Innovative Methoden zur Maximierung der Leistung der Mensch-Roboter-Interaktion
Es ist wichtig für menschliche Benutzer und Operatoren, reibungslos und mühelos mit vielen Robotern in der realen Welt interagieren zu können. Das Studium und die Entwicklung von Methoden für eine solche Mensch-Roboter-Interaktion, die komplexe Robotersysteme und Multi-Roboter-Teams in einer großen Umgebung umfasst, ist von geringem Wert, wenn Experimente nur mit echten Robotern durchgeführt werden. Eine große Herausforderung für die zukünftige Entwicklung besteht darin, die maximale Synergie zwischen Teams von Robotern und Menschen zu erreichen. Das EU-finanzierte Projekt TRAVERSE(öffnet in neuem Fenster) (Towards very large scale human-robot synergy) befasste sich mit dieser offenen Frage, indem sie Verhalten, Wahrnehmung und Kognition von menschlichen Nutzern und Operatoren durch die Interaktion mit großflächigen Multi-Roboter-Systemen untersuchten und modellierten. Die Projektpartner entwickelten kooperative Methoden für Wahrnehmungsfunktionalitäten von Roboter-Teams, die auf eine sehr große Anzahl von Robotern skalierbar sind. Sie implementierten und verifizierten eine skalierbare kooperative Multi-Roboter-Wahrnehmungstechnik. Sie umfasst einen optimierungsbasierten Schätzer in Echtzeit, Selbstlokalisierung für Roboter, Teamkollegenlokalisierung und Zielverfolgung. Die Forscher modellierten und untersuchten menschliche und Systemfaktoren mit Einfluss auf die Effizienz der gemeinsamen Aufgaben, wenn menschliche Operatoren mit großen Roboterteams bei der Durchführung einer kollaborativen Aufgabe interagieren. Die gemeinsame Aufgabe bestand unter anderem darin, in einem Katastrophenszenario nach Überlebenden zu suchen. Umfangreiche Experimente mit 35 Personen führten zu zwei wichtigen Erkenntnissen. Die kollaborative Aufgabe wurde viel besser durchgeführt, wo die Roboter die Umgebung völlig autonom erkundeten, während die menschlichen Operatoren nur mit der Suche nach Überlebenden in den erkundeten Gebieten beauftragt waren. Sobald die Operatoren zusätzlich aufgefordert waren, die Roboter zu steuern, war das Ergebnis deutlich schlechter, wenn sie kein gutes Video-Erlebnis oder eine Schulung besaßen. Ein zweites Ergebnis zeigte nur einen geringen Vorteil durch die Erhöhung der Anzahl der Roboter im Team für die kollaborative Aufgabe. Hierbei galt die Annahme, dass ein einzelner menschlicher Operator für die tatsächliche Suche nach Überlebenden und die Klassifizierung verantwortlich ist. Die integrierten Multi-Roboter-Funktionalitäten von TRAVERSE sollten die kollektive Leistung von Roboterteams maximieren und gleichzeitig eine intuitive, mühelose und natürliche Interaktion mit menschlichen Nutzern und Operatoren aufrechterhalten.
Schlüsselbegriffe
Mensch-Roboter-Interaktion, Multi-Roboter-Teams, TRAVERSE, Mensch-Roboter-Synergie, Suche nach Überlebenden
