Crowdsourcing-based Virtual Commissioning of Dynamic Human-Robot Teams (CroViCo)
This project is partially funded by theGerman Research Foundation (Deutsche Forschungsgemeinschaft, DFG).
Abstract (deutsch)
In der aktuellen Forschung zur Mensch-Roboter-Kooperation (MRK) gewinnen dynamische Systeme
zunehmend an Raum. Mit diesen Systemen können sich die Team-Mitglieder an individuelle Entscheidungen
wechselseitig anpassen und ihre Arbeit fortlaufend koordinieren, statt einem starr festgelegten Ablaufplan
zu folgen. So können unterschiedliche Montagefolgen je nach Werkerpräferenz, aber auch Fehlerfälle oder
extern verursachte Unterbrechungen in MRK-Abläufen berücksichtigt werden. Will man Roboter-Kollegen
mit diesen Anpassungsfähigkeiten in Benchmarks bewerten und vergleichen, dann ist dazu folglich eine
umfängliche Betrachtung unterschiedlicher Arbeitsabläufe notwendig – nur so können möglicher Nutzen und
Einschränkungen dynamischer Koordinierungsverfahren in verschiedenen Situationen abgeschätzt werden,
die während der gemeinsamen Bearbeitung einer Aufgabe auftreten können. Die im Feld der Mensch
Roboter-Interaktion gebräuchlichen Nutzerstudien sind für diese Abdeckung in der Breite ungeeignet, da sie
mit einem erheblichen Zeit- und Kostenaufwand einhergehen. Dieser Aufwand ließe sich jedoch in Anlehnung
an Verfahren zur virtuellen Inbetriebnahme reduzieren, indem relevante Arbeitsabläufe automatisch
generiert und rein simulationsgestützt ausgewertet werden. Die Herausforderung bei der automatisierten
Erzeugung von kooperativen Abläufen einer Aufgabe liegt dabei in der Wiedergabe plausiblen menschlichen
Handlungsverhaltens in Handhabungsprozessen, das aufgrund seines Nicht-Determinismus schwierig
abzubilden ist. Insbesondere diese wissenschaftliche Lücke hinsichtlich geeigneter kognitiver Mensch
Modelle wird im Rahmen des Forschungsvorhabens adressiert: Dazu ist zunächst zu untersuchen, inwieweit
sich mittels Online-Crowdsourcing repräsentative Daten sammeln und zu stochastischen Modellen
menschlicher Entscheidungsprozesse generalisieren lassen, sodass diese als künstliche Intelligenz des
Menschen in der Simulation auf unterschiedliche Handhabungsaufgaben übertragbar sind. Davon ausgehend
ist das Ziel des Vorhabens die Schaffung eines automatisierten, simulationsbasierten Benchmark-Systems,
das mit verschiedenen MRK-Systemen kompatibel ist und die reproduzierbare Beurteilung ihres Potenzials
im Rahmen einer virtuellen Inbetriebnahme ermöglicht, die realistische dynamische Situationen am
Arbeitsplatz berücksichtigt.
Keywords: Robotik, Mensch-Roboter-Kooperation, Benchmarks
Abstract (english)
Recent research on human-robot task sharing has been putting emphasis on dynamic workflows. Respective
methods allow for mutual adaptation and continuous coordination of actions instead of following a fixed and
rigid shared plan. Hence, they support different product assembly sequences according to worker
preferences, handling of errors or interruptions because of external events. It is therefore necessary to
comprehensively consider various workflows that may emerge during joint task execution when seeking to
assess dynamic approaches. Benchmarking can only then provide profound insights into the benefits and
limitations of a dynamic cobot system when put into concrete application scenarios. User studies as
commonly used in the field of human-robot interaction are clearly too costly and time-consuming for this
purpose – we, consequently, envision a novel benchmarking approach that takes inspiration from virtual
commissioning techniques and simulates dynamic execution processes automatically. The challenge when
trying to generate such processes lies in the scalable simulation of realistic human working strategies in
cooperative handling processes. These are hard to foresee and model due to their indeterminism. In this
research project, we address this scientific gap regarding cognitive digital human models: We are seeking to
investigate the extent to which data on human decisions and actions can be gathered by online
crowdsourcing, and how respective data can be generalized by stochastic models of working strategies that
can be applied to different benchmark tasks as an artificial intelligence of simulated humans. From this point,
the long-term project goal is to establish a virtual commissioning framework with an interface that renders
automatic, reproducible performance measurements for numerous dynamic human-robot teaming methods
feasible.
Keywords: Robotics, Human-robot collaboration, Benchmarks