2018-ban az MIT (Massachusetts Institute of Technology) és a BMW közösen programoztak be egy robotot, hogy álljon meg, ha ember megy el a közelében. A sínen mozgó gép túl óvatos volt, és már bőven azt megelőzően leállt, hogy a humán dolgozók keresztezték volna az útját.

A tesztek tanulsága: kevésbé hatékony a munka, az ember-robot együttműködés, ha a gép valódi munkakörnyezetben is ugyanígy cselekszik.

Az MIT kutatói szerint a probléma a gép mozgás-előrejelző szoftveréhez használt útvonal-egyeztető algoritmus korlátaiból eredt. Ezek az algoritmusok nagyjából meg tudják mondani, hol tűnik fel egy személy, azt viszont már nem, hogy a prognosztizált útvonal melyik pontján mennyi időt tölt el – meddig tart, amíg megáll, visszafordul, újra keresztezi a robot útját stb.

A kutatók rájöttek a megoldásra, új algoritmusuk valós időben hangolja össze az útvonalrészeket, és így könnyebb előrejelezni személyek mozgásának az időzítését. A BMW-s gyártóüzemi kísérletekre alkalmazva, kiderült, hogy a robot nem „fagyott le” idejekorán, működésben maradt, és probléma sem adódott. Egyszerűen elállt az ember útjából.

„Az algoritmus a robotot az emberi mozgás lényegéhez tartozó lépések és átfedések megértésében és folyamatos megfigyelésében segítő komponensekre épül. Ez az egyike azoknak a technikáknak, amelyeken azért dolgozunk, hogy a robotok jobban megértsék az embereket” – nyilatkozta Julie Shah, az egyik fejlesztő.

Mozgás-előrejelzéshez általában zene- és a beszédfeldolgozó algoritmusokról mintáznak megoldásokat. Ezek az algoritmusok két teljes idősort vagy a kapcsolódó adatsorokat (például zenei előadás hanganyagát és a hangjegyekről készült videót) egyeztetik össze. Az emberi mozgás azonban rendezetlenebb és nagyon váltakozó, még ugyanazon személy ismétlődő mozdulatsorai is különbözhetnek.

A mozgásalgoritmusoknál az illető pozícióját pontok jelenítik meg, az útvonal feltérképezése a pontok közötti relatív távolságon és az adott forgatókönyv lehetséges útvonalait tartalmazó könyvtár összevetésén alapulnak. A távolságok azonban nem elegendők a pontos számításokhoz, az előrejelzést hirtelen megállások stb. zavarhatják össze.

Az MIT-s algoritmus valósidejű útvonal-szegmenseket egyeztet össze korábban gyűjtött referencia-útvonalakkal. Fontos, hogy a távolság mellett időben is „egyeztet”, így a megállásokat és az egybeeséseket is pontosan előrejelzi.

Két adatsoron tesztelték – az egyikben, gyári körülmények között, egy ember azonnal keresztezte a robot útját, a másikban kézmozdulatokra összpontosítottak: a résztvevők reteszt tettek egy asztalra, amelyet aztán a robot megdolgozott.

Az új algoritmus mindkét esetben jobban teljesített, mint két gyakran használt másik. Mozgás-előrejelzésen kívül másfajta ember-robot interakciókban, például tevékenységek felismerésében vagy kézmozdulatok detektálásában is hasznosítható. Shah szerint sokat segíthet ember és gép strukturált környezetben (gyárakban, de akár otthon is) történő hatékony együttműködésében. Olyan közegekben, amelyekben a humán fél jellegzetes viselkedésmintákat mutat. A rendszer a visszatérő mintázatok megfigyelésével, egyre többet megtanul rólunk.