人工智能和机器学习

与协作机器人对抗认知疲劳

随着自主和机器人技术的不断进步,人类和协作机器人可能很快就会共享一些相同的目标和制造空间。

作者:Alleynah Veatch Cofas 2021年7月26日,
德克萨斯农工大学adithya Karthikeyan提供

德州农工大学(Texas A&M University)的研究人员正在分析这两个充满活力的组合如何协同工作,让一方在另一方可能暂时缺乏的地方加快步伐。

Sarah Hopko,首席研究员和博士生,副教授Ranjana Mehta博士,前研究生Riya Khurana和Prabhakar Pagilla博士正在研究人类和制造环境中大量重复性工作的自主辅助之间的关系,以确定如何通过编程让机器人在人类疲劳时以可靠的方式介入。

人力带来了灵活性和对生产线的高水平理解,而且成本相对较低。但由于人类的身体和认知能力是有限的,他们会在繁重的工作任务中感到疲劳并犯错误。在人类可能缺乏继续工作的能力的地方,机器人可以帮助监督任务中更重复的部分,举起更重的物体或根据应用施加力量。

霍普科说:“越来越多的人意识到,人与机器人的合作是自动化生产的可行解决方案,也能解决困难或昂贵的障碍。”

本研究的目的是了解具体的人为因素,如疲劳和信任,是如何相互作用的,以确保协作机器人的设计考虑到操作者的行为和需求,从而覆盖所有的基础。

“我们不希望操作员因为疲劳状态和过度依赖机器人的帮助而给他们灌输一种错误的安全感。我们也不希望操作员在其他合适的情况下使用机器人辅助。”“在某种程度上,协作机器人是操作员的队友。”

当在工作中与队友合作时,识别投入或疲劳程度都可以通过感知或简单的交谈来完成。然后,你就可以根据你收集到的信息找出如何最好地帮助你的队友。霍普科表示,其目标是让人-机器人之间的互动也能以同样的方式进行。

研究团队进行了一项多阶段实验,在不同认知疲劳状态下,男性和女性在一个协作机器人的帮助下完成金属抛光任务。在完成制造任务之前,参与者在一个小时内疲劳完成具有挑战性的视觉空间工作记忆任务。

Adithyaa Karthikeyan从事装配齿轮系统的实验,以更好地理解一个课题的决策过程。德克萨斯农工大学adithya Karthikeyan提供

Adithyaa Karthikeyan从事装配齿轮系统的实验,以更好地理解一个课题的决策过程。德克萨斯农工大学adithya Karthikeyan提供

通过穿戴式生理监测,对每个参与者进行疲劳、态势感知和工作量评估,以确定三个任务绩效指标:任务效率、准确性和精确度。

总体而言,研究团队发现,增加辅助水平可以提高作业者的表现,而增加的辅助可以帮助认知疲劳恢复。

认知疲劳和自动化水平影响不同的绩效结果。疲劳妨碍了参与者的工作效率。尽管精确度和精确度没有受到影响,但他们完成任务所花的时间更长了。

霍普科说:“我们还发现,女性参与者报告说,使用高自动化带来了更大的绩效效益,而男性参与者没有感受到帮助带来的效益,尽管他们表现出了类似的任务绩效。”

随着工业4.0的进步,越来越多的行业在他们的工作过程中采用协作机器人,这一发现对于机器人技术的接受是独特和重要的。

虽然提高表现和疲劳恢复是机器人辅助的突出好处,但它也表明,更高的支持降低了参与者的处境意识,减少了他们的任务投入和精神刺激。

较低的情况意识可能导致安全问题。因此,更高水平的自动化保证了对操作员疲劳状态的适应性,同时确保了人在循环中的交互。

在心率变异性信号和主观测量中观察到的情况意识和自动化之间也有很强的相关性。

Hopko说:“这些发现凸显了可穿戴设备在帮助操作员向机器人传递关键信息方面的潜力。”

本研究旨在了解疲劳与信任之间如何相互作用,以确保协作机器人的设计考虑到操作者的效率需求和行为。Courtesy: Sarah Hopko, Texas A&M University

本研究旨在了解疲劳与信任之间如何相互作用,以确保协作机器人的设计考虑到操作者的效率需求和行为。Courtesy: Sarah Hopko, Texas A&M University

最终,更大的机器人辅助能够提高精度和效率水平,但不能提高精度。考虑操作者的性别及其认知状态等人的因素与机器人因素对协同性能的影响,可以改进人-机器人协同系统设计。

Hopko说:“我们希望操作员和机器人之间的合作能够在干扰因素中保持稳健,为机器人提供这种知识,以帮助流畅的人-机器人适应过程。”

- Chris Vavra编辑,网页内容经理,控制工程, CFE Media and Technology,cvavra@cfemedia.com


Alleynah Veatch Cofas
作者简介:德州农工大学