Hoe leer je een robot groente en fruit plukken?

Kunstmatige intelligentie en machine learning methoden hebben onlangs hun grote potentieel voor dataverwerking en redeneren laten zien. Wageningen University & Research (WUR) streeft ernaar een cruciale rol te spelen bij het mogelijk maken van de digitale transformatie in de agrofood en life sciences.

Robots trainen met menselijke bewegingen
Momenteel werken we aan data gestuurde methoden om robots te leren hoe ze een taak moeten uitvoeren, zoals het selectief oogsten van een vrucht. Dit doen wij door als mens de taak voor te doen. Vanwege de natuurlijke variatie in de scčne is het niet mogelijk om voor dergelijke taken een vast bewegingstraject voor de robot te programmeren. In plaats daarvan gaat een mens de taak aan de robot demonstreren voor verschillende scenario's en voor een beperkt aantal herhalingen. De bewegingen van de mens worden vastgelegd met behulp van een motion capture (mocap) systeem.

In de trainingsfase die volgt, wordt de volledige taak opgesplitst in kleinere delen, zogenaamde motion primitives. De vereiste motion primitives worden gegeneraliseerd en gemodelleerd met behulp van een probabilistisch imitatie machine learning netwerk. Nadat de training is voltooid heeft het systeem geleerd hoe de taak moet worden uitgevoerd. Vanaf dat moment kan het worden gebruikt om toekomstige bewegingstrajecten te berekenen voor ongeziene scenario's en om de beweging van de fysieke robotarm aan te sturen. Toekomstig onderzoek zal in het leerproces niet alleen rekening houden met de beweging van de robotarm, maar ook met de aansturing van de robotgrijper en data van sensoren in de grijper (tactiele sensoren).

Samenwerken aan het ontwikkelen van robots?
Wil je samenwerken met de experts van Business Unit Glastuinbouw en Bloembollen van WUR en met WUR Agro Food Robotics aan het ontwikkelen van robots? Neem contact op voor meer informatie over de projecten en activiteiten!?

Bron: Wageningen U&R Business Unit Glastuinbouw