Skip to main content

Safe Robot Navigation in Dense Crowds

Article Category

Article available in the folowing languages:

Entwicklung von Robotern, die für Menschenmengen geeignet sind

Die öffentliche Akzeptanz von Robotern wird auch davon abhängen, inwieweit sich Menschen in Gesellschaft von Robotern sicher fühlen. CROWDBOT hat Roboter in Menschenmengen getestet, um Methoden für eine sichere Interaktion mit Menschen zu ermitteln.

Digitale Wirtschaft

Roboter werden zunehmend für Produktlieferungen und Dienstleistungen eingesetzt und treffen dabei immer häufiger auf größere Menschenmengen. Dadurch entstehen logistische und sicherheitstechnische Herausforderungen. Lieferroboter werden für gewöhnlich dafür programmiert, ihr Ziel schnell zu erreichen und dabei möglichst wenig Störungen zu verursachen. Mobile Assistenzroboter haben im Gegensatz dazu die Aufgabe, in dynamischen Umgebungen sicher zu navigieren und Interaktionen sogar zu ermöglichen. Das EU-finanzierte Projekt CROWDBOT hat Technologien entwickelt, die einen sicheren nahen Kontakt mit Menschen gewährleisten können. „Sichere Roboter hielten früher einfach Distanz zu Menschen, doch mit dem zunehmenden Einsatz von Robotern im Alltag wird das der Sache nicht mehr angemessen sein“, erklärt Projektkoordinator Julien Pettre. Unter den Gesichtspunkten von drei wesentlichen Arbeitsbereichen – Robotersensorik, die Vorhersage von Menschenmengen und die Robotersteuerung – hat CROWDBOT seine Ansätze in neuartigen Experimenten demonstriert. „Unser Paradigmenwechsel kann nun als Grundlage für technische Entscheidungen in der Softwareentwicklung dienen“, fügt Pettre hinzu.

Verschiedene Szenarien

Die Projektpartner entwickelten in ihren Laboren zunächst Demonstratoren für verschiedene Roboterfunktionen und integrierten diese dann in zwei Testszenarien. Das erste davon war die mobile Assistenzrobotik. Diese war gleich aus mehreren Gründen interessant: Die robotischen Elemente sind nicht immer offensichtlich, das Roboterverhalten wird in der Regel sowohl durch die Anwendenden als auch durch die Programmierung bestimmt und die Nähe zu Menschen ist eine Grundvoraussetzung. Das University College London UCL integrierte seine Technologien in motorisierte Rollstühle, während die Eidgenössische Technische Hochschule Lausanne EPFL den neuen japanischen Roboter-Prototyp Qolo einsetzte, der den Anwendenden das Stehen ermöglicht. Qolo wurde mit einem zweistufigen Steuerungsprogramm ausgestattet. Dieses passte die Bahn des Roboters an, um Zusammenstöße zu vermeiden, und war außerdem in der Lage, durch Sensoren zur Erfassung von gestischen oder akustischen Signalen oder Berührungssignalen einen Kontakt zu erkennen und dadurch die Aufprallkraft zu verringern. Der Roboter wurde in den Straßen und auf den Freiluftmärkten von Lausanne, Schweiz, sowie in weltweit einzigartigen Experimenten, wie Crashtests zwischen Qolo und Crashtest-Dummys, getestet. Im zweiten Testszenario legten Softbank Robotics Europe SBRE, Locomotec und die Eidgenössische Technische Hochschule Zürich ETH Zürich Serviceroboter auf den Prüfstein. Während Locomotec an einem eigenen Roboter arbeitete, nutzten Cuybot, das ETH Zürich und SBRE den humanoiden Roboter Pepper, der für die Interaktion mit Menschen in der Öffentlichkeit entwickelt wurde. Pepper wurde mit zusätzlichen Sensoreigenschaften und Verarbeitungskapazitäten, einem integrierten Tracker und verbesserter Lokalisierung ausgestattet. Er wurde in unterschiedlichen dynamischen Szenarien, wie etwa einer Weihnachtsfeier im Labor, getestet, um seine Interaktionen mit Menschen – einschließlich Gestik, Berührung und Sprache – während der Navigation durch Menschenmengen zu untersuchen. Trotz der Beschränkungen aufgrund von COVID-19 konnte Pepper auch in Testszenarien mit virtueller Realität integriert werden. Daraus resultierten Verbesserungen am Design und den Steuerungsfunktionen von Pepper. „Durch diese einzigartigen Experimente konnten wir ein breites Spektrum an Interaktionen auf sichere Weise umfassend erforschen – im realen Umfeld ein Ding der Unmöglichkeit. Sie brachten uns Erkenntnisse, die Zeit und Geld sparen“, so Pettre. Für beide Szenarien verwendete CROWDBOT eine Kombination aus Kamera und Lidar-Sensoren mit integrierten Trackern. Zur genauen Vorhersage des Massenverhaltens entwickelte das Projekt Verfahren des tiefen Lernens, um aus 2D-Tracking-Daten zu extrapolieren, die anhand der Bewegungen von Menschen in der Umgebung der Roboter generiert wurden. Gegen Projektende begann das Team dann mit der Bewertung der Ganzkörper-Verfolgung.

Politischen Debatten vorausgreifen

Schon der Gedanke an autonome Fahrzeuge verdeutlicht, dass Roboter in öffentlichen Räumen bald Realität sein werden und damit auch entsprechende Debatten zu ihrer Regulierung entfachen werden. „Über die Navigation von Robotern in Menschenmengen gab es zuvor entweder kaum Erkenntnisse oder das Wissen beschränkte sich auf die effektive Risikominderung. Wir stellten die Interaktion in den Vordergrund und konzentrierten uns somit auf die Reaktionen von Robotern“, so Pettre. „Doch wie Menschenmengen dann wiederum auf Roboter reagieren, wird davon abhängen, ob und inwieweit sie ihren Zweck verstehen – ein wichtiger Aspekt in der politischen Gestaltung.“ Die meisten Codes und Datensätze des Projektes stehen bereits über die Projektwebsite zur Verfügung. Die Projektpartner haben die Erkenntnisse aus dem Projekt bereits in ihre Roboter integriert. So hat die EPFL beispielsweise Maßnahmen zur Kollisionskontrolle eingeführt und die RWTH Aachen verbesserte die Sensorfähigkeiten. „Nachdem wir mit bereits bestehenden Robotern arbeiteten, wäre die nächste Stufe, von Grund auf einen noch besseren Roboter zu konzipieren“, so Pettre abschließend.

Schlüsselbegriffe

CROWDBOT, Roboter, Navigation, Menschenmengen, Sensoren, Rollstühle, Sicherheit, Pepper

Entdecken Sie Artikel in demselben Anwendungsbereich