关于使用神经网络学习人机协作中的安全速度减缓：比较分析

在人机协作中，速度与分离监控和动力与力限制等安全机制会根据人类靠近程度动态调整机器人的速度。虽然这些机制对于风险降低至关重要，但会引入延迟，使得周期时间估计变得困难，并影响作业调度效率。现有的估计周期时间或设计调度器的方法常常依赖于预定义的安全模型，而这些模型可能无法准确反映实际的安全实施情况，因为这些实施取决于特定案例的风险评估。在本文中，我们提出一种深度学习方法，从过程执行数据直接预测机器人的安全缩放因子。我们分析了多种神经网络架构，证明简单的前馈网络能够有效估计机器人的减速。这种能力对于改进周期时间预测和设计更有效的协作式机器人环境中的调度算法至关重要。