Udgivet den: 12. marts 2025 / Opdateret den: 12. marts 2025 – Forfatter: Konrad Wolfenstein
Forskerne Sepehr Samavi og professor Angela Schoellig ved siden af robotten Jack – Foto: Astrid Eckert, München
Banebrydende arbejde inden for robotteknologi: TUM udvikler prædiktiv robot
Autonome systemer: Hvordan robotter lærer at interagere med mennesker
I en verden, der hurtigt udvikler sig mod automatisering og kunstig intelligens, bliver autonome systemer en stadig vigtigere del af vores dagligdag. Fra selvkørende biler og intelligente hjælperobotter til sofistikerede industrianlæg forandrer maskiners evne til at træffe uafhængige beslutninger og operere i komplekse miljøer adskillige aspekter af vores liv. En særlig spændende og udfordrende disciplin inden for robotteknologi er udviklingen af systemer, der kan bevæge sig sikkert og effektivt i dynamiske, menneskebefolkede miljøer. Dette involverer ikke kun at undgå forhindringer, men også at forstå, forudsige og reagere på menneskelig adfærd for at sikre gnidningsløs og sikker interaktion.
Forskere ved det anerkendte Tekniske Universitet i München (TUM) arbejder intensivt på netop dette krydsfelt mellem robotteknologi, kunstig intelligens og menneskelig adfærd. I deres Learning Systems and Robotics Lab, ledet af professor Angela Schoellig, har de udviklet en innovativ robot ved navn "Jack", der er i stand til at navigere i folkemængder med bemærkelsesværdig dygtighed og fremsynethed. Det, der adskiller Jack fra mange andre robotter, er dens evne til ikke blot at opfatte sine umiddelbare omgivelser, men også aktivt at overveje, hvordan mennesker i dens nærhed vil bevæge sig, og hvordan de kan reagere på dens egne bevægelser. Denne forudseende tænkning gør det muligt for Jack at planlægge sin rute gennem travle rum, ikke blot reaktivt, men proaktivt og intelligent.
Relateret til dette:
Udfordringen ved at navigere i folkemængder
At navigere i menneskemængder er en formidabel udfordring for robotter, en udfordring der rækker langt ud over blot at undgå forhindringer. I modsætning til statiske eller forudsigelige miljøer er menneskemængder dynamiske, uforudsigelige og karakteriseret ved komplekse sociale interaktioner. Hver person i en menneskemængde bevæger sig individuelt, men påvirker samtidig andres bevægelser. Denne indbyrdes afhængighed, kombineret med den naturlige variation i menneskelig adfærd, gør det ekstremt vanskeligt for robotter at bevæge sig sikkert og effektivt.
Traditionelle robotnavigationsalgoritmer, ofte baseret på rigide regler og simple sensordata, når hurtigt deres grænser i sådanne miljøer. De reagerer typisk på forhindringer ved pludselig at stoppe eller undvige, hvilket kan føre til uønsket trafikpropper, ineffektive ruter eller endda farlige situationer i en menneskemængde. For at navigere succesfuldt i menneskemængder har robotter derfor brug for en betydeligt mere avanceret form for intelligens, der giver dem mulighed for at forstå og forudsige menneskelig adfærd og aktivt indarbejde den i deres navigationsplanlægning.
Jacks innovative tilgang: Fremadrettet tænkning og interaktion
Robotten Jack, udviklet af TUM-forskere, tager et afgørende skridt ud over traditionelle tilgange. Kernen er en sofistikeret algoritme, der gør det muligt for den ikke blot at opfatte menneskers bevægelser i sine omgivelser, men også aktivt at forudsige dem og indarbejde dem i sin egen ruteplanlægning. Professor Schoellig understreger den grundlæggende forskel i forhold til konventionelle metoder: "Vores robot modellerer, hvordan mennesker vil reagere på dens bevægelser for at planlægge sine egne ruter. Dette er den største forskel i forhold til andre tilgange, der typisk ignorerer denne interaktion."
Denne evne til at modellere interaktioner er nøglen til Jacks succes. I stedet for blot at se mennesker som uforudsigelige forhindringer, forstår Jack dem som intelligente agenter, hvis adfærd han delvist kan forudsige og endda påvirke. Dette gør det muligt for ham at bevæge sig gennem folkemængder på en måde, der minder meget om menneskelig navigation. Han tøver ikke med at bevæge sig ind i huller, forudser fodgængerbevægelser og justerer dynamisk sin rute for at undgå kollisioner, samtidig med at han effektivt når sin destination.
Sensorer og computerkraft i kombination
For at udføre denne krævende opgave er Jack udstyret med meget avancerede sensorer og computerkraft. En nøglekomponent er en lidar-sensor (light detection and ranging), der kontinuerligt udsender laserstråler til sine omgivelser og modtager de reflekterede signaler. Ud fra disse data skaber lidaren et præcist 360-graders kort over miljøet i realtid, der ikke kun opfanger statiske objekter, men også, og især, personers position og bevægelse. Lidaren giver således robotten et detaljeret "billede" af sit miljø, der danner grundlag for dens navigationsbeslutninger.
Udover lidar har Jack sensorer i sine hjul, der præcist måler dens hastighed og tilbagelagte distance. Denne information er afgørende for præcist at bestemme dens position i omgivelserne og optimere navigationseffektiviteten. Alle sensordata behandles af en kraftfuld indbygget computer, der er i stand til at udføre komplekse algoritmer i realtid. Denne computer er Jacks "hjerne", der er ansvarlig for at analysere sensordata, forudsige menneskelig bevægelse og beregne den optimale rute.
Relateret til dette:
Algoritmen i detaljer: forudsigelse, planlægning og tilpasning
Kernen i Jacks intelligens er navigationsalgoritmen, der er udviklet af forskere ved TUM. Denne algoritme fungerer i flere trin for at gøre det muligt for Jack at navigere sikkert og effektivt gennem folkemængder.
1. Opfattelse og dataindsamling
Først indsamler Jack løbende data om sine omgivelser ved hjælp af sine sensorer. Lidaren giver information om personers position og bevægelse, mens hjulsensorerne giver data om robottens egen bevægelse.
2. Forudsigelse af menneskelige bevægelser
Baseret på de indsamlede data analyserer algoritmen bevægelsesmønstrene hos personer i nærheden. Den forsøger at forudsige de sandsynlige ruter, folk vil tage i løbet af de næste par sekunder. Denne forudsigelse er baseret på statistiske modeller lært fra omfattende datasæt af menneskelig bevægelsesadfærd i folkemængder.
3. Ruteplanlægning
Samtidig planlægger algoritmen den optimale rute til robottens destination. I den forbindelse tager den ikke kun højde for personers forudsagte bevægelser, men også robottens egne muligheder og begrænsninger, såsom dens hastighed og manøvredygtighed. Målet er at finde en rute, der fører til destinationen så hurtigt og effektivt som muligt uden risiko for kollisioner med mennesker.
4. Dynamisk tilpasning
Et centralt aspekt ved algoritmen er dens evne til at tilpasse sig dynamisk. Hele processen med dataindsamling, forudsigelse og ruteplanlægning gentages kontinuerligt cirka ti gange i sekundet. Dette gør det muligt for Jack at tilpasse sin rute i realtid til det konstant skiftende miljø. Denne høje tilpasningsfrekvens er afgørende for at navigere sikkert og effektivt i et dynamisk miljø med mange mennesker, da robotten samtidig genkender og reagerer på menneskers bevægelser, som TUM-forsker Sepehr Samavi forklarer.
Læring af menneskelig adfærd: Nøglen til menneskelignende navigation
Et andet afgørende aspekt af Jacks intelligens er hans evne til at lære af menneskelig adfærd. Forskerne ved TUM programmerede ikke blot Jack med rigide regler og algoritmer, men gav ham i stedet muligheden for løbende at forbedre sig ved at analysere data om menneskelig bevægelsesadfærd.
Professor Schoellig forklarer, at den matematiske model, som planlægningsalgoritmen er baseret på, blev udledt af menneskelige bevægelser og oversat til ligninger. Algoritmen er således ikke baseret på abstrakte antagelser om menneskelig adfærd, men direkte på reelle data, der dokumenterer menneskemængder. For at gøre dette muligt indsamlede forskerne omfattende datasæt, der beskriver menneskelig adfærd i forskellige situationer og miljøer, som fungerer som træningsmateriale for Jack.
Ved at analysere disse data lærer Jack at genkende og forudse typiske menneskelige bevægelsesmønstre og indarbejde dem i sine egne beslutninger. For eksempel lærer han, at folk normalt undviger, når de nærmer sig en forhindring, eller justerer deres hastighed for at undgå en kollision. Denne viden føres ind i algoritmen, hvilket gør det muligt for Jack at opføre sig på en måde, der ligner den intuitive adfærd hos mennesker i folkemængder.
Et konkret eksempel på denne læringsproces er Jacks håndtering af potentielle kollisioner. En traditionel robot ville typisk stoppe øjeblikkeligt, når den registrerer en forhindring, såsom en person, på kollisionskurs. Jack, derimod, har lært af menneskelig adfærd, reagerer mere subtilt. Han forventer, at folk normalt vil tilpasse sig og undvige for at undgå en kollision. Derfor stopper han ikke øjeblikkeligt, men fortsætter sin bevægelse, mens han samtidig observerer personens reaktion. Kun hvis der er indikationer på, at personen ikke vil undvige, justerer Jack sine planer og vælger en alternativ rute. Denne adfærd er betydeligt mere effektiv og menneskelignende end en traditionel robots bratte stop.
Evolutionær udvikling: Fra reaktiv til interaktiv
Udviklingen af Jacks navigationsevner var en evolutionær proces, der udfoldede sig i tre faser. Hver fase repræsenterer en fremgang i algoritmens kompleksitet og intelligens.
Niveau 1: Reaktiv navigation.
I den første fase reagerede Jack blot på sine omgivelser. Han undgik forhindringer, så snart han opfattede dem, uden at forudsige eller foregribe menneskelig adfærd. Selvom denne fase var funktionel, var den ineffektiv og førte ofte til pludselige stop og omveje.
Niveau 2: Prædiktiv navigation.
I anden fase blev algoritmen udvidet til at forudsige bevægelsen af modkørende personer. Dette gjorde det muligt for Jack at navigere mere proaktivt og undgå kollisioner, før de var nært forestående. Denne fase repræsenterede allerede betydelige fremskridt, men var stadig begrænset, da den i vid udstrækning ignorerede interaktionen mellem robot og menneske.
Niveau 3: Interaktiv navigation.
Den nuværende version af Jack repræsenterer det tredje og mest avancerede udviklingstrin til dato: interaktiv navigation. På dette stadie er Jack ikke kun i stand til at forudsige folks bevægelser, men også aktivt overveje, hvordan folk vil reagere på hans egne. Han er i stand til at påvirke folks adfærd gennem sine egne handlinger og samtidig undgå kollisioner. Denne interaktive evne er det afgørende gennembrud, der gør Jack til et virkelig intelligent og menneskelignende navigationssystem.
Forsker Samavi forklarer, at Jack kan forudsige andre menneskers bevægelser og samtidig påvirke deres handlinger gennem sin egen adfærd, samtidig med at han undgår kollisioner. Denne form for interaktiv navigation gør det muligt for Jack at bevæge sig sikkert, effektivt, socialt acceptabelt og intuitivt gennem folkemængder.
Anvendelsesområder: Fra leveringsrobotter til autonom kørsel
Den innovative teknologi bag Jack har et enormt potentiale for en bred vifte af anvendelser. Selvom Jack oprindeligt blev udviklet som en forskningsplatform, overvejer TUM-forskere allerede konkrete anvendelser i den virkelige verden.
Leveringsrobot
En oplagt anvendelse er leveringsrobotter, der autonomt kan levere varer og pakker i bymiljøer. Disse robotter skal kunne bevæge sig sikkert og effektivt på fortove, i gågader og i travle bycentre. Jacks evne til at navigere i folkemængder er afgørende for dette. I fremtiden kan autonome leveringsrobotter yde et væsentligt bidrag til at løse "sidste kilometer"-problemer inden for logistik og reducere trafikpropper i byerne.
Relateret til dette:
kørestole
En anden lovende anvendelse er integrationen af teknologien i smarte kørestole. For personer med mobilitetshandicap kan det være en stor udfordring at navigere i travle miljøer. En kørestol udstyret med Jacks navigationsalgoritme kan forbedre deres uafhængighed og livskvalitet betydeligt. Kørestolen kan automatisk undgå forhindringer, bevæge sig sikkert gennem folkemængder og autonomt transportere brugeren til den ønskede destination.
Autonom kørsel
Professor Schoellig anser autonom kørsel for at være et særligt relevant anvendelsesområde for interaktiv navigationsteknologi. Hun understreger, at disse interaktive scenarier udgør en central udfordring. I komplekse trafiksituationer, såsom at flette ind på motorveje, dreje i kryds eller interagere med fodgængere og cyklister, er det vigtigt ikke kun at planlægge sine egne bevægelser, men også at forudse andre trafikanters adfærd og indarbejde den i sin planlægning. Teknologiens evne til at levere interaktiv navigation kan således yde et væsentligt bidrag til udviklingen af sikrere og mere effektive autonome køretøjer. Hun nævner flette ind på en motorvej som et eksempel: Når et køretøj er i accelerationssporet ved en motorvejstilkørsel, skifter mange bilister, der nærmer sig bagfra, vognbane eller bremser let. Det er netop i sådanne situationer, at den nye tilgang gør det muligt at tage passende hensyn til andre trafikanters reaktioner.
Humanoide robotter
Humanoide robotter kunne især drage fordel af disse algoritmer, især inden for områder som pleje, service eller produktion, hvor de arbejder tæt sammen med mennesker. For at de kan blive accepteret og brugt effektivt, er det afgørende, at de kan navigere sikkert og intuitivt i menneskelige miljøer. Professor Schoellig peger dog på en central udfordring: Mens en mobil robot blot kan stoppe, når det er nødvendigt, er humanoide robotter i øjeblikket ret ustabile og mister hurtigt balancen. Forbedring af stabiliteten af humanoide robotter i dynamiske miljøer er et vigtigt forskningsområde, der kræver yderligere udvikling for at frigøre det fulde potentiale af interaktiv navigation for humanoide robotter.
Avanceret robotnavigation: Sådan forstår Jack menneskelig adfærd
TUMs forskning inden for interaktiv robotnavigation repræsenterer et betydeligt fremskridt i retning af intelligente og autonome systemer, der kan fungere sikkert og effektivt i menneskelige miljøer. Robotten Jack demonstrerer imponerende, at det er muligt at udvikle maskiner, der ikke blot kan opfatte deres omgivelser, men også forstå og forudsige menneskelig adfærd og indarbejde den i deres beslutningstagning. Denne evne til interaktiv navigation åbner nye muligheder for en bred vifte af anvendelser, lige fra leveringsrobotter og smarte kørestole til autonom kørsel.
Udviklingen af Jack er dog kun begyndelsen. Forskningen inden for robotteknologi og kunstig intelligens skrider hurtigt frem, og vi kan forvente yderligere spændende innovationer i de kommende år og årtier. Integrationen af robotter i vores hverdag vil blive mere og mere almindelig, og autonome systemer vil spille en stadig vigtigere rolle i vores samfund. Det er derfor afgørende, at vi former udviklingen af disse teknologier ansvarligt og overvejer de etiske og samfundsmæssige aspekter fra starten. Kun på denne måde kan vi sikre, at robotter og mennesker kan arbejde sammen til gavn for alle i fremtiden.
Relateret til dette:
Din globale marketing- og forretningsudviklingspartner
☑️ Vores forretningssprog er engelsk eller tysk
☑️ NYT: Korrespondance på dit modersmål!
Konrad Wolfenstein
Jeg og mit team er glade for at stå til rådighed for dig som din personlige rådgiver.
Du kan kontakte mig ved at udfylde kontaktformularen her eller blot ringe til mig på +49 89 89 674 804 ( München) . Min e-mailadresse er: [email protected]
Jeg glæder mig til vores fælles projekt.
