Publicerad den: 12 mars 2025 / Uppdaterad den: 12 mars 2025 – Författare: Konrad Wolfenstein
Forskarna Sepehr Samavi och professor Angela Schoellig bredvid roboten Jack – Foto: Astrid Eckert, München
Banbrytande arbete inom robotik: TUM utvecklar prediktiv robot
Autonoma system: Hur robotar lär sig att interagera med människor
I en värld som snabbt utvecklas mot automatisering och artificiell intelligens blir autonoma system en allt viktigare del av våra dagliga liv. Från självkörande bilar och intelligenta hjälprobotar till sofistikerade industrianläggningar förändrar maskiners förmåga att fatta självständiga beslut och arbeta i komplexa miljöer många aspekter av våra liv. En särskilt spännande och utmanande disciplin inom robotik är utvecklingen av system som kan röra sig säkert och effektivt i dynamiska, människobefolkade miljöer. Detta innebär inte bara att undvika hinder utan också att förstå, förutsäga och reagera på mänskligt beteende för att säkerställa smidig och säker interaktion.
Forskare vid det välrenommerade Tekniska universitetet i München (TUM) arbetar intensivt med just denna skärningspunkt mellan robotik, artificiell intelligens och mänskligt beteende. I sitt laboratorium för lärandesystem och robotik, lett av professor Angela Schoellig, har de utvecklat en innovativ robot vid namn "Jack" som kan navigera folkmassor med anmärkningsvärd skicklighet och framsynthet. Det som skiljer Jack från många andra robotar är dess förmåga att inte bara uppfatta sin omedelbara omgivning utan också att aktivt beakta hur människor i dess närhet kommer att röra sig och hur de kan reagera på dess egna rörelser. Detta förutseende tänkande gör det möjligt för Jack att planera sin rutt genom livliga utrymmen inte bara reaktivt, utan proaktivt och intelligent.
Lämplig för detta:
Utmaningen att navigera i folkmassor
Att navigera i folkmassor är en formidabel utmaning för robotar, en utmaning som sträcker sig långt bortom att bara undvika hinder. Till skillnad från statiska eller förutsägbara miljöer är folkmassor dynamiska, oförutsägbara och kännetecknas av komplexa sociala interaktioner. Varje person i en folkmassa rör sig individuellt, men påverkar samtidigt andras rörelser. Detta ömsesidiga beroende, i kombination med den naturliga variationen i mänskligt beteende, gör det extremt svårt för robotar att röra sig säkert och effektivt.
Traditionella robotnavigeringsalgoritmer, ofta baserade på rigida regler och enkla sensordata, når snabbt sina gränser i sådana miljöer. De reagerar vanligtvis på hinder genom att abrupt stanna eller väja, vilket kan leda till oönskade trafikstockningar, ineffektiva rutter eller till och med farliga situationer i en folkmassa. För att navigera framgångsrikt i folkmassor behöver robotar därför en betydligt mer avancerad form av intelligens som gör att de kan förstå och förutsäga mänskligt beteende och aktivt integrera det i sin navigationsplanering.
Jacks innovativa tillvägagångssätt: Framåttänkande och interaktion
Roboten Jack, utvecklad av TUM-forskare, tar ett avgörande steg bortom traditionella metoder. Kärnan är en sofistikerad algoritm som gör det möjligt för den att inte bara uppfatta människors rörelser i sin omgivning, utan också att aktivt förutsäga dem och integrera dem i sin egen ruttplanering. Professor Schoellig betonar den grundläggande skillnaden jämfört med konventionella metoder: ”Vår robot modellerar hur människor kommer att reagera på dess rörelser för att planera sina egna rutter. Detta är den största skillnaden jämfört med andra metoder som vanligtvis ignorerar denna interaktion.”
Denna förmåga att modellera interaktioner är nyckeln till Jacks framgång. Istället för att se människor enbart som oförutsägbara hinder, förstår Jack dem som intelligenta agenter vars beteende han delvis kan förutsäga och till och med påverka. Detta gör att han kan röra sig genom folkmassor på ett sätt som liknar mänsklig navigering. Han tvekar inte att röra sig in i luckor, förutser fotgängarrörelser och justerar dynamiskt sin rutt för att undvika kollisioner samtidigt som han effektivt når sin destination.
Sensorer och datorkraft i kombination
För att klara denna krävande uppgift är Jack utrustad med mycket avancerade sensorer och datorkraft. En nyckelkomponent är en lidarsensor (light detection and ranging), som kontinuerligt avger laserstrålar i omgivningen och tar emot de reflekterade signalerna. Från dessa data skapar lidaren en exakt 360-graderskarta över omgivningen i realtid, som inte bara fångar statiska objekt utan även, och framför allt, människors position och rörelse. Lidaren ger därmed roboten en detaljerad "bild" av sin omgivning, vilket utgör grunden för dess navigeringsbeslut.
Förutom lidar har Jack sensorer i sina hjul som exakt mäter dess hastighet och tillryggalagda sträcka. Denna information är avgörande för att exakt bestämma dess position i omgivningen och optimera navigationseffektiviteten. All sensordata bearbetas av en kraftfull inbyggd dator som kan köra komplexa algoritmer i realtid. Denna dator är Jacks "hjärna" som ansvarar för att analysera sensordata, förutsäga mänsklig rörelse och beräkna den optimala rutten.
Lämplig för detta:
Algoritmen i detalj: förutsägelse, planering och anpassning
Kärnan i Jacks intelligens är navigationsalgoritmen som utvecklats av forskare vid TUM. Denna algoritm fungerar i flera steg för att göra det möjligt för Jack att navigera säkert och effektivt genom folkmassor.
1. Uppfattning och datainsamling
Först samlar Jack kontinuerligt in data om sin omgivning med hjälp av sina sensorer. Lidaren ger information om människors position och rörelse, medan hjulsensorerna ger data om robotens egen rörelse.
2. Förutsäga mänskliga rörelser
Baserat på den insamlade datan analyserar algoritmen rörelsemönster hos människor i närheten. Den försöker förutsäga de vägar människor sannolikt kommer att ta under de närmaste sekunderna. Denna förutsägelse är baserad på statistiska modeller inlärda från omfattande datamängder av mänskligt rörelsebeteende i folkmassor.
3. Ruttplanering
Samtidigt planerar algoritmen den optimala vägen till robotens destination. Därigenom beaktas inte bara människors förutspådda rörelser, utan även robotens egna förmågor och begränsningar, såsom dess hastighet och manövrerbarhet. Målet är att hitta en väg som leder till destinationen så snabbt och effektivt som möjligt, utan att riskera kollisioner med människor.
4. Dynamisk anpassning
En viktig aspekt av algoritmen är dess förmåga att anpassa sig dynamiskt. Hela processen med datainsamling, förutsägelse och ruttplanering upprepas kontinuerligt ungefär tio gånger per sekund. Detta gör det möjligt för Jack att anpassa sin rutt i realtid till den ständigt föränderliga miljön. Denna höga anpassningsfrekvens är avgörande för att navigera säkert och effektivt i en dynamisk miljö med många människor, eftersom roboten samtidigt känner igen och reagerar på människors rörelser, förklarar TUM-forskaren Sepehr Samavi.
Att lära av mänskligt beteende: Nyckeln till människolik navigering
En annan avgörande aspekt av Jacks intelligens är hans förmåga att lära av mänskligt beteende. Forskarna vid TUM programmerade inte bara Jack med stela regler och algoritmer, utan gav honom istället möjligheten att kontinuerligt förbättra sig genom att analysera data om mänskligt rörelsebeteende.
Professor Schoellig förklarar att den matematiska modellen som planeringsalgoritmen bygger på härleddes från mänskliga rörelser och översattes till ekvationer. Algoritmen förlitar sig således inte på abstrakta antaganden om mänskligt beteende, utan direkt på verkliga data som dokumenterar folkmassors rörelser. För att möjliggöra detta samlade forskarna in omfattande datamängder som beskriver mänskligt beteende i olika situationer och miljöer, vilka fungerar som träningsmaterial för Jack.
Genom att analysera dessa data lär sig Jack att känna igen och förutse typiska mänskliga rörelsemönster och införliva dem i sina egna beslut. Till exempel lär han sig att människor vanligtvis väjer när de närmar sig ett hinder eller justerar sin hastighet för att undvika en kollision. Denna kunskap matas in i algoritmen, vilket gör att Jack kan bete sig på ett sätt som liknar det intuitiva beteendet hos människor i folkmassor.
Ett konkret exempel på denna inlärningsprocess är Jacks hantering av potentiella kollisioner. En traditionell robot skulle vanligtvis stanna omedelbart när den upptäcker ett hinder, såsom en person, på kollisionskurs. Jack, däremot, som har lärt sig av mänskligt beteende, reagerar mer subtilt. Han förutser att människor vanligtvis kommer att anpassa sig och väja för att undvika en kollision. Därför stannar han inte omedelbart utan fortsätter sin rörelse samtidigt som han observerar personens reaktion. Först om det finns indikationer på att personen inte kommer att väja justerar Jack sina planer och väljer en alternativ väg. Detta beteende är betydligt mer effektivt och människolikt än det abrupt stoppandet av en traditionell robot.
Evolutionär utveckling: Från reaktiv till interaktiv
Utvecklingen av Jacks navigeringsförmåga var en evolutionär process som utvecklades i tre steg. Varje steg representerar ett framsteg i algoritmens komplexitet och intelligens.
Nivå 1: Reaktiv navigering.
I det första stadiet reagerade Jack bara på sin omgivning. Han undvek hinder så fort han uppfattade dem, utan att förutse eller föregripa mänskligt beteende. Även om detta stadie var funktionellt var det ineffektivt och ledde ofta till abrupta stopp och omvägar.
Nivå 2: Prediktiv navigering.
I det andra steget utökades algoritmen till att förutsäga mötande människors rörelser. Detta gjorde det möjligt för Jack att navigera mer proaktivt och undvika kollisioner innan de var nära förestående. Detta steg representerade redan betydande framsteg, men var fortfarande begränsat, eftersom det till stor del ignorerade interaktionen mellan robot och människa.
Nivå 3: Interaktiv navigering.
Den nuvarande versionen av Jack representerar det tredje och mest avancerade utvecklingsstadiet hittills: interaktiv navigering. I detta skede kan Jack inte bara förutsäga människors rörelser, utan också aktivt beakta hur människor kommer att reagera på hans egna. Han kan påverka människors beteende genom sina egna handlingar och samtidigt undvika kollisioner. Denna interaktiva förmåga är det avgörande genombrottet som gör Jack till ett verkligt intelligent och människolikt navigationssystem.
Forskaren Samavi förklarar att Jack kan förutsäga andra människors rörelser och samtidigt påverka deras handlingar genom sitt eget beteende, samtidigt som han undviker kollisioner. Denna form av interaktiv navigering gör det möjligt för Jack att röra sig säkert, effektivt, socialt acceptabelt och intuitivt genom folkmassor.
Användningsområden: Från leveransrobotar till autonom körning
Den innovativa tekniken bakom Jack har enorm potential för en mängd olika tillämpningar. Även om Jack ursprungligen utvecklades som en forskningsplattform, överväger TUM-forskare redan konkreta tillämpningar i den verkliga världen.
Leveransrobot
En uppenbar tillämpning är leveransrobotar som autonomt kan leverera varor och paket i stadsmiljöer. Dessa robotar måste kunna röra sig säkert och effektivt på trottoarer, i gågator och i livliga stadskärnor. Jacks förmåga att navigera folkmassor är avgörande för detta. I framtiden skulle autonoma leveransrobotar kunna bidra avsevärt till att lösa "sista milen"-problem inom logistik och minska trafikstockningar i städer.
Lämplig för detta:
rullstolar
En annan lovande tillämpning är integrationen av tekniken i smarta rullstolar. För personer med rörelsehinder kan det vara en stor utmaning att navigera i hektiska miljöer. En rullstol utrustad med Jacks navigationsalgoritm skulle kunna förbättra deras självständighet och livskvalitet avsevärt. Rullstolen skulle automatiskt kunna undvika hinder, förflytta sig säkert genom folkmassor och autonomt transportera användaren till önskad destination.
Autonom körning
Professor Schoellig anser att autonom körning är ett särskilt relevant tillämpningsområde för interaktiv navigationsteknik. Hon betonar att dessa interaktiva scenarier utgör en central utmaning. I komplexa trafiksituationer, såsom att köra in på motorvägar, svänga i korsningar eller interagera med fotgängare och cyklister, är det viktigt att inte bara planera sina egna rörelser utan också att förutse andra trafikanters beteende och integrera det i sin planering. Teknikens förmåga att tillhandahålla interaktiv navigering skulle således kunna bidra betydande till utvecklingen av säkrare och effektivare autonoma fordon. Hon nämner att köra in på en motorväg som ett exempel: När ett fordon befinner sig i accelerationsfilen vid en motorvägspåfart byter många förare som närmar sig bakifrån fil eller bromsar lätt. Det är just i sådana situationer som den nya metoden gör det möjligt att på lämpligt sätt beakta andra trafikanters reaktioner.
Humanoidrobot
Humanoida robotar skulle särskilt kunna dra nytta av dessa algoritmer, särskilt inom områden som vård, service eller tillverkning, där de arbetar nära människor. För att de ska accepteras och användas effektivt är det viktigt att de kan navigera säkert och intuitivt i mänskliga miljöer. Professor Schoellig pekar dock på en viktig utmaning: medan en mobil robot helt enkelt kan stanna vid behov, är humanoida robotar för närvarande ganska instabila och tappar snabbt balansen. Att förbättra stabiliteten hos humanoida robotar i dynamiska miljöer är ett viktigt forskningsområde som behöver vidareutveckling för att frigöra den fulla potentialen hos interaktiv navigering för humanoida robotar.
Avancerad robotnavigering: Hur Jack förstår mänskligt beteende
TUMs forskning inom interaktiv robotnavigering representerar ett betydande framsteg mot intelligenta och autonoma system som kan fungera säkert och effektivt i mänskliga miljöer. Roboten Jack visar imponerande att det är möjligt att utveckla maskiner som inte bara kan uppfatta sin omgivning utan också förstå och förutsäga mänskligt beteende och integrera det i sitt beslutsfattande. Denna förmåga till interaktiv navigering öppnar upp nya möjligheter för ett brett spektrum av tillämpningar, från leveransrobotar och smarta rullstolar till autonom körning.
Utvecklingen av Jack är dock bara början. Forskningen inom robotik och artificiell intelligens går snabbt framåt, och vi kan förvänta oss ytterligare spännande innovationer under de kommande åren och decennierna. Integreringen av robotar i vår vardag kommer att bli allt vanligare, och autonoma system kommer att spela en allt viktigare roll i vårt samhälle. Det är därför avgörande att vi utformar utvecklingen av dessa teknologier ansvarsfullt och beaktar de etiska och samhälleliga aspekterna från början. Endast på detta sätt kan vi säkerställa att robotar och människor kan arbeta tillsammans till allas fördel i framtiden.
Lämplig för detta:
Din globala marknadsförings- och affärsutvecklingspartner
☑ Vårt affärsspråk är engelska eller tyska
☑ Nytt: korrespondens på ditt nationella språk!
Konrad Wolfenstein
Jag är glad att vara tillgänglig för dig och mitt team som personlig konsult.
Du kan kontakta mig genom att fylla i kontaktformuläret eller helt enkelt ringa mig på +49 89 674 804 (München) . Min e -postadress är: Wolfenstein ∂ xpert.digital
Jag ser fram emot vårt gemensamma projekt.
