Určení bezpečnostního prostoru pro kooperaci člověka s robotem pomocí počítačového vidění a AI

Abstract

Disertační práce se zabývá návrhem a realizací systému pro určení bezpečnostních a komfortních zón při interakci člověka s mobilním robotem pomocí metod počítačového vidění a umělé inteligence. Cílem práce je zvýšit bezpečnost a přirozenost interakce mezi člověkem a robotem v dynamických prostředích, kde tradiční přístupy nejsou dostatečně adaptabilní. V práci je navržen vlastní proxemický model založený na poměru zlatého řezu, který rozděluje osobní prostor člověka na jemně odstupňované zóny, a zohledňuje relativní polohu, rychlost a směr pohybu osoby vůči robotu. Součástí řešení je detekce, sledování a klasifikace osob dle věku a pohlaví pomocí neuronových sítí, určení pózy člověka a výpočet individuálních zón pro každou detekovanou osobu. Pro účely klasifikace byl vytvořen vlastní dataset kombinující reálné a syntetické snímky. Celý systém byl implementován do aplikace na výpočetní jednotce NVIDIA Jetson Xavier NX s využitím hloubkové kamery ZED 2i a otestován na dvou typech mobilních robotických platforem (Unitree Go1 a Agilex Scout Mini). Funkčnost systému byla ověřena experimentem, přičemž bylo využito subjektivního hodnocení interakce pomocí dotazníku inspirovaného Godspeed Questionnaire Series. Výsledky ukázaly, že navržený systém je vnímán jako bezpečný a komfortní, a potvrzuje vhodnost použité metodiky pro stanovení zón v oblasti fyzické interakce. Práce představuje přínos jak v oblasti vědeckého výzkumu proxemiky v interakci robot-člověk, tak v praktické aplikovatelnosti v rámci servisní robotiky.

The dissertation thesis focuses on the design and implementation of a system for determining safety and comfort zones during human interaction with a mobile robot, using computer vision and artificial intelligence methods. The aim of the work is to enhance the safety and naturalness of human–robot interaction in dynamic environments, where traditional approaches lack sufficient adaptability. The thesis introduces a custom proxemic model based on the golden ratio, which divides a person’s personal space into finely graded zones and considers the person’s relative position, speed, and direction of movement in relation to the robot. The solution includes person detection, tracking, and classification by age and gender using neural networks, human pose estimation, and the calculation of individualized zones for each detected person. For classification purposes, a custom dataset was created, combining real and synthetically generated images. The entire system was implemented as an application on an NVIDIA Jetson Xavier NX computing unit, using a ZED 2i depth camera, and was tested on two types of mobile robotic platforms (Unitree Go1 and Agilex Scout Mini). The system’s functionality was validated through an experiment that utilized subjective interaction assessments via a questionnaire inspired by the Godspeed Questionnaire Series. The results showed that the proposed system is perceived as safe and comfortable, confirming the suitability of the applied methodology for defining zones in physical interaction contexts. The work offers contributions both to the scientific research of proxemics in human-robot interaction and to its practical applicability in the field of service robotics.