De complexe mensenwereld is en blijft lastig voor robots en dat zal nog lange tijd zo blijven, al is er een groep robots die wel moet omgaan met de 'echte mensenwereld': de zorg- en voetbalrobots. Weliswaar is de omgeving waarin een voetbal- of zorgrobot zich bevindt nog aardig gecontroleerd en kun je ze echt de straat niet opsturen, maar het is een stap in de goede richting.
Deze flexibiliteit levert allerlei voordelen op die nog niet terug te vinden is bij industrierobots, waardoor deze vaak nog aan een plek gekluisterd zijn of maar een of enkele taken kunnen uitvoeren. Dat maakt ze duur omdat ze per situatie ontwikkeld moeten worden. Wel zijn steeds meer bedrijven bezig met het ontwikkelen van robots, vaak robotarmen, die zichzelf kunnen voorzien van verschillende gereedschappen en daardoor minder rigide in hun inzet zijn en zelfs met mensen kunnen ‘samenwerken’.
Onderzoek
De Technisch Universiteit Eindhoven is daarom een onderzoeksprogramma gestart om robots te ontwikkelen die op diverse taken ingezet kunnen worden. Het project heet FAST: new Frontiers in Autonomous Systems Technology en er zullen vier promovendi en een tiental studenten aan werken, samen met industriële partners (Lely Industries, Vanderlande Industries, ExRobotics (ImProvia), Diversey en Rademaker).
Zo’n project klinkt natuurlijk fantastisch en in het huidige klimaat ook heel logisch: elke automaker schreeuwt zo langzamerhand van het dak dat hij een autonome auto ontwikkelt en voor we het weten kunnen we als de Jetsons achterover gaan hangen met onze huishoudrobot.
Dat plaatje is wel wat misleidend, niet in de laatste plaats omdat het gewoon heel erg moeilijk is een robot altijd goed te laten functioneren in een wereld zonder speciale bakens en objecten die de robot niet per se herkent of waar ineens iets gebeurt dat nog nooit is voorgekomen.
Aan de andere kant is dat laatste erg interessant: een robot kan ten slotte aan een heel netwerk gekoppeld worden en zo zijn ervaringen in een gedeeld geheugen opslaan. Dergelijk onderzoek wordt momenteel bijvoorbeeld gedaan in Berkeley bij het Autolab waar van deep learning-algoritmes gebruikgemaakt wordt om robots objecten te leren oppakken die ze niet kennen. Een lastige taak voor iets met slechts een simpele arm, maar door de juiste combinatie van kunstmatige intelligentie met deep-learning-algoritmes wordt de kans dat een robotarm iets op de juiste manier kan oppakken een stuk groter.
Uiteindelijk moeten al dit soort technieken gecombineerd worden in autonome robots en zorgen voor veilige, goed functionerende apparaten die ons kunnen bijstaan in taken die voor ons saai, lastig of onmogelijk zijn. Of de TU/e iets heeft aan zijn expertise bij het ontwikkelen van voetbal- en zorgrobots moet de komende vier jaar blijken.
