Een nieuwe AI-model van Google stelt robots zoals de vierpotige Spot van Boston Dynamics in staat om zelfstandig en nauwkeurig analoge meters en thermometers af te lezen tijdens inspectierondes in fabrieken en magazijnen. Dit maakt geautomatiseerde visuele inspecties betrouwbaarder en vermindert de noodzaak voor menselijke tussenkomst bij routinematige controles.

Wat er aan de hand is

Google DeepMind heeft op 14 april een nieuw robotica-AI-model genaamd Gemini Robotics-ER 1.6 aangekondigd. Dit model fungeert als een “hoog-niveau redeneermodel voor een robot” dat taken kan plannen en uitvoeren, volgens het bedrijf. Een specifieke verbetering is de nieuwe mogelijkheid voor robots om instrumenten zoals complexe meters en thermometers visueel te interpreteren. Deze ontwikkeling is het resultaat van een doorlopende samenwerking tussen Google DeepMind en Boston Dynamics. Boston Dynamics test haar robot “Spot” al als mobiele inspectierobot in industriële faciliteiten, waaronder fabrieken van haar moederbedrijf Hyundai. Dergelijke inspecties vereisen complex visueel redeneren om meerdere wijzers, vloeistofniveaus en schaalverdelingen op instrumenten te kunnen lezen.

Wat dit betekent

Voor industriële bedrijven, logistieke centra en utiliteitsbouwers betekent dit een stap voorwaarts in autonome inspectie. Tot nu toe konden robots wel rondlopen en foto’s maken, maar moesten mensen die beelden alsnog interpreteren. Nu kan de robot zelf, ter plekke, een meting ‘zien’ en registreren. Dit verhoogt de frequentie en consistentie van inspecties, omdat een robot 24/7 kan rondlopen zonder vermoeidheid. Het is vooral relevant voor sectoren met veel visuele controles: de procesindustrie (chemie, voedsel), energiecentrales, waterzuiveringsinstallaties en grote magazijnen met koelcellen. Het maakt continue monitoring van kritieke parameters mogelijk, wat kan leiden tot vroegtijdige detectie van afwijkingen en dus minder stilstand.

Hoe je dit kunt toepassen

De praktische toepassing hangt sterk af van jouw specifieke situatie en de complexiteit van je faciliteit. De technologie is in ontwikkeling en wordt getest in grote industriële omgevingen. Voor een Nederlandse ondernemer of facility manager zijn dit mogelijke denkrichtingen:

Als je verantwoordelijk bent voor onderhoud in een fabriek of productielocatie… kun je onderzoeken of repetitieve visuele inspectierondes, zoals het controleren van druk- en temperatuurmeters op machines, kandidaat-taken zijn voor automatisering. De waarde zit in het creëren van een digitaal logboek van alle metingen, wat trendanalyse en voorspellend onderhoud mogelijk maakt.

Als je een groot logistiek of distributiecentrum beheert… is een mogelijke toepassing het automatisch monitoren van de temperatuur in koel- en vriescellen via de analoge thermometers aan de buitenkant. Een robot kan op vaste tijden een route afleggen en afwijkingen direct signaleren, wat de kwaliteitsborging van goederen ondersteunt.

Als je werkt in de nuts- of infrastructuursector… kun je nadenken over het inspecteren van moeilijk bereikbare of gevaarlijke locaties, zoals pomphuizen of ondergrondse voorzieningen. Een robot die zelf meters kan aflezen, vermindert de noodzaak voor personeel om deze plekken frequent te bezoeken voor simpele aflezingen.

Overweeg om, als de technologie verder beschikbaar komt, te starten met een proef voor één specifiek, repetitief inspectiepunt. De kern is niet per se de robot zelf, maar het automatiseren van het interpreteren van visuele data ter plaatse, wat een nieuwe laag toevoegt aan bestaande sensornetwerken.

Bron: Arstechnica