นักวิจัยจากสถาบัน Fraunhofer ได้พัฒนาหุ่นยนต์ที่มีความสามารถในการคิด (Cognitive) ซึ่งสามารถรับมือกับภาระหน้าที่ในการผลิตที่ซับซ้อนได้ ซึ่งโดยมากระบบอัตโนมัติจะไม่สามารถตอบสนองกับงานในรูปแบบนี้ได้
นอกเหนือไปจากหุ่นยนต์แบบ Cognitive แล้วยังมีการเปิดเผยเทคโนโลยีด้านความปลอดภัยที่มีคอมพิวเตอร์เข้ามาสนับสนุน Computer-aided Safety (CAS) และ PARU ซึ่งเป็นเทคโนโลยีด้านความปลอดภัยและเครื่องมือในการวางแผนสำหรับการทำงานระหว่างมนุษย์และเครื่องจักรอย่างใกล้ชิด ซึ่งทำให้มั่นใจได้ด้วยการเคลื่อนไหวที่ AI ได้สร้าง (Generate) ให้กับหุ่นยนต์
การใช้งานโซลูชันที่มี AI เป็นพื้นฐานสามารถทำให้มีความสามารถในการคิด เพื่อที่จะทำงานได้อัตโนมัติในสภาพแวดล้อมที่ไร้โครงสร้าง เกิดการเปลี่ยนแปลงอย่างต่อเนื่อง หรือการจัดการวัตถุในสภาพแวดล้อมของธุรกิจดูแลสุขภาพ การใช้เทคโนโลยีจับภาพเพื่อความปลอดภัยทำให้หุ่นยนต์ที่มีการควบคุมด้วย AI สามารถตอบสนองต่อการเปลี่ยนแปลงได้อย่างมั่นใจ สามารถปรับตัวสู่กิจกรรมใหม่ ๆ รวมถึงการทำงานในแอปพลิเคชันนั้น ๆ ได้อย่างปลอดภัย ทำให้เปิดโอกาสการใช้งานแอปพลิเคชันได้อย่างหลากหลายมากขึ้น ซึ่งหุ่นยนต์แบเดิม ๆ อาจมีข้อจำกัดในการใช้งานให้ใช้ได้เฉพาะกิจกรรมที่ถูกออกแบบไว้จำเพาะ
ผู้เชี่ยวชาญได้ใช้การจำลองสภาพแวดล้อมเพื่อฝึกฝนโมเดล AI เช่น ใช้ในการจำลองการประกอบและแยกชิ้นส่วนอย่าง Motherboard จากคอมพิวเตอร์ ในพื้นที่ดิจิทัลนั้นสามารถใช้งานหุ่นยนต์จำลองมากเท่าใดก็ได้ในเวลาเดียวกัน และมีความเร็วในรูปแบบที่ไม่ต้องกังวลเรื่องของความปลอดภัยอีกด้วย
ข้อดีของการเรียนรู้ด้วยการจำลองดิจิทัลนั้นมีมากมาย แต่ก็ยังมีจุดอ่อนอยู่ด้วยเช่นกันตงที่ไม่สามารถทำให้เกิดผลได้ครบ 100% เมื่อเปรียบเทียบกับโลกจริง ความท้าาทายของนักวิจัย คือ การปิดช่องว่างนี้ที่รู้จักกันในช่อช่องว่าง Sim2Real ให้ได้มากที่สุด ซึ่งมีแนวโน้มความเป็นไปได้ 2 รูปแบบ ซึ่งการจำลองสามารถเป็นไปได้ทั้งการออกแบบให้สมจริงที่สุดเท่าที่จะเป็นไปได้ หรือ ออกแบบให้รองรับความเป็นไปได้ในโลกจริงให้กว้างที่สุด ซึ่งเครือข่าย Neural Network จะถูกใช้สำหรับ AI ในการเรียนเพื่อทำความเข้าใจโดยทั่วไปและหาทางทำความคุ้นเคยกับสภาพแวดล้อมีท่ยังไม่รู้จัก แนวทางนี้ทำให้สามารถสร้างสภาพแวดล้อมจำลองได้จำนวนมากด้วยคุณสมบัติแบบสุ่มที่แตกต่างกัน และโมเดลจะถูกฝึกในการจำลองทั้งหมดนี้ ไม่ว่าจะเป็นความสว่างที่กระทบต่อการจำลองหรือตัวแปรอื่น ๆ ก็ตาม
เทคโนโลยีฉายภาพพื้นที่ความปลอดภัย PARU
ในสายงานของหุ่นยนต์ที่มีทักษะการคิดรู้นั้นยังต้องเผชิญกับความท้าทายอืน ๆ อีก ปัจจุบันยังฃคงไม่มีวิธีที่ทำให้มั่นใจได้ถึงความปลอดภัยที่เกิดจากการเคลื่อนไหวของหุ่นยนต์อันเกิดขึ้นจาก AI ในประเด็นของมาตรฐานที่เกี่ยวข้อง สำหรับหุ่นยนต์ที่มีพื้นฐานจาก AI ทำให้ Fraunhofer ได้พัฒนา PARU เป็นเทคโนโลยีที่ถูกจดสิทธิบัตรขึ้นมาเพื่อนำเสนอการแจ้งเตือนและสร้างสนามการป้องกันโดยตรงรอบ ๆ เครื่องจักร ทั้งยังจดจำเมื่อผู้คนเข้าไปยังพื้นที่ปลอดภัย ซึ่งหลังจากใช้ Projector และกล้อง 2 ตัวถูกนำมา Calibrate แล้ว ภาพจำลองที่คาดการณ์ไว้จะถูกสร้างขึ้นมาในขั้นแรก จากนั้น Projector จะฉายภาพเป็นม่านแสงที่มองเห็นได้รอบ ๆ หุ่นยนต์และชิ้นส่วนที่จะต้องการให้หยิบจับ ซึ่งจะเป็นระยะห่างตามมาตรฐาน ISO/TS 15066
ม่านแสงเหล่านี้กลายเป็นเส้นความปลอดภัย ทำให้เกิดภาพพื้นที่ป้องกันที่แรงงานมองเห็นได้และจะต้องอยู่ให้ห่างจากพื้นที่เสี่ยง ซึ่งพื้นที่เหล่านี้สามารถปรับให้สอดคล้องกับการเคลื่อนไหวของเครื่องจักรไดเ โดย PARU จะพิจารณาจากสถานะปัจจุบันของหุ่นยนต์อยู่เสมอ ทำให้เกิดเป็นการใช้งานหุ่นยนต์ในอุดมคติ
ระบบโดยทั่วไปนั้นจะไม่อนุญาตให้ระยะห่างระหว่างมนุษย์และหุ่นยนต์มีพื้นที่ขนาดเล็ก ไม่ว่าจะอย่างไรก็จะต้องมีพื้นที่เว้นเอาไว้ อาจเป็นเพราะเทคโนโลยีกล้องและเซนเซอร์จดจำไม่เพียงแต่ลำตัว แขน และหัว แต่รวมถึงนิ้วอีกด้วย ซึ่งการฉายภาพนั้นยังสามารถแสดงให้เห็นได้ว่าหุ่นยนต์จะเคลื่อนที่ไปทางไหนต่อในการทำงานที่กำลังจะเกิดขึ้น ทำให้เกิดความเชื่อใจระหว่างมนุษย์และแรงงานมากยิ่งขึ้น ซึ่งการทำให้มองเห็นได้ชัดนี้เป็นประโยชน์อย่างมากในการทำงานที่เกิดขึ้น และหากกล้องหรือ Projector หยุดทำงาน ระบบทั้งหมดจะปิดทั้งหมดลงอัตโนมัติ
ซอฟต์แวร์ที่ถูกพัฒนามาเพื่อระบบหุ่นยนต์ที่ปรับตามสถานการณ์ได้ ‘CAS’
นอกจากนี้ Fraunhofer ได้นำเสนอ Computer-aided Safety (CAS) ซึ่งเป็นชุดของโซลูชันความปลอดภัยดิจิทัลที่ทำให้มนุษย์และห่นยนต์ทำงานร่วมกันได้ (Human-robot Collaboration หรือ HRC) อย่างมีประสิทธิภาพ, คุ้มต้นทุน และปลอดภัย ซึ่งโมดูลซอฟต์แวร์ที่พร้อมสำหรับผลิตภัณฑ์ที่พร้อมจะใช้เพื่อคำนวณได้อย่างมีประสิทธิภาพในส่วนของระยะปลอดภัยและความเร็วสำหรับ HRC ที่มีความปลอดภัย
ผู้ช่วยดิจิทัลมีหน้าที่ในการสนับสนุนการประเมินความเสี่ยงและการอนุมัติขั้นตอนด้านความปลอดภัย รวมถึงทำขั้นตอนที่เกี่ยวข้องให้เป็นเรื่องง่าย สอดคล้องกับข้อกำหนดของ EU ที่เกิดขึ้น แตกต่างจากการตรวจวัดการชน (Collision) ซึ่งเป็นเครื่องมือด้านความปลอดภัยที่สามารถทำงานได้แบบดิจิทัลเต็มรูปแบบ ซึ่งใช้วัดและกำหนดแรงที่หุ่นยนต์จะใช้ได้ ซึ่งโมดูลนี้สามารถใช้กับการควบคุมหุ่นยนต์แบบใดก็ได้ หรือใช้งานกับสภาพแวดล้อมการจำลองเพื่อการวางแผน เพื่อให้เกิดความแม่นยำที่ตรงกับเศรษฐศาสตร์ของธุรกิจและมาตรการด้านความปลอดภัย
CAS จึงถูกพัฒนาขึ้นมาด้วยการเก็บข้อมูลอย่างต่อเนื่องนานหลายปีพร้อมกับการทดสอบแบบจำเพาะ ทำให้เห็นถึงข้อจำกัดและตัวชี้วัดทางชีวกลศาสตร์สำหรับ HRC ที่ปลอดภัย สำหรับการชนและโหลดของการหนีบ (Clamping) นั้นถูกตั้งค่ามาสำหรับลูกตุ้ม (Pendulum) ที่ใช้ในการระบุระดับความเจ็บปวดผ่านการทดสอบกักบตัวอย่างมนุษย์กว่า 100 ตัวอย่าง
ที่มา:
Fraunhofer
