Industrierobots worden flexibeler dankzij voetbal- en zorgrobots

29 januari 2018, 00:00
De zorgrobots die in het onderzoek aan de TU/e gebruikt en ontwikkeld worden (foro: Bart van Overbeeke).
De zorgrobots die in het onderzoek aan de TU/e gebruikt en ontwikkeld worden (foro: Bart van Overbeeke).

Omgaan met onverwachte gebeurtenissen — voor de voetbal- en zorgrobots van de TU Eindhoven is dat bijna een vanzelfsprekendheid: je weet immers nooit wat je tegenstander of je cliënt gaat doen. Ook industrierobots hebben baat hebben bij grotere zelfstandigheid en zelfredzaamheid. De universiteit start daarom met industriepartners een onderzoeksproject om mobiele industrierobots een open wereldbeeld te geven, waarin zo weinig mogelijk vooraf is vastgelegd. Belangrijk daarin is dat de robots leren begrijpen wat ze zien, zodat ze beter om kunnen gaan met verrassingen.

Samenwerking

Het High Tech Systems Center van de TU/e, de bedrijven Lely Industries, Vanderlande Industries, ExRobotics (ImProvia), Diversey en Rademaker ondersteund met een bijdrage vanuit Topsector HTSM (TKI-toeslag) investeren samen 1,5 miljoen euro in het project dat vier jaar gaat duren. De TU/e stelt er vier nieuwe promovendi voor aan, die ondersteund zullen worden door tientallen studenten. Het project draagt de naam FAST: new Frontiers in Autonomous Systems Technology.
Het project moet mobiele robots opleveren die flexibeler om kunnen gaan met een omgeving waarin situaties veranderen. Dat heeft allerlei voordelen. De omgeving hoeft bijvoorbeeld niet afgebakend te zijn. Er zijn geen specifieke banen of herkenningspunten nodig. Ook wordt de ontwikkeltijd van robots korter.

Wereldmodel

Om dit te realiseren gaan de partijen samen een ‘semantisch wereldmodel’ maken voor robots. Semantisch betekent dat een robot informatie kan koppelen aan zijn waarnemingen, situaties en objecten kan herkennen, waardoor beter reageren mogelijk is. Als voorbeeld: onderscheid kunnen maken tussen een pallet met goederen, een groep mensen of een heftruck, levert een groot scala aan mogelijkheden op voor de robot om op te reageren. Ook moeten ze actief zelf op zoek gaan naar informatie om een situatie beter te kunnen beoordelen, en uiteindelijk zijn taak beter uit te oefenen. Bijvoorbeeld door met meerdere sensoren de situatie actief in beeld te brengen, door informatie te halen van het Internet of Things, of door bij een mens te rade te gaan.
Met deze nieuwe informatie vult de robot zijn wereldbeeld aan. De robots worden dus zelflerend, zodat ze dezelfde situatie een volgende keer gemakkelijker doorkomen, of weten te vermijden. Ook zullen ze steeds meer tussen en met mensen opereren. Binnen het semantische wereldmodel is de interactie met mensen dan ook een belangrijk onderdeel.

Reacties worden ingeladen...
gerelateerde items