Robots die fouten vroegtijdig ontdekken
Met een nieuw systeem kunnen robots menselijke hersensignalen lezen om fouten vroegtijdig te detecteren en in realtime te reageren, waardoor vertragingen worden verminderd en de controle bij kritieke taken wordt verbeterd.
Robots reageren meestal nadat er een fout is gemaakt.Een team van de Oklahoma State University werkt aan een systeem waarmee robots kunnen reageren zodra een mens merkt dat er iets mis is.Het systeem leest hersensignalen en verandert robotacties in realtime.Als een persoon een probleem detecteert, kan de robot binnen milliseconden vertragen, stoppen of de controle teruggeven.Hierdoor verschuift de robotreactie van vertraagde correctie naar vroegtijdige interventie.
Het werkt door gebruik te maken van hersencomputerinterfaces om foutgerelateerde potentiëlen, of ErrP's, te detecteren.Deze signalen verschijnen vrijwel onmiddellijk wanneer iemand een fout herkent, vóór enige fysieke actie.Een draagbare elektro-encefalogramkap vangt deze signalen op en stuurt ze naar een gedeelde besturingsrobot.
Deze aanpak pakt een belangrijke leemte op het gebied van teleoperatie aan.Bij werkzaamheden met een hoog risico, zoals de afhandeling van nucleaire locaties of diepzee-inspecties, kunnen robots niet volledig zelfstandig opereren.Menselijke controle helpt, maar het kost tijd, en snelle mislukkingen zijn moeilijk te stoppen.De meeste robots detecteren problemen pas na contact.Tegen die tijd kan de reactie te laat zijn.Hersensignalen fungeren als een vroege waarschuwing.
De signalen komen van de anterieure cingulaire cortex van de hersenen, die ErrPs produceert als interne waarschuwing.Omdat de hersenen sneller reageren dan fysieke bewegingen, geeft dit een kort maar kritisch tijdsbestek voor correctie.
Om het systeem bruikbaar te maken, bouwde het team een model dat algemene hersenpatronen leert en zich vervolgens aanpast aan elke gebruiker.Dit vermindert de insteltijd, wat een veelvoorkomend probleem is bij hersencomputersystemen.Omdat signalen per gebruiker verschillen, is snelle aanpassing vereist.
De veiligheid wordt beheerd met behulp van Signal Temporal Logic, dat grenzen stelt aan hoe de robot kan handelen.Het hersensignaal signaleert een probleem en de logica definieert de toegestane reactie.Hierdoor blijft de controle stabiel, zelfs met directe herseninput.
Het systeem wordt getest met behulp van NVIDIA Isaac Lab en NVIDIA Isaac ROS op RTX PRO 6000 GPU's voor realtime simulatie en controle.
Hetzelfde idee kan verder reiken dan industrieel gebruik.In de gezondheidszorg zou het protheses en exoskeletten kunnen ondersteunen.Een prothese kan bijvoorbeeld detecteren wanneer een gebruiker een verkeerde beweging waarneemt en deze onmiddellijk corrigeren.