인간-기계 협업 공정에서의 작업자 관절데이터 기반 작업자 동작 예측 LSTM 모형

Abstract

로봇은 속도, 정확성, 높은 적재 능력을 기반으로 이송, 부품 체결, 포장 등의 작업을 빠르고 정확하게 수행할 수 있다. 반면 인간은 특별한 고정 장치 없이 다양한 부품을 조작할 수 있고, 작업 현장에서 예상치 못한 상황에 유연하게 대처할 수 있다. 로봇과 인간의 장점을 모두 활용하기 위한 인간-로봇 협업 공정은 충돌을 방지하고 안전을 확보하기 위해 분리형 방법을 사용해 왔다. 하지만 분리형 방법은 인간과 로봇의 유기적인 연결을 방해함으로써 인간-로봇 협업 공정에 비효율성을 야기한다. 본 연구는 인간-로봇 협업 공정 내 작업자의 작업 동작 데이터를 디지털화하고 해당 데이터를 활용해 작업자의 작업 동작을 예측하는 모델을 소개한다. 모델을 사용해 예측된 동작을 바탕으로 로봇의 작업 대안을 선택함으로써 인간-로봇 협업 공정의 안전성을 확보하고 생산성을 향상시키는 시스템을 시뮬레이션을 사용해 구현하고 기존의 분리형 방법을 사용한 시스템보다 안전성, 효율성, 유연성을 향상시킬 수 있음을 증명한다. |Based on speed, accuracy, and high loading capacity, the robot can perform tasks such as transport, part completion, and packaging quickly and accurately. On the other hand, humans can manipulate various parts without special fixing devices, and can flexibly respond to unexpected situations on the job site. Human-machine collaborative processes to take advantage of both robot and human strengths have used separation methods to avoid collisions and ensure safety. However, the separation methods cause inefficiencies in human-machine collaboration processes by disrupting organic connections between humans and robots. This study digitizes work behavior data of performance within a human-robot collaborative process and uses that data to model a task behavior prediction. Demonstrate that by using models to select task alternatives for robots, we can implement systems that secure the safety and improve productivity of human-machine collaboration processes using simulations and improve safety, efficiency, and flexibility over conventional separation methods.