Page 10

TU Delft Robotics Institute Hoe kunnen we robots en mensen op een effectieve manier laten samenwerken? Dat is de wetenschappelijke uitdaging van het TU Delft Robotics Institute, waarbinnen onderzoekers van bijna alle faculteiten samenwerken. Samen bestrijken ze een scala aan vakgebieden. Dat omvat ‘harde’ robotwetenschappen als mechatronica, embedded systems, control en AI, maar ook ‘zachte’ disciplines als mensmachine-interactie, ethiek en design. Het onderzoek richt zich op drie thema’s. Het eerste thema, robotzwermen, draait om simpele robots die gezamenlijk complexe taken kunnen uitvoeren, zoals observeren, meten, en verzenden van data. Het tweede thema, robots die werken, gaat over robots die voor of samen met mensen taken kunnen uitvoeren in een productieomgeving. Het derde thema, interactieve robots, behelst robots die fysiek en/ of sociaal met mensen kunnen omgaan en hen bijstaan.

is niet zo moeilijk een computer blij te maken. Het mooie hiervan is dat de robot iets leert dat je als mens haast niet kunt programmeren. Snel kunnen beslissen is een must voor robots. Ze opereren immers real-time in de echte wereld, net als mensen. Daarom kijken we naar de beslismodellen die mensen gebruiken. We weten uit de neuropsychologie dat wij in onze hersenen ook met modellen werken. Een droom is bijvoorbeeld een soort simulatie bedoeld om een informatie-overload te verwerken. Veel van wat we doen is gebaseerd op voorspellingen in de hersenen. Als je een bal zou proberen te vangen op basis van zintuiglijke waarnemingen, ben je te laat. Je hersenen berekenen waar de bal terecht zal komen, uitgaande van eerdere ervaringen. Die voorspellende modellen in de hersenen passen we steeds aan met nieuwe data. Zulke voorspellende modellen kun je ook voor systemen maken, predictive control heet dat. Zo kun je proberen te voorspellen hoe de beweging van een robot er in de volgende paar seconden uitziet. Je simuleert een scenario met daarin heel veel verschillende inputs van alle mogelijke bewegingen. Vervolgens kies je de voorspelling uit die het meest overeenkomt met wat je wilt. De seconde

10

daarna doe je dat allemaal opnieuw. Dus eigenlijk net als een schaakgrootmeester, die meerdere zetten vooruitdenkt, en dat na de zet van zijn tegenspeler opnieuw doet. Schaken is moeilijk, maar in een beetje beperktere setting kun je wel honderd stappen vooruit rekenen. Het mooie is dat je in zo’n raamwerk allerlei eisen en beperkingen kunt meenemen. Stel dat een van de scenario’s die je berekent tot een heel slecht gevolg leidt, dan kun je zorgen dat je systeem daar van afblijft. Bij zwermrobots kun je dit goed toepassen. Een zwerm van kleine, goedkope robotjes die elk een deel van een taak uitvoeren, kunnen gezamenlijk iets heel moois doen. Je wilt alleen niet dat ze onnodig botsen als ze zich voortbewegen, daarvan gaan ze maar kapot. Als ze wieltjes hebben, kun je aan de hand van de snelheden van het linkeren het rechterwiel een paar seconden vooruit voorspellen welke bochten ze gaan maken. Als je als robot dan met je camera een andere robot ziet aankomen en er een botsing dreigt, pas jij je route aan. Elk lid van de zwerm heeft een eigen, weliswaar klein breintje, maar ze hoeven niet alle robotjes in de zwerm continu in de gaten te houden. Zoiets werkt verbazend goed in de praktijk. Decentrale regeling is hier efficiënter dan centrale regeling. Een ander voorbeeld

Highlights 2015 NL  

Highlights TU Delft 2015

Read more
Read more
Similar to
Popular now
Just for you