ISO/TS 15066 合规人机安全框架中深度学习方法的分析
机器人学
2025-11-25 v1
摘要
近年来，协作机器人在制造应用中取得了巨大成功，人类与机器人在近距离环境中协同工作。然而，当前符合 ISO/TS 15066 标准的实现往往因保守的速度限制而影响协作任务的效率。因此，本文提出了一种基于深度学习的人机安全框架（HRSF），旨在根据人与机器人之间的分离距离动态调整机器人速度，同时遵守最大生物力学力和压力限制。该框架的适用性针对四种可用于人体提取的深度学习方法进行了研究：人体识别、人体分割、人体姿态估计和人体部位分割。与传统工业安全系统不同，所提出的 HRSF 能够区分人体各个部位与其他物体，从而实现优化的机器人流程执行。实验结果表明，与传统安全技术相比，周期时间减少了高达 15%。
引用
@article{arxiv.2511.19094,
title = {Analysis of Deep-Learning Methods in an ISO/TS 15066-Compliant Human-Robot Safety Framework},
author = {David Bricher and Andreas Mueller},
journal= {arXiv preprint arXiv:2511.19094},
year = {2025}
}
备注
MDPI Sensors, published 22 November 2025