This thesis tackles the problem of predicting the collision risk for vehicles driving in complex traffic scenes for a few seconds into the future. The method is based on previous research using dynamic Bayesian networks to represent the state of the system. Common risk prediction methods are often categorized into three different groups depending on their abstraction level. The most complex of these are interaction-aware models which take driver interactions into account. These models often suffer from high computational complexity which is a key limitation in practical use. The model studied in this work takes interactions between drivers into account by considering driver intentions and the traffic rules in the scene. The state of the traffic scene used in the model contains the physical state of vehicles, the intentions of drivers and the expected behaviour of drivers according to the traffic rules. To allow for real-time risk assessment, an approximate inference of the state given the noisy sensor measurements is done using sequential importance resampling. Two different measures of risk are studied. The first is based on driver intentions not matching the expected maneuver, which in turn could lead to a dangerous situation. The second measure is based on a trajectory prediction step and uses the two measures time to collision (TTC) and time to critical collision probability (TTCCP). The implemented model can be applied in complex traffic scenarios with numerous participants. In this work, we focus on intersection and roundabout scenarios. The model is tested on simulated and real data from these scenarios. %Simulations of these scenarios is used to test the model. In these qualitative tests, the model was able to correctly identify collisions a few seconds before they occur and is also able to avoid false positives by detecting the vehicles that will give way. / Detta arbete behandlar problemet att förutsäga kollisionsrisken för fordon som kör i komplexa trafikscenarier för några sekunder i framtiden. Metoden är baserad på tidigare forskning där dynamiska Bayesianska nätverk används för att representera systemets tillstånd. Vanliga riskprognosmetoder kategoriseras ofta i tre olika grupper beroende på deras abstraktionsnivå. De mest komplexa av dessa är interaktionsmedvetna modeller som tar hänsyn till förarnas interaktioner. Dessa modeller lider ofta av hög beräkningskomplexitet, vilket är en svår begränsning när det kommer till praktisk användning. Modellen som studeras i detta arbete tar hänsyn till interaktioner mellan förare genom att beakta förarnas avsikter och trafikreglerna i scenen. Tillståndet i trafikscenen som används i modellen innehåller fordonets fysiska tillstånd, förarnas avsikter och förarnas förväntade beteende enligt trafikreglerna. För att möjliggöra riskbedömning i realtid görs en approximativ inferens av tillståndet givet den brusiga sensordatan med hjälp av sekventiell vägd simulering. Två olika mått på risk studeras. Det första är baserat på förarnas avsikter, närmare bestämt att ta reda på om de inte överensstämmer med den förväntade manövern, vilket då skulle kunna leda till en farlig situation. Det andra riskmåttet är baserat på ett prediktionssteg som använder sig av time to collision (TTC) och time to critical collision probability (TTCCP). Den implementerade modellen kan tillämpas i komplexa trafikscenarier med många fordon. I detta arbete fokuserar vi på scerarier i korsningar och rondeller. Modellen testas på simulerad och verklig data från dessa scenarier. I dessa kvalitativa tester kunde modellen korrekt identifiera kollisioner några få sekunder innan de inträffade. Den kunde också undvika falsklarm genom att lista ut vilka fordon som kommer att lämna företräde.

The increasing reliance on space infrastructure and its rapid expansion necessitate the development and enhancement of tools for space debris and fragmentation research. Accurate prediction of the risks associated with satellite fragmentation requires comprehensive understanding of the dynamics involved. To address this need, the widely used NASA Standard Breakup Model (SBM) is employed in this thesis to predict fragment characteristics resulting from breakup events. Additionally, a novel method is introduced to determine the direction of these fragments, something not directly covered by the SBM. Furthermore, the principle of kinetic gas theory is applied to calculate the overall, long-term collision risk between debris and a predetermined satellite population. The results from this reveal the limitations of the SBM in accurately simulating fragmentations for certain satellite types. However, the newly implemented fragment directionality method aligns well with observed data, suggesting its potential for further research. Similarly, the risk model exhibits strong correspondence with ESA's MASTER, a model used for assessing collision risks with debris, with the deviations likely due to different impact velocity models used. Finally, the validated fragmentation and risk models are combined, and the combined model is used to analyse a real-world fragmentation event. / Det ökande beroendet av rymdinfrastruktur, samt dess snabba expansion kräver utveckling och förbättring av verktyg för forskning och analys kring rymdskräp och fragmentering. För att förstå risken förknippad med satellitfragmentationer så krävs förståelse för den involverade dynamiken. För att tillgodose detta används NASA:s Standard Breakup Model (SBM) i denna avhandling för att bestämma fragmentegenskaper som bildas från olika sorters fragmentationshändelser. Dessutom introduceras en ny metod för att bestämma riktningen för dessa fragment, något som inte direkt täcks av SBM. Dessutom tillämpas principen för kinetisk gasteori för att beräkna den totala, långsiktiga kollisionsrisken mellan rymdskrot och en förutbestämd satellitpopulation. Resultaten från detta avslöjar SBM:s begränsningar när det gäller att simulera fragmenten för vissa satellittyper. Hursomhelst så kan man se att den nyligen implementerade fragmentriktningsmetoden stämmer väl överens med den observerade datan, vilket tyder på dess potential för ytterligare forskning. På samma sätt uppvisar riskmodellen överensstämmelse med ESA:s MASTER, en modell som används för att bedöma kollisionsrisker med rymdskrot, där avvikelser sannolikt beror på att olika kollisionshastighetmodeller används. Slutligen kombineras de validerade fragmenterings- och riskmodellerna, som sedan används för att bidra med analyser till en riktig fragmentationshändelse.

This thesis provides a systematic guideline for evaluating, integrating and designing the collaborative end effector system associated with commercially available collaborative robots (cobots). On the basis of ISO/TS 15066:2016, customers’ demands are categorised as a macro demand framework and micro demand variables, which are parameterised and hierarchised. By analysing these parameters, the collaborative degree is determined to correlate the hazards with protection measures, which can demonstrate the collaborative safety level transparently. After that, the safety protection measures are specifically proposed corresponding to the potential risks. Finally, an industrial application is evaluated, a novel adapter utilised on the UR5 cobot is illustrated, and its characteristics for the collaborative operation are described.:1 Introduction 2 Robotic end effector in Assembly and Handling 3 Concept and Definition of Collaboration 4 Statement of the academic purpose and methodology 5 Guideline and Methodology for designing the Active Lightweight End-effector (ALE) for collaborative robots 6 Performance demand d4): multiplicity and versatility of end effector 7 A safety monitoring end effector (Adapter) for collaborative operations 8 A practical study of collaborative integration based on collaborative degree 9 Conclusion Appendix / Diese Arbeit liefert einen systematischen Leitfaden für die Bewertung, Integration und Gestaltung des kollaborierenden Endeffektorsystems in Verbindung mit kommerziell verfügbaren kollaborativen Robotern (Kobots). Auf der Grundlage der ISO/TS 15066:2016 werden die Anforderungen der Kunden in einen Makro-Bedarfsrahmen und Mikro-Bedarfsvariablen kategorisiert, die parametrisiert und hierarchisiert werden. Durch die Analyse dieser Parameter wird der Kollaborationsgrad ermittelt, um die Gefährdungen mit Schutzmaßnahmen zu korrelieren, die die kollaborierende Sicherheitsstufe transparent darstellen können. Danach werden die Schutzmaßnahmen entsprechend den potenziellen Risiken vorgeschlagen. Schließlich wird ein industrieller Anwendungsfall bewertet, ein neuartiger Adapter für den Einsatz an einem Roboter UR5 erläutert und dessen Kenndaten für den kollaborierenden Betrieb beschrieben.:1 Introduction 2 Robotic end effector in Assembly and Handling 3 Concept and Definition of Collaboration 4 Statement of the academic purpose and methodology 5 Guideline and Methodology for designing the Active Lightweight End-effector (ALE) for collaborative robots 6 Performance demand d4): multiplicity and versatility of end effector 7 A safety monitoring end effector (Adapter) for collaborative operations 8 A practical study of collaborative integration based on collaborative degree 9 Conclusion Appendix