Huidige geavanceerde robots worden aangestuurd door zogeheten Vision-Language-Actionmodellen (VLA-modellen). Deze modellen fungeren als het brein van de machine: ze combineren camerabeelden met menselijke instructies en zetten deze om in fysieke handelingen.
In de praktijk veroorzaakt dit verwerkingsproces een storende vertraging. Nadat een robot een specifieke taak heeft afgerond, staat hij stil om de gegevens voor de volgende actie te berekenen. Dit leidt tot een stotterend ‘stop-and-go’-patroon: reiken, pauzeren, bijstellen en opnieuw pauzeren. En juist dat vormt tot op heden een belangrijke barrière voor de inzet van robots in omgevingen waar continu realtime interactie vereist is.
Lees ook: Dit gevaarlijke werk nemen robots straks van ons over
Efficiëntie via het VLASH-systeem
Maar nu is er het AI-systeem VLASH, ontwikkeld door onderzoekers van onder meer MIT, Nvidia, Caltech, UC Berkeley en Tsinghua University.
VLASH schat op basis van de ingeplande bewegingen waar de robot aan het einde van zijn actie zal eindigen. En vanuit die verwachte positie plant het systeem alvast de volgende actiereeks in, weet LiveScience te melden.
In praktijktests met industriële processen zoals sorteren, stapelen en pick-and-place-opstellingen voerden robots hun taken anderhalf tot twee keer sneller uit. De maximale ‘reactielatentie’ nam, afhankelijk van de gebruikte hardware , tot wel 11,8 keer af, met behoud van de precisie.
De onderzoekers maken het Jip-en-Janneke-duidelijk met dit voorbeeld. „Traditionele robots werken als een bestuurder die bij elk verkeerslicht volledig stopt om de routekaart opnieuw te bestuderen. VLASH werkt als een ervaren chauffeur die de navigatie al afleest terwijl hij doorrijdt. Dat verschil in continuïteit verandert alles voor industriële automatisering.”
Revolutie Robotica
Revolutie Robotica is een zesdelige videoserie over de technologische revolutie van morgen. Aragorn Meulendijks neemt je mee naar de plekken waar de toekomst vandaag al wordt gebouwd.
Dit is de link naar de video’s die laten zien hoe robotisering de wereld verandert en wat dat betekent voor het Nederlandse bedrijfsleven.
Geen extra hardware of zware rekenkracht nodig
Omdat het systeem de toekomstige toestand van de robot berekent op basis van reeds geplande bewegingen, is er geen apart voorspellingsmodel of extra inferentiestap nodig.
Ook herstructureerden de onderzoekers de bestaande trainingsdata. Dit versnelde afzonderlijke trainingsstappen met een factor 3,26, wat de ontwikkeling van toekomstige toepassingen aanzienlijk kan stroomlijnen.
Toepassingen: van fabrieksvloer tot dynamische omgevingen
Om de reactiesnelheid extreem te testen, lieten de onderzoekers de robots tafeltennissen en het spel Whac-a-Mole spelen.
Waar traditionele VLA-modellen moeite hebben met snel bewegende doelen, verwerkt VLASH 15 tot 30 keer per seconde nieuwe visuele waarnemingen. Hierdoor kan de robot direct bijsturen wanneer een object onverwachts van positie veranderd.
Roshni Lulla, Chief Research Officer bij het Institute for Humane Robotics, nuanceert de doorbraak. „In een gecontroleerde laboratoriumomgeving is een verdubbeling van de snelheid een fantastische prestatie. Maar de echte lakmoesproef voor het bedrijfsleven volgt pas wanneer deze ‘snelle’ robots moeten reageren op de chaos van een drukke fabriekshal, waar mensen onvoorspelbaar rondlopen en dozen niet netjes recht staan.”
Móet je zien!
In China rukken ‘dark factories’ en volledig geautomatiseerde opslagplaatsen in rap tempo op, maar hoe staat de Nederlandse logistiek ervoor?
Aragorn Meulendijks neemt een kijkje achter de schermen bij de gigantische warehouses van bol, PostNL en Albert Heijn. Hoeveel menselijke handelingen zijn er nog nodig en hoe veranderen robots en slimme AI-algoritmes de manier waarop onze pakketjes en boodschappen bezorgd worden?
Ontdek in deze aflevering van Revolutie Robotica hoe dicht we al bij het ‘Dark Warehouse’ zijn.
Ontvang elke week het beste van BusinessWise in je mailbox, ook over robotica. Schrijf je hier nu gratis in:
