TUE-robots geven wereld betekenis

5 december 2018 

Onder meer omdat de wereldbevolking vergrijst en het percentage werkenden daalt, moeten we steeds meer automatiseren, ook taken die tot nu toe nog buiten bereik lagen. Dat vraagt om een nieuwe generatie van robots die begrijpen wat er om hen heen gebeurt. In een vaste en gestructureerde setting is dat relatief eenvoudig, maar mobiele robots zoals agv’s en zelfrijdende auto’s moeten ook hun weg kunnen vinden in onbekende en steeds variërende omgevingen.

‘Voor die categorie van robots kun je niet alles van tevoren uitprogrammeren’, weet Gijs Dubbelman, hoofd van de researchafdeling Mobile Perception Systems aan de TU Eindhoven. ‘Mobiele robots hebben de flexibiliteit en perceptie nodig om zich aan te passen. Met al hun sensoren moeten ze hun omgeving niet alleen kunnen waarnemen en alle objecten kunnen classificeren, ze hebben ook de intelligentie nodig om dat op een betekenisvolle manier te doen. Semantiek noemen we dat.’

Bij normale condities kunnen TUE-onderzoekers voor elke pixel de juiste klasse bepalen.

Dubbelman verwijst naar de radartechnologie waarmee sommige auto’s zijn uitgerust. ‘Daarmee kun je al onderscheid maken tussen een auto, een vrachtwagen of een fiets. Met camerabeelden kun je nog veel verder gaan omdat die veel meer data bevatten. Met patroonherkenning en artificial intelligence willen we die informatie eruit halen.’

Van pixels naar betekenisvolle objecten, dat lukt alleen met flinke rekenkernen. Gelukkig is de processorkracht enorm gestegen. Gpu’s zijn – vooral door de al maar groeiende eisen in de gamingindustrie – steeds beter in staat om snel en nauwkeurig beelden door te rekenen en te analyseren. Een tweede positieve factor is dat er tegenwoordig heel veel materiaal beschikbaar is om de neurale netwerken te trainen.

‘Met goed licht en bij normale weersomstandigheden kunnen we op dit moment voor elke pixel de juiste klasse bepalen’, vertelt Dubbelman. ‘Auto, stoep, zebrapad, allerlei vervoersmiddelen, noem maar op. In totaal ruim honderd klassen. Dat aantal is beperkt door de rekenkracht van de gpu. We kunnen wel meer categorieën invoeren, maar dan wordt het systeem te traag voor in een auto. Daar wil je minstens dertig frames per seconde verwerken. Op hoge snelheden zoals op de snelweg moet het zelfs naar 60 f/s. Wij draaien nu vijftien tot twintig frames per seconde voor honderd klassen.’

De Eindhovense onderzoekers willen uiteindelijk naar een perceptie-ai toe die even slim is als die van een mens. ‘Dat gaan we misschien niet halen, maar zo’n kunstmatig systeem is wel altijd alert’, benadrukt Dubbelman het verschil met een mens. ‘Ook kan ai de wereldkampioen schaken verslaan, maar is autorijden nog te ingewikkeld. Terwijl dat voor mensen redelijk eenvoudig is.’ Een ander doel is dat robots straks niet alleen alle objecten herkennen, maar ook kunnen voorspellen wat ze gaan doen. ‘Dan kunnen ze anticiperen. Daar is de mens heel goed in, maar ai niet. Elk jaar maken we daarin stapjes, maar het kan makkelijk nog tien tot vijftien jaar duren voordat een robot echt kan anticiperen en reageren op zijn omgeving.’

AGENDA

Topbanen
Ministerie van Defensie

Word technicus bij Defensie

Ministerie van Defensie

Nederland

Verbruggen

Manager Assembly & FAT

Verbruggen

Emmeloord

Techwatch

Techwatch | bv | Novio Tech Campus | Transistorweg 7-H | 6534 AT Nijmegen
T. +31 (0)24 - 350 3532 | info@techwatch.nl

Copyright ©  2018 Mechatronica&Machinebouw - All Rights Reserved

×