046.
J. Zurada, A. L. Wright, and J. H. Graham, A neuro-fuzzy approach for robot system safety, IEEE Trans. Syst. Man Cybern. Part C Appl. Rev., 2001; 31(1): 49–64.
F. Xia, F. Campi, and B. Bahreyni, Tri-Mode Capacitive Proximity Detection Towards Improved Safety in Industrial Robotics, IEEE Sens. J., 2018; 18(12): 5058–5066.
S. Lee, S. Hara, and Y. Yamada, A safety measure for control mode switching of Skill-Assist for effective automotive manufacturing, IEEE Trans. Autom. Sci. Eng., 2010; 7(4): 817–825.
N. Najmaei and M. R. Kermani, Applications of artificial intelligence in safe human-robot interactions, IEEE Trans. Syst. Man, Cybern. Part B Cybern., 2011; 41(2): 448–459.
E. A. Sisbot and R. Alami, A human-aware manipulation planner, IEEE Trans. Robot., 2012; 28(5): 1045–1057.
G. B. Avanzini, N. M. Ceriani, A. M. Zanchettin, P. Rocco, and L. Bascetta, Safety control of industrial robots based on a distributed distance sensor, IEEE Trans. Control Syst. Technol., 2014; 22(6): 2127–2140.
C. Miyata, K. Chisholm, J. Baba, and M. Ahmadi, A Limb Compliant Sensing Strategy for Robot Collision Reaction, IEEE/ASME Trans. Mechatronics, 2016; 21(2): 674–682.
S. Savazzi, V. Rampa, F. Vicentini, and M. Giussani, Device-Free Human Sensing and Localization in Collaborative Human-Robot Workspaces: A Case Study, IEEE Sens. J., 2016; 16(5): 1253–1264.
M. Kimmel and S. Hirche, Invariance control for safe human-robot interaction in dynamic environments, IEEE Trans. Robot., 2017; 33(6): 1327–1342.
E. Dean-Leon, K. Ramirez-Amaro, F. Bergner, I. Dianov, and G. Cheng, Integration of Robotic Technologies for Rapidly Deployable Robots, IEEE Trans. Ind. Informatics, 2018; 14(4): 1691–1700.
M. C. Bingol and O. Aydogmus, Implementation of speech recognition for robot control using support vector machine, in International Eurasian Conference on Science, Engineering and Technology (EurasianSciEnTech), 2018;, 814–819.