Toepassingen voor kunstmatige intelligentie (AI) verbeteren het vermogen van industriële robots om snel en accuraat te reageren op sensor- en beelddata. De integratie van AI-functionaliteit rechtstreeks in de robotcontroller zorgt niet alleen voor snellere objectherkenning, maar verhoogt ook de kwaliteit, betrouwbaarheid en snelheid en biedt meer mogelijkheden bij het samenwerken met mensen.
Robots nemen taken over die voor mensen te gevaarlijk, te ingewikkeld, te moeilijk, te vuil of te eentonig zijn. In de industrie is de automatisering van dergelijke werkzaamheden met behulp van robots inmiddels een veelvoorkomend gegeven. Er is steeds naar gestreefd de mechanisch zeer flexibele machines flexibel te laten reageren op veranderende situaties zonder ingewikkeld programmeerwerk. Zo zijn de vrij programmeerbare bewegingen en grijpbewerkingen vaak niet stringent van tevoren vastgelegd, maar reageren ze op de input van sensoren.
Robots hebben meer flexibiliteit nodig
Toch is het altijd een vaste algoritmische programmering die meestal geoptimaliseerd is voor hoge werksnelheden. Bij de meeste toepassingen worden de programma’s uitgevoerd door de met de machine meegeleverde robotcontroller. In bijzonder tijdkritische gevallen, zoals bij het ontvormen van nieuwe kunststofonderdelen in spuitgietmachines, is de mate van integratie groter. Daar nemen de machinebesturing en de aandrijfsturing voor de afzonderlijke assen rechtstreeks de sturing van de robotkinematica over.
In veel gevallen kunnen en mogen robots mensen niet vervangen, maar moeten ze ondersteuning bieden en een handje helpen. Mensen en machines moeten op de werkplek nauw samenwerken in een gezamenlijk proces. De visie ten aanzien van robots die mensen ondersteunen in ziekenhuizen en zorginstellingen, maar ook in hun eigen huis of bij hun dagelijkse verplaatsingen gaat nog verder.
Een eerste stap in deze richting zijn de zogenaamde cobots (collaboratieve robots). Deze vereisen echter complexe aanvullende sensortechnologie, bijvoorbeeld in de vorm van een aanraakgevoelige huid en verdere aanpassingen om deze samenwerking mogelijk te maken zonder de veiligheid in gevaar te brengen.
Bovendien maakt de onvoorspelbaarheid van menselijke handelingen het er niet gemakkelijker op om de robots uit hun kooien te bevrijden. Daarom konden zij tot nu toe alleen samenwerken met een sterk gereduceerde snelheid. Het gebruik buiten een industriële omgeving mislukt niet in de laatste plaats vanwege de onbekende en veranderlijke omgeving waarin geen enkele software-ontwikkelaar kan voorzien en waarmee rekening moet worden gehouden.
Zintuiglijke waarnemingen voor robots
Goederen uit de doos halen en veilig samenwerken met mensen zijn de klassieke uitdagingen in de robotica. Oplossingen voor beide gevallen ontstaan in combinatie met beeldverwerkingssystemen en hoogontwikkelde sensortechnologie. Daartoe behoren 360°-laserscanners, time-of-flight (ToF)-camera’s of stereo 3D-dieptecamera’s.
Zij geven de robots niet alleen de mogelijkheid om de te grijpen objecten te herkennen, maar ook om de omgeving in drie dimensies waar te nemen. Bovendien biedt het de mogelijkheid van visuele kwaliteitscontrole van de vastgegrepen onderdelen tijdens het proces. Zo kan de robot bij die gelegenheid onderdelen die niet aan kwaliteitseisen voldoen verwijderen. Dit leidt zeker tot lagere kosten dan wanneer we later in het proces een kwaliteitscontrole doen.
Onafhankelijkheid door AI
Hoewel dergelijke taken ook zuiver algoritmisch kunnen worden opgelost, is er meer voor nodig om van robots zowel coöperatieve als efficiënte collega’s te maken. Ze moeten het vermogen bezitten om zich aan nieuwe situaties aan te passen. Kunstmatige-intelligentietoepassingen zoals deep learning zijn zeer geschikt voor patroonherkenning in beeldgegevens. Dankzij hun realtime-evaluaties kan de nauwkeurigheid van objectdetectie en persoonsbescherming bij collaboratieve operaties aanzienlijk worden verbeterd. Tegelijkertijd kunnen ze worden gebruikt voor kwaliteitsborging. Bovendien kunnen methoden voor machinaal leren worden gebruikt om de robot een statistisch tijdsvoordeel te voorzien via een voorspellende positionering.
Laten we dit illustreren aan de hand van een voorbeeld. In de assemblagehal van een bandenfabriek demonteert een stationaire zesassige gelede robot aan weerszijden van het hefplatform de wielen. Met behulp van een 3D vision systeem bepaalt hij waar het wiel zich in de ruimte bevindt, of en zo ja welke naafdop moet worden verwijderd en hoeveel schroeven er op welke exacte posities moeten worden losgedraaid. Als er een ontbreekt of zichtbaar beschadigd is, bestelt hij een nieuwe bij de onderdelenwinkel. Voordat de robot een wiel monteert, kan hij de profieldiepte bepalen en registreren, zodat deze zichtbaar is in de storage act of op de factuur van de klant.
De te monteren wielen worden gebracht door een Autonome Mobiele Robot (AMR). Aangezien alle drie de machines voortdurend hun omgeving observeren – de AMR gebruikt deze informatie ook om te navigeren – worden botsingen vermeden. Anderzijds kunnen de assemblagerobots in positie komen wanneer de AMR nadert, zodat geen tijd wordt verloren bij het verwijderen van de wielen. Zij herkennen de exacte positie van de schroefgaten voordat ze worden verwijderd. Vóór de montage draaien ze elk wiel om eventuele onbalans op te sporen en te documenteren. Na succesvolle montage laden ze de verwijderde wielen op de AMR.
Het gebruik van deze robots, zoals in het voorbeeld, vermindert de werkbelasting voor de werknemer aanzienlijk. Hij zou minder fysiek veeleisend werk moeten doen, zoals het monteren van de banden en ook minder eentonig werk zoals het los- en vastschroeven van bouten. In dat geval zou de werknemer zich op andere taken kunnen concentreren.
Hoe integreren we AI in de robot?
AI-toepassingen zijn als veel toepassingen als software-as-a-service (SaaS) in de cloud beschikbaar. Veel gebruikers maken zich echter zorgen over de betrouwbaarheid van de dataverbindingen met het oog op de aanzienlijke hoeveelheden gegevens. Deze kunnen een aanzienlijke kostenfactor vormen. Het ligt daarom voor de hand om de inferentieberekeningen te verplaatsen naar de rand van het systeem, naar de zogenaamde edge.
Terwijl in het verleden AI-toepassingen moesten worden uitbesteed aan dure krachtige systemen, maakt de beschikbaarheid van gespecialiseerde AI-co-processoren en de integratie daarvan in single-board computers of besturingscomputers het tegenwoordig mogelijk om de uiterst rekenintensieve AI-bewerkingen direct op de plaats van behoefte uit te voeren.
Er zijn bijvoorbeeld al robots met navenant krachtige grafische processorborden die ook geschikt zijn voor de verwerking van sommige AI-taken. Daarnaast brengen steeds meer leveranciers ontwikkelaarskaarten en single board computers met geïntegreerde AI-versnellerchips (Tensor Processing Units; TPU) op de markt. Aangesloten op de robotcontroller – sommige modellen beschikken al over de juiste aansluitingen – of geïntegreerd in de beeldverwerkingssystemen, bieden deze de mogelijkheid om machine learning en deep learning toepassingen rechtstreeks op de robot uit te voeren.
Lerende robots laten leren
AI kan robots niet de cognitieve vermogens van mensen geven. Het stelt hen in staat hun gedrag aan te passen aan veranderende omgevingsomstandigheden in een slecht gestructureerde wereld op basis van statistische empirische waarden op basis van de verzamelde informatie. Het hierboven beschreven scenario zou niet realiseerbaar zijn met klassiek programmeerwerk of alleen met enorme programmeringsinspanningen en dat geldt met name in situaties waarin met mensen moet worden samengewerkt.
Cognitieve, d.w.z. met AI uitgeruste robots moeten dit gedrag echter eerst aanleren door terugkerende patronen, regelmatigheden of anomalieën te identificeren op basis van neurale netwerken. Het beste is dat zij dit niet in de fabriek doen, waar mislukte pogingen een negatief effect op de efficiëntie van het productieproces hebben, maar dit eerder doen. Om dit te realiseren kan de systeemintegrator de digital twin van de installatie in korte tijd zonder enig risico trainingsrondes in het computermodel laten uitvoeren. Hiervoor kunnen we echter ook vooraf getrainde inferentiemodellen gebruiken, die steeds vaker onderdeel van de standaarduitrusting van AI-hardware en -software zijn. Daarnaast is het goed om de mate van autonomie te beperken tot wat noodzakelijk is.
Hiervoor is expertkennis benodigd en het betekent ook dat AI softwareontwikkelaars en besturingsprogrammeurs allesbehalve overbodig maakt. Het stelt ze in staat de problemen op een andere manier te benaderen en biedt andere, vaak handiger hulpmiddelen. Het omgaan met deze hulpmiddelen moet echter worden geleerd en geoefend en vereist tegelijkertijd een mentale omschakeling.
Voor deze toepassingen zijn er niet allee de grote, dure en vaak ingewikkeld te installeren industriële robots. Zo biedt reichelt elektronik een breed aanbod voordelige robots die uitstekend geschikt zijn als ontwikkelingsplatform, voor laboratoriumtoepassingen en voor opleiding en experimenten. Daartoe behoren ook autonoom wandelende robots met vier benen die op honden lijken.
De toestellen zijn vrij programmeerbaar via een open Robot Operating System. De middleware heeft een rijke bibliotheek van kant-en-klare functies. Dit maakt het gemakkelijk om aan de slag te gaan. De online retailer van elektronica- en computertechnologie kan ook de passende sensoren en camerasystemen leveren inclusief de bijbehorende accessoires en AI-compatibele single board computers uit één enkele bron.
Slimmere robots, d.w.z. robots met AI aan boord, kunnen meer. Zij scoren met een grotere onafhankelijkheid en een hogere kwaliteit, betrouwbaarheid en snelheid en zijn beter geschikt om met mensen samen te werken. Daardoor zijn ze ook voor kleinere toepassingen economisch levensvatbaar. Ze staan aan het begin van hun levenscyclus, maar we gaan ze steeds vaker zien en op een gegeven moment kunnen we niet zonder deze slimmere robots. Wie zich hierop voorbereid, zal hier op korte of lange termijn de vruchten van plukken.
Tobias Wölk werkt bij de afdeling Product Management Automation Technology bij reichelt elektronik
