Alla använder mängder av teknik i vardagen. Men när det gäller robotar finns ofta en uppfattning om att det är tekniken som står i centrum och styr över människan.
Behov måste gå före teknik när man utvecklar välfärdstjänster
Välfärdsteknik En social robot kan vara ett bra hjälpmedel för att leva ett mer självständigt liv. Nu vill forskare i Skövde hitta metoder för att utveckla robotar på ett mer individanpassat sätt.

Användarnas verkliga egenskaper och behov måste komma mer i fokus när man utvecklar assisterande robotar menar forskaren Erik Billing
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
Kvalitetsvård.se premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
Detta är något som forskare vid Högskolan i Skövde nu vill ändra på. Därför startar de nu ett nytt projekt, RO-LIV, som på ett tydligare sätt utgår från användarnas behov.
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
