Gezamenlijk onderzoek aan collaboratieve robots

Robots beloven medische ingrepen zoals operaties effectiever en efficiënter te maken en zo het resultaat voor de patiënt te verbeteren. Het is dan wel cruciaal om te zorgen dat ze veilig functioneren bij het navigeren rond patiënt en medisch personeel. De TU Eindhoven en Philips Healthcare onderzoeken hoe het niveau van autonomie van collaboratieve robots veilig kan worden verhoogd. AI, in de vorm van machine learning, kan daarbij helpen.

EAISI, het Eindhoven Artificial Intelligence Systems Institute van de TU Eindhoven (TUE) heeft Impuls-onderzoeksprojecten opgezet gewijd aan collaboratieve robots (cobots) voor toepassingen in de echte wereld, bijvoorbeeld in medische of agrarische omgevingen. Zo is het project AMBER (AdvanceMents in Behavioral autonomy for Medical Robots) een gezamenlijke onderneming van de TUE en Philips Healthcare. Dit project richt zich op het gebruik van fundamentele regeltechniek en omgevingsmodellering bij de ontwikkeling van complexe navigatiestrategieën voor robots die worden ingezet bij minimaal-invasieve ingrepen. Met name machine learning en digital twins worden onderzocht als hulpmiddelen voor het ontwerp en de automatische afregeling van het robotnavigatiesysteem. Tijdens de recente AI Summit Brainport 2024 in Eindhoven werden de eerste resultaten gepresenteerd.

Interventionele robotarm

‘Bij de faculteit Werktuigbouwkunde van de TUE richten we ons op robots en robotsystemen die samenwerken met mensen en ook met elkaar, bijvoorbeeld in logistiek, robotvoetbal, windturbine-inspectie, landbouw, ouderenzorg en chirurgie’, vertelt Elena Torta, assistant professor Robotics. ‘Ons project met Philips is daar een voorbeeld van.’ Het gaat om de ontwikkeling van een robot die aan het plafond hangt en rond de patiënt kan navigeren om te helpen bij minimaal-invasieve procedures.

‘Bij Philips creëren we interventionele robotarmen die actief en veilig kunnen samenwerken met mensen’, verklaart Marco Alonso, senior architect in het mechatronica-ontwikkelingscluster van het bedrijf. ‘De robotarm wordt gebruikt om beelden te maken en komt heel dicht bij de mensen in de operatiekamer, naast de artsen en het overige personeel en binnen enkele millimeters van de patiënt. De robot moet instructies van mensen opvolgen, maar zich ook bewust zijn van zijn omgeving, om letsel bij mensen en schade aan apparatuur te voorkomen.’

AI voor bewustzijn en besturing

Dit is waar AI om de hoek komt kijken nu robots hun klassieke veiligheidskooi, een gecontroleerde omgeving, inruilen voor situaties waarin ze vrij kunnen bewegen en moeten reageren onder dynamische omstandigheden, zegt Torta. ‘AI speelt een belangrijke rol bij het inschatten en voorspellen van welke soorten van variabiliteit de robot moet verwerken. Bijvoorbeeld waar mensen zich bevinden, waar ze naartoe zullen bewegen, enzovoort. Deze perceptietaken zijn sterk afhankelijk van AI en geavanceerde computervision en mappingalgoritmen. AI is ook een waardevol hulpmiddel voor het systematisch configureren van de robotcontroller. Parametertuning werd meestal handmatig gedaan, maar met het toenemen van het aantal parameters kan AI het overnemen om automatische tuning mogelijk te maken. Zo helpt AI de robot bewust te maken van de omgeving waarin hij opereert en het besturingsalgoritme te optimaliseren.’

Hier ligt de wetenschappelijke uitdaging in het feit dat de robot in realtime moet reageren op een manier die begrijpelijk is voor mensen, zonder hun werk te belemmeren. Torta: ‘Voor realtime herkenning en voorspelling van de omgeving hebben we een goed omgevingsmodel nodig, gebaseerd op voorkennis en digital twins. Robotbesturing moet snel zijn, voor realtime implementatie, en te allen tijde veilig, met garanties voor bijvoorbeeld het vermijden van botsingen.’

Deze gevoelige omgeving waarin de robot opereert, onderscheidt het AMBER-project van andere cobotprojecten, stelt Alonso. ‘In veel gevallen weten mensen wat een robot doet. Maar in de operatiekamer ligt de focus van de operator op de anatomie van de patiënt. De artsen kijken naar het scherm om de orgaananatomie van de patiënt te bestuderen en verwachten dat de robot de gevraagde afbeeldingen maakt en veilig om hen heen beweegt. Wat we van onze gebruikers hebben gezien, is dat hun focus niet op de robot ligt.’

Garanties bieden

Naast het implementatieperspectief zijn er ook uitdagingen in de methodologieontwikkeling, voegt Michelle Chong, assistant professor Dynamics and Control aan de TUE, toe. ‘Robots zijn zeer niet-lineaire systemen die een interessante en rijke dynamiek vertonen. Draaien en keren kan ze in configuraties brengen die niet zijn toegestaan, waarbij de robot een persoon of zichzelf raakt. Er zijn veel wiskundige formuleringen die dit probleem kunnen aanpakken. Vanuit de theoretische kant is het voor ons interessant om wiskunde te gebruiken voor het beschrijven van de dynamiek en het bieden van garanties voor een veilige werking.’

Alonso: ‘De grootste uitdaging waar we hier voor staan, is de regelgeving. Robots moeten voorspelbaar zijn in hun gedrag. Als je de robot opdraagt om van a naar b te gaan, op basis van een algoritme, en je weet niet of de robot het ene of het andere pad zal kiezen, is het gedrag moeilijk te valideren. Omdat het onvoorspelbaar is, weet je niet precies hoe de robot zal acteren op bepaalde omstandigheden. We moeten dus onderzoek doen met de universiteit naar hoe we een robot verklaarbaar en voorspelbaar kunnen houden, terwijl we de veiligheid en hoge prestaties behouden. Daarom hebben we nog geen AI-gestuurde bewegingen in onze robotarmen.’

Chong: ‘Vanuit de universiteit zijn we ons volledig bewust van de beperkingen van AI, we begrijpen wat we op dit moment niet weten. We zien de kracht van AI, maar moeten het kunnen uitleggen.’ Alonso: ‘Dit is erg belangrijk voor de regelgevende instanties. Als we zeggen dat onze robot botsingen met obstakels gaat vermijden, moeten we het validatie- en verificatiebewijs leveren. Het onderzoek helpt ons nu om garanties te bieden dat de robot inderdaad nooit met obstakels zal botsen.’

Het AMBER-project loopt een jaar en de eerste resultaten zijn gepubliceerd, meldt Torta. ‘In lijn met de groeiende trend voor AI blijkt het een zeer waardevol hulpmiddel te zijn, vooral in relatie tot de zogeheten Bayesiaanse optimalisatie van de robotcontroller. We kijken ernaar uit om AI verder te verkennen in combinatie met bepaalde aspecten van het project, voornamelijk gerelateerd aan omgevingsmodellering en perceptie.’

Unieke synergie

Een groot deel van het werk wordt gedaan door TUE-studenten. Bram van de Vrande, mechatronisch softwareontwerper bij Philips, is een van hun begeleiders. ‘Zij leveren echt kwalitatief hoogstaand werk af voor de bewegingsbesturing van de robot. Wij hechten waarde aan de bijdragen van studenten, die worden erkend door hoge cijfers en hebben geleid tot publicaties, doorstroom naar PhD-opdrachten en kansen om ons team te versterken als Philips-medewerkers.’ Zijn collega, senior mechatronisch ontwerper Henry Stoutjesdijk, vult aan: ‘Het aanbod aan master- en PhD-studenten helpt ook door de continue instroom van state-of-the-arttechnologie in ons bedrijf, waar we van kunnen leren. Dit project brengt ons allemaal verder: de universiteit, het bedrijfsleven en de studenten die hier werken.’

Philips heeft al eerder studenten gehad in projecten, vertelt Alonso. ‘Maar dit is de eerste keer dat ze deelnemen aan een project met een gestructureerde aanpak en visie om cobottechnologie te ontwikkelen. Daarnaast hanteren we nu een speciale coachingaanpak. Eén of twee dagen per week ervaren ze het werkende leven en volgen ze de rituelen van ons bedrijf en hoe we met elkaar omgaan. We behandelen ze als collega’s en geven hun een gevoel voor hoe het zou zijn als ze in de industrie gaan werken. We zeggen dus niet alleen: ‘Hé, we hebben uitdagende robotica’, maar voegen altijd het klantperspectief toe, omdat we het onderzoek afstemmen op de behoeften van onze gebruikers.’

Op haar beurt vindt Chong het erg waardevol om met collega’s van Philips te werken. ‘Het stelt me in staat om onderzoeksvragen, die erg academisch kunnen zijn, te formuleren naar echte toepassingen. In de AMBER-gebruikscase zien we veel interessante vragen die we misschien nooit zouden stellen in onze community voor systeembesturing. Bovendien, ik heb academische functies bekleed in Zweden, de VS en Australië, maar op geen van deze plekken heb ik de specifieke synergie tussen industrie en universiteit gezien zoals die hier in Nederland heerst.’

Toch zijn er complementaire doelen in de industrie en de academische wereld, erkent Alonso. ‘Academici kijken naar de toekomst, terwijl wij ook actuele zakelijke aspecten meenemen, zoals productisering en industrialisering. Door verschillende aspecten op te pakken, zitten we allemaal op één lijn over wat belangrijk is. Zo krijgen academici de vrijheid om te zoeken naar ideale oplossingen, terwijl ze rekening houden met het feit dat deze moeten passen bij de gebruikscase, of bij vergelijkbare gebruikscases. Dat is de sterke vertrouwensband die we hebben opgebouwd.’