Een nieuwe generatie simulatiesoftware maakt het testen en trainen van robotsystemen bereikbaar voor meer bedrijven, niet alleen voor grote tech-giganten. Dit opent mogelijkheden voor efficiëntere logistiek, landbouw en productieprocessen bij het MKB, zonder de hoge investeringskosten van fysieke prototypes.

Wat er aan de hand is

De startup Antioch heeft een investering van 8,5 miljoen dollar opgehaald om simulatiesoftware te ontwikkelen voor een nieuwe generatie robotbouwers. Het bedrijf, opgericht door voormalig Cruise-ingenieur Samuel O’Brien, positioneert zichzelf als de “Cursor voor fysieke AI”. Cursor is een populaire AI-code-editor, en de vergelijking moet duidelijk maken dat Antioch complexe robotica-simulatie toegankelijker wil maken, net zoals Cursor dat voor programmeren deed. Het doel is om ontwikkelaars te voorzien van de tools om robotsystemen virtueel te ontwerpen, testen en trainen voordat ze in de echte wereld worden gebouwd. Dit sluit aan bij een bredere trend waarin simulatie-omgevingen, voorheen het domein van gevestigde spelers als Nvidia met hun Omniverse-platform, democratiseren.

Wat dit betekent

Voor ondernemers in sectoren zoals logistiek, magazijnbeheer, landbouw of lichte productie betekent dit een potentieel lagere drempel om met robotisering te experimenteren. Het ontwikkelen en fijnslijpen van een robottaak – bijvoorbeeld het sorteren van pakketten of het inspecteren van gewassen – vereist normaal gesproken duizenden uren aan tests in de echte wereld. Dit is kostbaar, tijdrovend en kan de apparatuur slijten. Met krachtige simulatiesoftware kunnen deze tests virtueel en versneld worden uitgevoerd. Het betekent niet dat fysieke robots plotseling goedkoop zijn, maar wel dat de ontwikkelings- en trainingskosten ervan kunnen dalen. Voor een middelgroot distributiecentrum of een gespecialiseerde machinebouwer wordt het daardoor financieel haalbaarder om geautomatiseerde oplossingen te verkennen of op maat te ontwikkelen.

Hoe je dit kunt toepassen

De praktische toepassing hangt af van jouw situatie. De komst van gebruiksvriendelijkere simulatiesoftware is vooral relevant als je processen hebt waar herhaalbare, fysieke handelingen een rol spelen. Het stelt je in staat om automatisering eerst virtueel te verkennen voordat je grote kapitaalinvesteringen doet.

Als je een magazijn of distributiecentrum runt… kun je simulaties gebruiken om verschillende robotopstellingen te testen. Stel, je overweegt automatische geleide voertuigen (AGV’s) of een robotarm voor orderpicking. In een simulatieomgeving kun je eerst virtueel modelleren hoe deze systemen door jouw specifieke ruimte navigeren, hoe ze omgaan met piekmomenten en waar knelpunten ontstaan. Dit geeft data om een beter onderbouwde investeringsbeslissing te nemen.

Als je actief bent in de tuinbouw of precisielandbouw… biedt simulatie een manier om sensoren en robots te trainen voor taken zoals onkruiddetectie of selectief oogsten. Je zou een virtuele versie van jouw kas of veld kunnen creëren, met verschillende gewasgroei- en lichtcondities. Een AI-model kan in die simulatie leren om bijvoorbeeld rijpe tomaten van onrijpe te onderscheiden, voordat de software ooit op een fysieke robot wordt gezet.

Als je een machinebouwer bent of gespecialiseerde productie-apparatuur maakt… kun je simulatie inzetten om de integratie van robotcomponenten te ontwerpen en valideren. Bij het ontwikkelen van een nieuwe verpakkingslijn kun je eerst alle bewegingen, snelheden en interacties tussen robots en transportbanden virtueel optimaliseren. Dit reduceert het risico op dure aanpassingen tijdens de fysieke bouw en installatie bij de klant.

Overweeg om, als dit thema relevant is, op de hoogte te blijven van de ontwikkeling van deze tools. De belofte is dat ze, net als veel andere software, steeds toegankelijker worden in gebruik en prijs, waardoor experimenteren voor MKB-bedrijven steeds laagdrempeliger wordt.

Bron: TechCrunch