Over digitale tweelingen en artificiële intelligentie
De belangrijkste trends in robotica
Onlangs publiceerde de International Federation of Robotics haar analyse van de Top 5-trends in robotica voor 2024. Deze federatie, met leden uit de robotica-industrie en onderzoeks- en ontwikkelingsinstellingen uit meer dan 20 landen, heeft als missie het promoten van robotica. Robotica is een groeimarkt, met een geschatte groei in jaarlijkse installaties van 7%, mede gedreven door technologische innovaties. We werpen kort een licht op vijf aankomende trends.
1. Humanoïde robots
Binnen de robotica is reeds lang onderzoek naar humanoïde robots, geïnspireerd op de menselijke morfologie. Twee 'benen' om te bewegen, twee armen met 'handen' om manipulaties te kunnen uitvoeren en sensoren om de omgeving waar te nemen en hiermee te interageren. Terwijl veel humanoïde robots nog in de prototypefase zitten, zijn er enkele grote stappen gemaakt de laatste jaren. Zo is er de Agility Robotics - Digit, die recent werd ingezet in het magazijn van Amazon, en ook de Tesla Optimus-robot. Recent werd aangekondigd dat Atlas (Boston Dynamics) overschakeld van hydraulica op elektriciteit, wat de robot sterker zal maken en een breder bewegingsbereik zal realiseren.
Terwijl veel humanoïde robots nog in de prototypefase zitten, zijn er de laatste jaren grote stappen gemaakt
Er wordt beweerd dat humanoïde robots een aanzienlijke impact zullen hebben in de toekomst. Aan de andere kant zien critici ze als onnodige concurrentie van hun menselijke tegenhanger. De mogelijkheden van dergelijke robots maken de ontwikkeling en het onderzoek alleszins wel bijzonder interessant. De massa-adoptie blijft echter een groot vraagteken en een complexe uitdaging, waarbij kost en robuustheid een belangrijke factor zijn. De vraag rijst ook of een robot, die zijn conceptuele ontwerp heeft ontleend aan hoe de natuur de mens heeft vormgegeven, wel de meest efficiënte oplossing biedt in een industriële context.
2. Digital twins
Digital twins, ofwel digitale tweelingen. Afhankelijk van wie je het vraagt wordt er iets anders mee bedoeld, omdat de term breed gehanteerd wordt voor digitale modellen van een reëel proces/product/machine, ofwel de physical twin. In essentie worden modellen van de werkelijkheid gebruikt in combinatie met gegevens van de machine, het product of het proces. Een functionele digital twin ontvangt gegevens van de fabrieksvloer, maar kan ook gegevens terugsturen om bepaalde acties te starten. Met behulp van de modellen en gegevens kunnen simulaties gegenereerd worden die inzicht geven in wat te verwachten, zonder daadwerkelijke realisaties te hoeven maken.
Afhankelijk van de details van de modellen en de hoeveelheid data kunnen de simulaties een betere weergave van de werkelijkheid geven. Deze simulaties kunnen dan gebruikt worden om lay-outsimulatie te doen, optimale planning te bepalen, robottrajecten te optimaliseren, botsingen te checken ... Omdat de digital twin enkel als computermodel bestaat, kunnen er extreme tests worden uitgevoerd en kan er veelvuldig geëxperimenteerd worden in simulatie voordat we overstappen naar de fysieke wereld; en voordat er geïnvesteerd wordt in hardware.
3. AI en machine learning
De populariteit van AI laat zich ook voelen in de robotica. Veel ontwikkelaars die robottoepassingen aanbieden integreren AI-modellen als interface om het programmeren van de robot intuïtiever en laagdrempeliger te maken. Zo bestaan er voorbeelden van de integratie van ChatGPT-achtige modellen om interactie met robots aan te bieden. Zo kan je aan de robot vragen: "Haal eens de banaan uit die bak en leg die hier".
Aan de andere kant worden AI-technieken zoals deep learning en reinforcement learning gebruikt om bewegingen aan te leren. In combinatie met digital twins kunnen de algoritmes in simulatie getraind worden, wat mogelijkheden creëert tot het aanbieden van verschillende situaties (producten, omgevingen …) in de training. Zo worden AI-modellen gebruikt door commerciële spelers om robotic binpicking te doen, waarbij geleerd wordt hoe een object te benaderen en vast te grijpen is.
Daarnaast worden AI-modellen gebruikt in de robotica om patroonherkenning uit te voeren, zoals beeldherkenning van allerlei objecten met behulp van camera's. De training van die algoritmes kan ook versneld worden op basis van een digital twin. Het vergroten van het 'bewustzijn' van robots over hun omgeving, gebaseerd op informatie die uit de camerabeelden kan worden gehaald, kan hierdoor gestimuleerd worden.
4. Cobots in nieuwe toepassingen
Mens-machine-interactie blijft een grote trend in robotica. Cobots spelen hier een grote rol. Denk maar aan het overnemen van repetitieve taken, het dragen van grotere lasten en het werken in gevaarlijke omgevingen. Het aanbod aan cobots blijft toenemen om de vraag bij te benen. Drijvende factoren hiervoor zijn onder andere de toenemende vraag naar cobots binnen de e-commerce en logistiek, alsook de vraag naar robots die eenvoudig te programmeren zijn. De toepassingsgebieden van cobots breiden zich daarnaast verder uit, zoals lassen en het verhandelen van materialen. Het integreren van cobots op mobiele platformen breidt de mogelijkheden van cobots verder uit en versnelt de groei.
Snelheid en payload blijven echter een uitdaging en beperken de toepassing in andere sectoren zoals de assemblage van elektronica, waar snelheid primeert, en toepassingen waarbij echt zware lasten moeten worden gemanipuleerd. Cobots zullen bijgevolg investeringen in klassieke industriële robots niet vervangen, maar integendeel aanvullen voor toepassingen waar ze een doelgerichte oplossing bieden.
5. Mobiele manipulatoren (MoMa's)
De samenvoeging van een mobiele robot en een robotarm resulteert in een mobiele manipulator, ook bekend als MoMa. Het combineert de mobiliteit op de werkvloer van het mobiele platform met de veelzijdigheid van de robotarm. Samen met geïntegreerde machinevisie laat dit de MoMa toe om te navigeren in complexe omgevingen en tegelijkertijd objecten te manipuleren, bij de start van het traject, onderweg of op het eindpunt. Hun mogelijkheid om autonoom een brede waaier aan complexe taken uit te voeren maakt hen ideaal om de productiviteit en flexibiliteit in een industriële setting te verhogen.
Het feit dat mobiele manipulatoren een vlakke vloer nodig hebben, wordt echter snel gecompenseerd door enerzijds de enorme payloads die de mobiele basis (duizenden kilo's) en robots (soms tot meer dan 100 kg) kunnen verplaatsen en manipuleren en anderzijds de potentieel grote reikwijdte van de robot. Bijkomend laat de mobiele basis de robot toe zich makkelijk aan te passen aan flexibele productielay-outs. Men schat in dat een tekort van kennis op de arbeidsmarkt een groeipotentieel kan betekenen voor dergelijke mobiele manipulatoren.
Veel robotontwikkelaars integreren AI-modellen om het programmeren van de robot intuïtiever en laagdrempeliger te maken
Toepassingen van dergelijke robots zien we in het verhandelen van materialen, assemblage en kwaliteitscontrole. Vooral hun mogelijkheid om te kunnen interageren met verschillende werkstations, waar een klassiek mobiel platform of een vaste robot dit niet kunnen, maken hen hiervoor ideaal. Ook logistieke taken zoals sorteren, picking uit magazijnen en het transporteren van goederen tussen werkstations behoort hierdoor tot de mogelijkheden.
