Een robot leren door een taak precies voor te doen. Momenteel is dit nog vrij ingewikkeld, maar in de toekomst biedt deze aanpak allerlei mogelijkheden voor het automatiseren van taken. Ingenieurs van RoboHouse, TNO, TU Delft en Do IoT Fieldlab analyseren verschillende toepassingen om de normen voor gerobotiseerd leren op afstand verder te ontwikkelen.
Duur
September 2025 – februari 2026
Partners (TU Delft)
Do IoT Fieldlab, TU Delft, RoboHouse
Partners (andere)
De huidige tekorten aan arbeidskrachten, economische factoren en technologische ontwikkelingen dwingen wetenschappers en bedrijven om nieuwe manieren van werken te ontwikkelen voor werkgevers. Robots gaan steeds meer taken uitvoeren om mensen te helpen. Denk aan saaie en herhalende werkzaamheden, zware taken, uiterst nauwkeurige handelingen of werken in een gevaarlijke omgeving. Momenteel worden robots handmatig geprogrammeerd om een taak uit te voeren. De taakbeschrijving moet zeer gedetailleerd en nauwkeurig zijn om het juiste resultaat te krijgen – en bij elke variatie is er weer nieuw programmeerwerk nodig. Deze aanpak heeft grote beperkingen: hoe gevarieerder de omgeving en de taak, hoe minder makkelijk je dit kunt automatiseren. Het is namelijk erg moeilijk is om alle mogelijke variabelen te verwerken. Daarom zoeken wetenschappers naar nieuwe manieren om een robot te leren hoe je een taak uitvoert. Wat als een robot zijn kennis kan verbreden en zich kan aanpassen aan nieuwe situaties?
Gelijktijdig
Bij deze nieuwe aanpak doet iemand voor wat de robot moet leren en imiteert de robot zijn manier van werken. De robot leert letterlijk van zijn instructeur. De technologie van IMitation Learning en Visual Language Action-modellen leert de robot om de context te begrijpen van wat hij ‘ziet’ via zijn camera’s en sensoren. Menselijke operators en robots communiceren op een natuurlijke manier met elkaar en de robot kan nieuwe taken leren. Denk hierbij aan iets oppakken, verpakken, schoonmaken, assembleren, of voorwerpen opstapelen, het vouwen en vullen van een doos voor verzending, enz. Er zijn allerlei mogelijkheden te bedenken, maar eerst moeten nog veel stappen worden gezet voordat dit soort flexibele automatisering echt mogelijk wordt.
VR, AR en 5G technologie
De experimenten combineren verschillende technologieën. De robot ontvangt de instructies voor zijn bewegingen van een instructeur. De operator kan in de praktijk niet altijd naast de robot staan. Daarom is er behoefte aan ’teleoperatie’, oftewel het op afstand, vanuit een willekeurige locatie, bedienen van de robot. Daarbij is het gebruik van 5G essentieel om de samenwerking soepel te laten verlopen. Deze technologie is nodig om de enorme hoeveelheden data met een extreem lage vertraging te verwerken. Bovendien zullen mobiele robots in de toekomst flexibele taken uitvoeren; ze moeten klaar zijn voor 5G en 6G. Momenteel worden de experimenten uitgevoerd met VR; tech-experts verwachten dat dit in de toekomst wordt uitgebreid naar AR.
In dit project wordt een proof of concept ontwikkeld van een robot die wordt bestuurd door een imitatie-leerwijze, samen met intuïtieve interfaces (zoals handgeleiding, controllers, spraak) om de robot te bedienen. De resultaten komen beschikbaar in een open, herbruikbaar testbed voor het MKB, onderwijsinstellingen en onderzoeksorganisaties, zodat zij concrete toepassingen in kunnen ontwikkelen.
