Humanoids komen dichterbij

Één van de aanjagers van humanoids is de snelle ontwikkeling van kunstmatige intelligentie, en dan met name Physical AI. Deze technologie koppelt kunstmatige intelligentie aan fysieke handelingen. AI analyseert dan niet alleen data, maar stuurt camera’s, sensoren, grijpers, robotarmen, mobiele platforms en uiteindelijk ook humanoids aan. Dat is een belangrijk verschil met klassieke automatisering. Een industriële robot is sterk in herhaalbare taken binnen een strak afgebakende cel. Zolang de positie van het product, het gereedschap en de grijper exact bekend zijn, kan zo’n robot jarenlang betrouwbaar produceren.

Dit artikel komt uit ons JubileumMagazine – 25 jaar MetaalNieuws.
Benieuwd naar meer verhalen uit 25 jaar metaalindustrie?
Blader het magazine online door. 

Veel werk in fabrieken is echter minder voorspelbaar. Onderdelen liggen net anders, bakken staan op een andere plek, operators vragen om ondersteuning bij wisselende taken of een product moet eerst visueel worden beoordeeld voordat het verder kan. Daar zit de belofte van Physical AI. Systemen nemen hun omgeving waar, interpreteren informatie en zetten die om in fysieke acties. Een humanoid kan in dat beeld de flexibele schakel worden tussen mens, machine en bestaande automatisering.

De eerste industriële toepassingen liggen vooral in logistieke en ondersteunende taken rond het productieproces, zoals bakken verplaatsen, onderdelen aanreiken en eenvoudige visuele controles.

Van demonstratie naar werkvloer

De versnelling van humanoids komt niet uit het niets. Grote technologiebedrijven investeren fors in humanoids, met Tesla Optimus als bekend voorbeeld. Ook in China is de ontwikkeling zichtbaar. Unitree bouwt aan een breed portfolio van humanoids en ontwikkelt veel componenten, zoals motoren, regelaars en perceptietechnologie, in eigen huis. Dat betekent niet dat humanoids op korte termijn massaal inzetbaar zijn. De kloof tussen demonstratie en betrouwbare praktijkinzet blijft groot. Robots kunnen inmiddels lopen, grijpen, objecten herkennen en eenvoudige routes volgen, maar vaak is dit nog niet volledig autonoom. Een humanoid moet om kunnen gaan met allerlei wisselende omstandigheden zoals wrijving, vervuiling, afwijkende productposities, krappe ruimtes, veiligheidszones, menselijke bewegingen en storingen die niet in het trainingsmodel zaten. Dat maakt de implementatie lastig.

Toch verschuift de lat snel. Siemens liet met NVIDIA en Humanoid zien hoe een humanoid in de elektronicafabriek in Erlangen logistieke taken uitvoerde. De robot pakte bakken op, transporteerde ze en plaatste ze bij operators. Daarbij werden prestaties genoemd van zestig bakbewegingen per uur, meer dan 8 uur inzetduur en een autonome pick-and-place-score boven 90 procent.

Gebouwd voor menselijke omgevingen

De belangrijkste reden dat humanoids interessant zijn voor onder andere de maakindustrie ligt in hun vorm. Fabrieken zijn grotendeels ontworpen rond mensen. Werkbanken, deuren, stellingen, handgrepen, knoppen, palletposities, trappen, looproutes en gereedschappen volgen menselijke afmetingen en bewegingen. Een robot met een menselijke bouw kan zich daardoor door een bestaande omgeving bewegen zonder dat de complete fabriek opnieuw hoeft te worden ingericht.

Een humanoid kopen is pas het begin. Voor autonome inzet in fabrieken, bouwplaatsen en logistieke omgevingen is langdurige training nodig.

Dat maakt humanoids vooral aantrekkelijk voor bedrijven met veel variatie en beperkte ruimte. Een humanoid wordt interessant waar automatisering nu blijft steken op de randvoorwaarden rond handling, logistiek en ondersteuning. Denk aan het aanvoeren van ruwmateriaal, het openen van deuren, het plaatsen van werkstukken, het uitnemen van producten, het verplaatsen naar reiniging of meting en het klaarzetten van gereedschap voor de volgende order. Een humanoid kan in theorie bijvoorbeeld gereedschapshouders naar de voorinstelling brengen, spanmiddelen verzamelen, meetmiddelen klaarleggen of producten naar de meetkamer brengen. In combinatie met vision AI kan hij bramen, vervuiling, ontbrekende markeringen of verkeerde oriëntatie signaleren.

Extra functionaliteiten

Op termijn kan de menselijke vorm zelfs worden losgelaten waar dat functioneel voordeel oplevert. Een humanoid hoeft niet beperkt te blijven tot twee armen, vijf vingers en dezelfde gewrichten als een mens. Een extra arm kan helpen bij montage of het gelijktijdig ondersteunen en positioneren van onderdelen. Een uitklapbare ondersteuning kan kratten, panelen of bakken tijdelijk dragen. Meer vingers of andere grijpervormen kunnen kwetsbare of onregelmatige onderdelen beter hanteren. Juist omdat de basisvorm aansluit op de menselijke fabriek, kan de machine daar later bovenuit groeien.

Dat toekomstbeeld vraagt nog flinke technische vooruitgang. Accu’s zijn zwaar en snel leeg als een robot continu loopt, tilt en balanceert. Gewrichtsmotoren kunnen te warm worden bij langdurige belasting. Ook de fijnmotoriek, reactietijd en betrouwbaarheid moeten omhoog voordat onbemande inzet in productie realistisch wordt. De humanoid die 24 uur per dag werkt, vraagt dus niet alleen betere AI, maar ook betere aandrijftechniek, energiemanagement, koeling en veiligheidsarchitectuur.

Europa moet toepassen

De ongemakkelijke vaststelling is dat Europa de slag om de ontwikkeling en productie van humanoids nu al grotendeels lijkt te hebben verloren. De kopgroep zit in de Verenigde Staten en China. Daar bevinden zich de grote AI-platformen, de kapitaalkrachtige technologiebedrijven, de snel opschalende robotbouwers en steeds vaker ook de toeleveringsketens voor kritische componenten. Europa heeft sterke machinebouwers, robotintegratoren, kennisinstellingen en automatiseringsbedrijven, maar geen vergelijkbare positie in de grootschalige ontwikkeling van humanoidplatformen. Dat betekent niet dat Europa buitenspel staat. De volgende fase wordt niet beslist door wie de opvallendste robot bouwt, maar door wie hem productief, veilig en rendabel laat werken in echte omgevingen. Dat is een ander speelveld. Fabrieken, bouwplaatsen, logistieke centra en onderhoudsomgevingen leveren de praktijkdata waarmee humanoids bruikbare vaardigheden leren. Daar ligt een kans voor Europa en zeker voor Nederland.

In het Humanoid Application Center in Schiedam onderzoeken bedrijven hoe humanoids kunnen leren werken in bestaande praktijkomgevingen. De nadruk ligt op toepassing, training en integratie.

Trainen wordt bepalend

In Schiedam is daarvoor recent het Humanoid Application Center geopend. De inzet is niet om zelf een humanoidplatform te bouwen, maar om kennis op te bouwen over toepassing, training en implementatie. Bedrijven kunnen er usecases identificeren en onderzoeken hoe humanoids in hun processen passen. Een humanoid kopen is één ding. Hem autonoom iets nuttigs laten doen in een praktijkomgeving is iets heel anders. Juist dat trainen wordt bepalend. Veel vaardigheden zullen ontstaan via imitation learning, waarbij mensen taken voordoen en de robot daarvan leert. Vervolgens moet de robot die handelingen robuust uitvoeren onder wisselende omstandigheden. Dat vraagt vaste bouwblokken, goede data, lokale rekenkracht, veilige softwarearchitectuur en mensen die begrijpen hoe je met zo’n systeem werkt. De uitdaging zit dus niet alleen in de robot, maar ook in de organisatie eromheen.

Bedrijven die nu beginnen met usecases, datakwaliteit, IT-structuur en training, bouwen een voorsprong op in implementatie. De hardware zal hoogstwaarschijnlijk uit Amerika of China komen. De productiviteit ontstaat pas wanneer die hardware leert omgaan met de praktijk en de dagelijkse variatie van echte processen. Daar is de slag nog niet beslist.