Onderzoekers van de École Polytechnique Fédérale de Lausanne hebben een methode ontwikkeld waarmee robots met verschillende mechanische structuren dezelfde taak kunnen uitvoeren op basis van één menselijke demonstratie. Het onderzoek is gepubliceerd in Science Robotics.
In industriële omgevingen is het herinzetten van robots bij hardwarevernieuwing kostbaar: taken die geprogrammeerd zijn voor één specifiek robotmodel zijn doorgaans niet direct toepasbaar op een ander model, vanwege verschillen in gewrichtsopbouw en bewegingslimieten. Dit maakt upgrades tijdrovend en vereist gespecialiseerde kennis. Het Learning Algorithms and Systems Laboratory (LASA) van de EPFL presenteert een oplossing voor dit probleem: een robotbesturingsframework genaamd Kinematic Intelligence.
Werkwijze
Het framework werkt in drie stappen. Eerst wordt een door een mens uitgevoerde manipulatietaak — zoals het plaatsen, duwen of gooien van een object — vastgelegd via motion-capturetechnologie. Vervolgens converteert het systeem deze opname naar een algemene, wiskundige bewegingsstrategie die niet gebonden is aan een specifiek robotplatform. Ten slotte analyseert het framework de fysieke eigenschappen van de doelrobot, waaronder gewrichtsbereik en stabiliteitsgrenzen, en past de strategie automatisch aan zodat de robot de taak veilig kan uitvoeren. Aude Billard, hoofd LASA, EPFL: “Deze aanpak kan de benodigde tijd en expertise voor de inzet van robots in praktijkomgevingen aanzienlijk verminderen.”
Validatie
Het framework werd gevalideerd in een assemblagelijst-experiment. Een menselijke operator demonstreerde een driedelige taak: een houten blok van een lopende band duwen naar een werkbank, het op een tafel plaatsen en het in een mand gooien. Drie commerciële robots met onderling sterk verschillende mechanische structuren voerden vervolgens elk een deel van de reeks uit. Het systeem presteerde ook correct wanneer de taakverdeling tussen de robots werd aangepast.
De onderzoekers willen het framework uitbreiden naar mens-robot-samenwerking en taakspecificatie via natuurlijke taal. Daarmee zou een niet-technische gebruiker een robot kunnen aansturen via eenvoudige spraakopdrachten, zonder directe programmeerkennis. Het systeem is ook relevant voor snel evoluerende robotplatformen — zoals humanoïde robots — waarbij vaardigheden bij hardwarevernieuwing zonder aanpassingen overdraagbaar zouden zijn. “De gebruiker geeft het gewenste gedrag aan — het systeem zorgt voor een veilige en betrouwbare uitvoering”, zegt Durgesh Haribhau Salunkhe, wetenschapper LASA, EPFL
Foto credit: 2026 LASA EPFL CC BY SA
