Cruciale vooruitgang in robotica kwam in 2025 niet uit nieuwe motoren, grijpers of sensoren, maar uit een fundamentele verandering in hoe robots hun omgeving waarnemen. AI-gestuurde visie groeide uit van een hulpmiddel tot een kernfunctie. Robots leerden niet alleen beter kijken, maar ook begrijpen wat ze zien. en vooral: daar direct naar handelen ion de echte wereld.
Waar robotica lange tijd draaide om vooraf gedefinieerde taken in voorspelbare omgevingen, begon die beperking los te laten. Zien, interpreteren en bewegen werden steeds meer één doorlopend proces. Vision werd daarmee geen losse technologie meer, maar het startpunt van fysieke autonomie.
Van herkennen naar begrijpen
Traditionele robotvisie was vooral gericht op herkenning. Objecten moesten duidelijk in beeld zijn, netjes gepositioneerd en onder constante lichtomstandigheden. Dat werkte goed in strak ingerichte fabrieken, maar sloot veel toepassingen uit.
In 2025 veranderde dat. Vision-systemen leerden om situaties als geheel te interpreteren. Robots werden minder afhankelijk van vaste posities en ideale omstandigheden. Ze konden omgaan met variatie, rommelige omgevingen en objecten die niet precies voldeden aan het ‘plaatje’. De vraag verschoof van wat zie ik? naar wat kan ik hiermee doen?
De brug tussen waarneming en actie
Die verschuiving maakte nieuwe toepassingen mogelijk. Taken als bin picking, depalletiseren, orderpicken en flexibele assemblage — jarenlang problematisch — kwamen binnen bereik van betrouwbare automatisering. Vision fungeerde steeds nadrukkelijker als de schakel tussen waarneming en fysieke handeling.
In de berichtgeving van Rocking Robots kwam dit thema herhaaldelijk terug, onder meer in de aandacht voor AI-visiespecialist Fizyr. Daar lag de nadruk niet op ‘zien om te zien’, maar op zien met het oog op handelen. Robots moesten begrijpen hoe objecten vast te pakken, te verplaatsen of te oriënteren zijn — niet hoe ze heten.
Visie die gericht is op doen
Ook in dit whitepaper werd dat perspectief uitgewerkt. De kernstelling was dat robotvisie pas waardevol wordt als die direct gekoppeld is aan beweging en controle. Robots opereren niet in pixels of labels, maar in ruimte, kracht en trajecten. Vision moet daarom nauw verbonden zijn met motion planning en besturing.
Die manier van denken won in 2025 terrein. Steeds meer systemen werden ontworpen rond concrete handelingen in plaats van abstracte herkenning. Dat maakte vision niet alleen slimmer, maar ook relevanter voor de praktijk.
Werken in een rommelige werkelijkheid
Een andere belangrijke ontwikkeling was robuustheid. Vision-systemen werden beter bestand tegen omstandigheden die in de echte wereld eerder regel dan uitzondering zijn: wisselend licht, reflecties, vervuiling, vervormbare objecten en gemengde productstromen.
Dankzij vooruitgang in deep learning, synthetische trainingsdata en zelflerende modellen konden robots functioneren in sectoren waar automatisering lange tijd moeilijk bleef. Logistiek, recycling en voedselverwerking profiteerden daar zichtbaar van.
Als zien gevolgen heeft
Naarmate robots zelfstandiger gingen handelen op basis van wat ze waarnemen, groeide ook de behoefte aan betrouwbaarheid en inzicht. Bedrijven wilden weten hoe zeker een systeem is van zijn waarneming, wanneer het faalt en waarom. Vision mocht geen zwarte doos meer zijn.
Die behoefte kwam niet alleen voort uit regelgeving of ethische overwegingen, maar vooral uit praktijkervaring. Als visie direct leidt tot fysieke actie, hebben fouten tastbare gevolgen — voor producten, processen en veiligheid.
Van proefopstelling naar inzet
Aan het einde van 2025 was duidelijk dat AI-visie een van de belangrijkste onderscheidende factoren was geworden in robotica. Niet de meest geavanceerde hardware maakte het verschil, maar het vermogen om de omgeving betrouwbaar te begrijpen en daar adequaat naar te handelen. Robots kregen geen perfect zicht, maar wel voldoende begrip van de wereld om er effectief in te opereren. Vision werd volwassen. niet omdat robots alles zagen, maar omdat ze eindelijk zagen wat ertoe doet.
