De flesta robotar i dag fungerar på följande sätt: De tar in information, planerar och utför sedan sin uppgift. I sin avhandling i datavetenskap vid Örebro universitet har Tomasz Kucner vidareutvecklat detta tillvägagångssätt.

– Människor observerar konstant sin miljö och planerar sina handlingar utifrån förändringar som sker i miljön. Det beteendet vill jag återskapa i robotar, säger han.

Till skillnad från befintliga metoder som baseras på teoretiska modeller av mänskligt beteende och antaganden om hur vi rör oss, kan robotar med hjälp av Tomasz Kucners metod identifiera mönster genom observation. Det gör att roboten också kan utföra rätt handlingar baserat på information om platser som den för tillfället inte kan se. Med andra ord gör modellen det möjligt för robotar att lära sig förutse vissa händelser – precis som vi människor gör.

– Jag var speciellt intresserad av att bygga modeller som försöker lära robotar hur föremål rör sig i miljön. Och ju mer data vi har desto bättre modeller kan vi bygga, säger Tomasz Kucner.

När modellen testades på robotar såg Tomasz Kucner att de kunde anpassa sig till flödet i miljön och ta sig fram utan att störa människor.

– Vi kunde också se att robotar, tack vare informationen om flödet, snabbare kunde hitta smidigare vägar.

De båda egenskaperna gör modellen väldigt användbar i en rad olika miljöer, även de där det inte finns några tydliga trafikregler. Servicerobotar på flygplatser är ett exempel. Där kan roboten både hitta den smidigaste vägen mellan två punkter och bete sig diskret utan att störa människor.

– Modellen kan också användas i drönare med uppgift att till exempel upptäcka gasläckor. Informationen om luftflödet gör att drönare kan flyga på ett mer energismart sätt, säger Tomasz Kucner och fortsätter:

– Robotarna kan hjälpa oss med många farliga och tråkiga uppgifter. Men det kommer att ske först när vi känner oss bekväma med dem. Att robotar kan följa flödet i en miljö är ett viktigt steg mot det målet.