Em 2017, havia quase 350, 000 incidentes de trabalhadores afastados por doença devido a lesões que afetam os músculos, nervos, ligamentos ou tendões - como a síndrome do túnel do carpo - de acordo com o Bureau of Labor Statistics dos EUA. Entre os trabalhadores com maior número de acidentes:pessoas que trabalham em fábricas e armazéns.

Os distúrbios musculoesqueléticos acontecem no trabalho quando as pessoas adotam posturas inadequadas ou realizam tarefas repetidas. Esses comportamentos geram tensão no corpo ao longo do tempo. Portanto, é importante apontar e minimizar comportamentos de risco para manter os trabalhadores saudáveis ​​no trabalho.

Pesquisadores da Universidade de Washington usaram o aprendizado de máquina para desenvolver um novo sistema que pode monitorar funcionários de fábricas e depósitos e dizer a eles o risco de seus comportamentos em tempo real. O algoritmo divide uma série de atividades, como levantar uma caixa de uma prateleira alta, carregá-lo para uma mesa e colocá-lo em ações individuais e, em seguida, calcular uma pontuação de risco associada a cada ação.

A equipe publicou seus resultados em 26 de junho em IEEE Robótica e Cartas de Automação e apresentará as descobertas em 23 de agosto na Conferência Internacional IEEE sobre Ciência e Engenharia de Automação em Vancouver, Columbia Britânica.

"No momento, os trabalhadores podem fazer uma autoavaliação, onde realizam suas tarefas diárias em uma mesa para estimar o risco de suas atividades, "disse o autor sênior Ashis Banerjee, professor assistente nos departamentos de engenharia industrial e de sistemas e engenharia mecânica da UW. "Mas isso é demorado, e é difícil para as pessoas verem como isso as beneficia diretamente. Agora, automatizamos todo esse processo. Nosso plano é colocá-lo em um aplicativo de smartphone para que os trabalhadores possam até monitorar a si mesmos e obter feedback imediato. "

Para essas autoavaliações, as pessoas atualmente usam um instantâneo de uma tarefa em execução. A posição de cada articulação recebe uma pontuação, e a soma de todas as pontuações determina o quão arriscada é essa pose. Mas os trabalhadores geralmente executam uma série de movimentos para uma tarefa específica, e os pesquisadores queriam que seu algoritmo pudesse calcular uma pontuação geral para toda a ação.

Mover para o vídeo é mais preciso, mas requer uma nova maneira de somar as pontuações. Para treinar e testar o algoritmo, a equipe criou um conjunto de dados contendo 20 vídeos de três minutos de pessoas realizando 17 atividades comuns em depósitos ou fábricas.

"Uma das tarefas que tínhamos que fazer era pegar uma caixa de um rack e colocá-la sobre a mesa, "disse o primeiro autor Behnoosh Parsa, um estudante de doutorado em engenharia mecânica da UW. “Queríamos capturar diferentes cenários, então, às vezes, eles teriam que esticar os braços, torcer seus corpos ou curvar-se para pegar algo. "

Os pesquisadores capturaram seu conjunto de dados usando uma câmera Microsoft Kinect, que gravou vídeos 3-D que lhes permitiram mapear o que estava acontecendo com as articulações dos participantes durante cada tarefa.

Usando os dados do Kinect, o algoritmo primeiro aprendeu a calcular as pontuações de risco para cada quadro de vídeo. Em seguida, progrediu para identificar quando uma tarefa começou e terminou para que pudesse calcular uma pontuação de risco para uma ação inteira.

O algoritmo rotulou três ações no conjunto de dados como comportamentos de risco:pegar uma caixa de uma prateleira alta, e colocar uma caixa ou uma haste em uma prateleira alta.

Agora a equipe está desenvolvendo um aplicativo que operários e supervisores podem usar para monitorar em tempo real os riscos de suas ações diárias. O aplicativo fornecerá avisos para ações moderadamente arriscadas e alertas para ações de alto risco.

Eventualmente, os pesquisadores querem que robôs em depósitos ou fábricas sejam capazes de usar o algoritmo para ajudar a manter a saúde dos trabalhadores. Para ver como o algoritmo pode funcionar bem em um depósito hipotético, os pesquisadores fizeram com que um robô monitorasse dois participantes realizando as mesmas atividades. Três segundos após o final de cada atividade, o robô mostrou uma pontuação em seu visor.

"Fábricas e armazéns usam automação há várias décadas. Agora que as pessoas estão começando a trabalhar em ambientes onde robôs são usados, temos uma oportunidade única de dividir o trabalho para que os robôs façam os trabalhos de risco, "Banerjee disse." Robôs e humanos poderiam ter uma colaboração ativa, onde um robô pode dizer, - Vejo que você está pegando esses objetos pesados ​​da prateleira de cima e acho que pode estar fazendo isso muitas vezes. Deixe-me ajudá-lo. '"