artikel

Autonome robot in maakbedrijf nog een stap te ver?

Engineering

Autonome robots worden steeds vaker ingezet in de maakindustrie. Maar hoe werken ze precies? En hoe betrouwbaar zijn ze?
Rokus Ottervanger co-founder van RUVU, een startup uit het roboticalab van de TUE, geeft zijn visie.

Autonome robot in maakbedrijf nog een stap te ver?

tekst: Evi Husson

Een autonome robot is een fysiek systeem dat sensordata verzamelt. Deze data is afkomstig van camera’s, dieptemeters, hoogtemeters (bij bijvoorbeeld drones), gyroscopen,… Met deze data moet wat worden gedaan. ‘Bij een mobiele robot is het bijvoorbeeld van belang om aan de hand van data de exacte positie van de robot te bepalen en obstakels op de route die de robot moet afleggen, te vermijden. De sensordata moet worden geanalyseerd om te komen tot enerzijds een schatting van de toestand van het apparaat en anderzijds van zijn omgeving, ook wel het wereldmodel genoemd. Op basis van die twee bronnen van kennis kunnen vervolgens beslissingen worden gemaakt. Beslissingen die ervoor zorgen dat de taken worden uitgevoerd die vooraf zijn bepaald.’
Ottervanger verduidelijkt met een concreet voorbeeld. ‘Een mobiele robot wacht in zijn oplaadstation op een order. Zodra een order binnenkomt – breng producten X, Y, Z van locatie A,B,C naar locatie D – leest de robot wat hij moet doen. Er wordt eerst een beoordeling van de robot zelf gemaakt – zijn specifieke locatie ten opzicht van zijn omgeving moet worden bepaald. Voorwaarde om dit te kunnen doen is dat hij een zogenoemd wereldmodel heeft, een model van zijn omgeving. Het wereldmodel gebruikt hij om enerzijds zijn eigen positie te bepalen in verhouding tot zijn omgeving terwijl hij ook wil weten of er geen obstakels in de weg staan.  Hij gebruikt het wereldmodel daarbij ook om zijn weg te vinden tussen zijn huidige positie en de positie X uit de order. Vanaf het moment dat de robot zijn oplaadstation of startpositie verlaat, ontvangt hij nieuwe sensordata om zijn wereldmodel continu bij te stellen. Daarbij wordt voortdurend nagegaan of het wereldmodel nog steeds toestaat om het vooraf bepaalde plan te volgen. Uiteindelijk, als hij klaar is met het uitvoeren van het plan, heeft hij stap één van zijn doel bereikt en kan hij naar de volgende stap. Loopt er ergens in het traject iets mis, dan zal een ander plan dan initieel voorzien, moeten worden gemaakt met een geüpdatet wereldmodel. Op die manier is er continu interactie tussen de fysieke wereld en het softwaresysteem van de robot.’

Positie bepalen

Dit klinkt vrij logisch en eenvoudig, maar de praktijk is vaak ingewikkelder. Het vormen van een wereldmodel gebeurt aan de hand van meerdere bronnen sensordata die allemaal op hun beurt onnauwkeurigheden hebben. Ottervanger geeft een voorbeeld: ‘We kunnen aan de hand van het meten van de hoeveelheid omwentelingen die een wiel maakt en de stuurhoek wat de nieuwe positie is. Echter, tilt iemand een robot op of slippen de wielen zonder dat de robot zich voortbeweegt, dan stroken de data die worden gegenereerd niet met de werkelijkheid. Hetzelfde kan gebeuren met gps-data. Deze zijn evenmin altijd accuraat. Het systeem ontvangt dus regelmatig conflicterende informatie van bronnen die gemeenschappelijk de toestand of de positie van de robot zouden bepalen. Dat kan voor problemen zorgen.’
Met camera’s werken om de positie te bepalen, is niet altijd de meest geschikte oplossing, stelt Ottervanger. ‘Wanneer het zonlicht op één camera schijnt en niet op de andere, is het beeld al vertekend en levert dit een tegenstrijdig resultaat op. Op dit moment is het genereren van 100 procent betrouwbare data vooralsnog een utopie.’

Eenvoudig versus complex

Een mobiele robot van een positie A naar positie B leiden is overigens een vrij eenvoudige taak. ‘Maar denk eens aan een distributiecentrum waar meerdere robots door elkaar heen bewegen, elk met een eigen plan en eigen orders terwijl daartussen ook nog orders met prioriteit kunnen schuiven. Dat is een vrij complexe situatie. Op dit moment zijn voor dit soort situaties nog niet alle problemen opgelost.’

Vertrouwen in sensoren

Is het inzetten van autonome robots momenteel nog te vroeg? ‘Niet noodzakelijk’, vindt Ottervanger. ‘Sensoren worden de laatste jaren steeds beter waardoor verschillende invloeden die zorgen voor een vertekend beeld, geleidelijk aan worden geëlimineerd. Je kunt de discrepantie tussen verschillende sensorbronnen die nog overblijft, ook weghalen. Dit kan met behulp van softwaretechnieken. Denk bijvoorbeeld aan de sensorfusiemethode waarbij een optimale fusie van verschillende metingen wordt gedaan. Sensoren worden op zo’n manier gemoduleerd zodat daar een onzekerheid aan is gekoppeld. Door in het model rekening te houden met mogelijke fouten en de gemeten afwijkingen te vergelijken met andere metingen kunnen vaak toch de juiste conclusies worden getrokken.’

Kunstmatige intelligentie

Zorgen vision-systemen voor een hogere betrouwbaarheid? ‘Data van camera’s interpreteren is vrij complex. De beelden bestaan uit pixels met een bepaalde rode, groene en blauwe waarde. Informatie hieruit afleiden is niet eenvoudig. Daarom wordt in maakbedrijven die met autonome robots en vision-systemen werken vaak gebruik gemaakt van streepjescodes omdat deze in verschillende lichtomstandigheden eenvoudig zijn te herkennen en interpreteren. Kunstmatige intelligentie in combinatie met vision wordt tegenwoordig wel vaker gebruikt. Neurale netwerken analyseren het beeld en bepalen wat waar staat. Ze delen het beeld op in verschillende rasters of blokken en kennen aan ieder blok een betekenis toe. In de automotive industrie gaan ze soms nog een stap verder. Hier wordt pixel-by-pixel segmentatie toegepast waarbij van iedere pixel wordt gezegd of de pixel behoort tot bijvoorbeeld een voetganger, auto, vangrail,… De oplossingen worden steeds geavanceerder en foutmarges kleiner.’

Meer artikelen over dit onderwerp:

Wat is een autonome robot?

Productie autonome inspectierobots voor explosiegevaarlijke omgevingen gestart

Autonome oogstrobot moet personeelstekort paprikakwekers oplossen

Cobot aan vooravond brede toepassing

Samenwerkende cobots bouwen hollewanddozen

Reageer op dit artikel