Problemstellung/Motivation

In typischen Roboterapplikationen, beispielsweise beim industriellen Schweißen, sind Roboter durch Sicherheitszäune von Menschen getrennt. Mit dem Fortschreiten der Robotik wird der Einsatz von Robotern jedoch für immer mehr Applikationen attraktiv, darunter auch solche, bei denen Mensch und Roboter ohne Schutzzaun zusammenarbeiten. Derartige interaktive Anwendungen ermöglichen es, die Erfahrung und Geschicklichkeit des Menschen mit der Kraft und Wiederholgenauigkeit des Roboters zu vereinen.

Aufgrund der wegfallenden physischen Barriere treten jedoch auch neue Herausforderungen auf. Insbesondere die Frage der Sicherheit rückt in den Vordergrund, denn Roboter, die sich schnell bewegen und große Lasten bewegen können, sind eine potentielle Gefährdung für den Menschen am Arbeitsplatz. Zwar definiert der Standard ISO TS 15066 Sicherheitsstrategien für den kollaborierenden Betrieb, aufgrund der neuartigen Technik besteht in der praktischen Umsetzung jedoch bei vielen Unternehmen noch Unsicherheit bezüglich der Umsetzung.

Ein weiterer technologischer Trend, der neue Sicherheitsfragen aufwirft, ist die Anwendung von künstlicher Intelligenz bzw. maschinellen Lernverfahren. Solche Verfahren haben die Eigenschaft, dass Ihr Verhalten oft schwierig bis unmöglich vorherzusagen ist. Möchte man die Verfahren dennoch in sicherheitskritischen Anwendungen zum Einsatz bringen, sind zusätzliche Maßnahmen zur Absicherung notwendig.

 

Demonstrator "stationärer MRK-Roboter" und verfolgter Lösungsansatz

Der Demonstrator "stationärer MRK-Roboter" zeigt beispielhaft auf, wie eine sichere Mensch-Roboter-Interaktion gemäß ISO TS 15066 realisiert werden kann. Weiterhin zeigt der Demonstrator auf, wie eine Applikation so gestaltet werden kann, dass ein gefahrloser Einsatz von KI-basierten Methoden möglich ist. Hierzu führt der Demonstrator eine KI-basierte Greifplanung aus, um Objekte aus einem Behälter zu greifen und in einem von zwei weiteren Behältern abzulegen.

Um Sicherheit zu gewährleisten, wird der Bereich um den Arbeitsraum des Roboters mit einem Laserscanner überwacht. Bei Annäherung eines Menschen an den Arbeitsraum wird zunächst die Geschwindigkeit des Roboters reduziert und ab einem gewissen Abstand die Roboterbewegung beendet. Dies ermöglicht dem Bedienpersonal, sich dem Roboter sicher zu nähern, beispielsweise um Material nachzulegen. Hierzu werden fest vorgegebene Sicherheitszonen mit einer einer stufenweisen Geschwindigkeitsreduktion eingesetzt.

Weiterhin ist der Arbeitsraum des Roboters durch virtuelle Sicherheitsebenen begrenzt. Dies verhindert einerseits, dass der Roboter sich über den abgesicherten Arbeitsraum hinaus bewegt, andererseits aber auch, dass aufgrund von unvorhergesehenen Bewegungen, wie sie zum Beispiel durch fehlerhaftes Verhalten der KI entstehen können, ein Schaden entsteht. Eine roboterinterne Kraft- und Geschwindigkeitsbegrenzung sowie Kollisionserkennung sorgt für ein zusätzliches Maß an Sicherheit.

Im Verlauf des RoboShield-Projekts wurden diverse Erweiterungen des ursrpünglichen Demonstrator-Designs entwickelt, die im Folgenden dargestellt werden.

 

Erweiterungen des Demonstrators

Stufenlose Geschwindigkeitsskalierung: Die urspüngliche Variante des stationären MRK-Demonstrators implementiert eine stufenweise Geschwindigkeitsskalierung basierend auf statischen Sicherheitszonen. Beim Eindringen in eine dieser Schutzzonen wird die Geschwindigkeit des Roboters auf einen fixen Wert limitiert; je näher die verletzte Schutzzone am Roboter desto niedriger wird das Geschwindigkeitslimit. Diese Funktionalität wird in aller Regel durch handelsübliche sicherheitszertifizierte Laserscanner direkt unterstützt. Ein Nachteil dieses Verfahrens dass durch die statischen Schutzzonen die Geschwindigkeit stärker als nötig reduziert und der Abstand zum Roboter nicht direkt betrachtet wird. Das beschriebene Vorgehen mit statischen Sicherheitszonen ist eine konservative Umsetzung der Sicherheitsfunktion "Speed and Separation Monitoring" aus ISO TS 15066.

Durch die Erweiterung zur stufenlosen Geschwindigkeitsskalierung soll von dieser konservativen Umsetzung abgesehen werden, um höhere Geschwindigkeiten im bezüglich ISO TS 15066 zulässigen Rahmen zu erreichen. Hierzu wird weiterhin ein sicherheitszertifizierter Laserscanner eingesetzt, die Sicherheitszonen werden jedoch verworfen. Stattdessen wird aus den Daten des Laserscanners die Position des Menschen bestimmt; anschließend wird der Abstand zu den verschiedenen Gelenken des Roboters berechnet. Aus den Abständen wir der geringste Abstandswert ermittelt, welcher anschließend als Eingabe für eine Funktion zur Ermittlung der maximal zulässigen Geschwindigkeit dient. Auf diese Art und Weise lassen sich höhere Betriebsgeschwindigkeiten für den Roboter erreichen, während die Anforderungen aus ISO TS 15066 immer noch eingehalten werden.

 

Adaptive Aufgabenplanung: Die zuvor vorgestellte Erweiterung zur stufenlosen Geschwindigkeitsskalierung eröffnet neue Möglichkeiten, um die Geschwindigkeit, mit der der Roboter arbeitet, noch weiter im Rahmen der Vorschriften zu steigern. So lange statische Sicherheitszonen eingesetzt wurden machte es in Bezug auf die Geschwindigkeitsskalierung keinen Sinn, sich die Arbeitsabläufe des Roboters näher anzusehen, da die Sicherheitszonen unabhängig der Tätigkeit des Roboters unverändert blieben. Mit der stufenlosen und abstandsbasierten Geschwindigkeitsskalierung ist dies nicht länger gegeben: Der Ort, an dem der Roboter arbeitet, hat nun direkt Einfluss auf die maximale erlaubte Geschwindigkeit. Eine adaptive Arbeitsplanung, die sich an die Position des Menschen anpasst und den Abstand möglichst groß hält, kann somit genutzt werden, kann daher genutzt werden, um die Arbeitsgeschwindigkeit noch weiter zu steigern.

Um dies zu demonstrieren wurde die Aufgabe des stationären MRK-Roboters angepasst: Statt Objekte aus einem Behälter zu greifen und beliebig in einen von zwei Behältern abzulegen, soll nun eine Farbsortierung vorgenommen werden: In einem zentralen Behälter befinden sich nun rote und grüne Objekte. Rote Objekte sollen in einem Behälter links des Roboters abgelegt werden, grüne Objekte in einem Behälter rechts des Roboters. Hierfür wird eine adaptive Arbeitsplanung umgesetzt: Die durch den Laserscanner detektierte Position des Menschen wird als "links" bzw. "rechts" des Roboters eingestuft. Mittels bildgebender Sensoren ermittelt der Roboter die Farbe der zu greifenden Objekte und greift bevorzugt Objekte derjenigen Farbe, die auf der dem Menschen abgewandten Seite abgelegt werden müssen, um so mit erhöhter Geschwindigkeit fahren zu können. Nur falls keine Objekte der bevorzugten Farbe mehr vorhanden sind oder die Wahrscheinlichkeit für ein erfolgreiches Greifen von Objekten der gewünschten Farbe niedrig ist, wählt der Roboter Objekte der anderen Farbe, für welche er sich dem Menschen stärker annähern muss. Unabhängig vom gegriffenen Objekt wird die Einhaltung der Vorschriften aus ISO TS 15066 durch die stufenlose Geschwindigkeitsskalierung erreicht.

 

Geplante Erweiterungen des Demonstrators

Posenbasierte Abstandsberechnung: Das vorgestellte Verfahren zur Abstandsberechnung bei der stufenlosen Geschwindigkeitsskalierung setzt aktuell auf die Daten eines sicherheitszertifizierten Laserscanners, um die Position des Menschen festzustellen. Dieses Vorgehen ist insofern nicht optimal, als dass der Laserscanner lediglich die Position der Beine des Menschen feststellt - wo sich der Oberkörper befindet, ist unbekannt. Da die Person bei gleicher Beinposition entweder aufrecht stehen oder sich so weit wie möglich in Richtung MRK-Roboter strecken kann, müssen vergleichsweise hohe Sicherheitsaufschläge verwendet werden, um alle Eventualitäten abzudecken. Weitere Verbesserungen bei der Betriebsgeschwindigkeit des Roboters könnnen daher erzielt werden, wenn die Position des ganzen Menschen im Raum bekannt ist.

Um dies zu erreichen soll der Demonstrator mit einem System zur Erkennung der menschlichen Pose gekoppelt werden, welches die Position wichtiger Punkte des menschlichen Körpers im Raum bestimmt. Aktuell exisitert kein solches System das sicherheitszertifiziert ist; ein normgerechter Einsatz ist nicht möglich. Vielmehr soll diese Erweiterung aufzeigen, welche Verbesserungen erzielt werden können, sobald entsprechende sicherheitszertifizierte Systeme verfügbar sind. Um für den Demonstrator dennoch ein gewisses Maß an Sicherheit zu erreichen, soll ein Abgleich der detektierten Posen mit den Daten des Laserscanners erfolgen. Darüber hinaus soll das Posendetektionssystem redundant aufgebaut werden, um große Fehler detektieren und kleinere Fehler abschätzen zu können.

 

Kernkomponenten

Als Roboter kommt ein Leichtbauroboter vom Typ UR10e zum Einsatz, der speziell auf den kollaborierenden Betrieb ausgelegt. Er verfügt über Sicherheitsfunktionen, die Performance Level d gemäß ISO 13849 erfüllen und somit zur Absicherung von kollaborativen Applikationen geeignet sind. Während die Ablaufsteuerung und die Greifplanung über ROS (Robot Operating System) realisiert werden, sind die Sicherheitsfunktionen direkt auf der Robotersteuerung implementiert. Somit wird sichergestellt, dass das Auslösen eines Sicherheitshalts zu jedem Zeitpunkt Priorität über andere Befehle hat.

Im Rahmen stufenlosen Geschwindigkeitsskalierung werden die Sicherheitsfunktionen aktuell nicht genutzt, der Skalierungsfaktor fließt direkt im Controller des Roboters mit ein. Unsere konkrete Umsetzung der Erweiterung ist somit nicht zu 100% normgerecht, eine vollständig normgerechte Umsetzung wäre jedoch denkbar.

 

Die Umgebungsüberwachung wird mit einem Laserscanner vom Typ Sick MicroScan 3 pro realisiert. Dieser erfüllt ebenfalls das für Mensch-Roboter-Kollaboration notwendige Performance Level d gemäß ISO 13849. Der Überwachungsbereich des Scanners ist in zwei Bereiche eingeteilt. Im ersten Bereich wird die Robotergeschwindigkeit reduziert, im zweiten Bereich wird die Roboterbewegung angehalten. Dies sind die klassischen statischen Sicherheitszonen, die bereits zuvor angesprochen wurden. Durch den Einsatz dieser Gebiete wird die in ISO TS 15066 definierten Sicherheitsmaßnahmen “Geschwindigkeits- und Abstandsüberwachung” sowie “sicherheitsbewerteter überwachter Halt” umgesetzt.

Im Rahmen der Erweiterung des Demonstrators werden die Sicherheitszonen des Laserscanners nicht länger verwendet. Stattdessen werden die Umgebungsdaten des Laserscanners ausgelesen und der statische Hintergrund wird subtrahiert. Anschließend werden die Daten zur Feststellung der Position beweglicher Objekte (und somit des Menschen) genutzt.

 

Für die Greifplanung kommt eine am KIT entwickelte Software zum Einsatz, die mittels Reinforcement Learning das Greifen von unstrukturiert in einer Kiste liegenden Gegenständen lernt und anwendet. Beim Lernen testet der Algorithmus verschiedene Griffe und erhält je nach Erfolg eine Bewertung, anhand derer er seine Greifstrategie anpasst. Als Input für den Algorithmus werden Bilder einer am Roboter montierten Tiefenkamera verwendet.

Im Rahmen der Erweiterung zur adaptiven Bahnplanung werden die Tiefendaten durch Farbdaten ergänzt. Die Bewertung des Algorithmus für verschiedene Griffe auf verschiedenen Objekten wird zur Laufzeit auf Basis der Farben der Objekte modifiziert, indem die Bewertung für Objekte der gewünschten Farbe erhöht wird.