我们提出了一种在线和数据驱动的不确定性量化方法,以实现安全的人类机器人协作应用程序的开发。安全性和系统的风险评估与测量的准确性密切相关:通常无法通过已知模型直接访问独特的参数,因此必须测量。但是,由于传感器的性能有限,甚至未知的环境干扰或人类,测量值通常会遭受不确定性的影响。在这项工作中,我们通过利用具有定量的,系统特定属性的保护措施来量化这些测量不确定性,这些措施会随时间,空间或其他状态空间维度恒定。我们方法的关键思想在于在运行时间参考保护方程式期间对传入数据的直接数据评估。特别是,我们估计违反已知的域名特定域保护特性的行为,并将其视为测量不确定性的结果。我们在人类机器人协作的背景下验证了用例验证我们的方法,从而强调了我们在现实环境下(例如在工业环境中)成功开发安全机器人系统的贡献的重要性。此外,我们还展示了如何将获得的不确定性值直接映射到任意安全限制(例如ISO 13849),该限制允许在运行时监视符合安全标准的符合性。
translated by 谷歌翻译