Robots zoals de vierpotige Spot van Boston Dynamics kunnen nu zelfstandig en nauwkeurig analoge thermometers en drukmeters aflezen terwijl ze door fabrieken en magazijnen lopen. Deze verbetering komt door het nieuwste robotica-AI-model van Google DeepMind, dat de robotische vaardigheden voor ’embodied reasoning’ – redeneren in een fysieke omgeving – moet verbeteren.

Wat er aan de hand is

Google DeepMind heeft op 14 april het Gemini Robotics-ER 1.6 model aangekondigd. Volgens het bedrijf functioneert dit als een “hoog-niveau redeneermodel voor een robot” dat taken kan plannen en uitvoeren. Een specifieke nieuwe vaardigheid die dit model mogelijk maakt, is het nauwkeurig aflezen van instrumenten zoals complexe meters. Het model stelt robots ook in staat visuele inspecties uit te voeren via zogenaamde ‘sight glasses’, transparante vensters om in tanks en leidingen te kijken. Deze ontwikkeling is het resultaat van een doorlopende samenwerking tussen Google DeepMind en het robotica-bedrijf Boston Dynamics. Boston Dynamics test zijn viervoetige Spot-robot en mensachtige robots actief in industriële faciliteiten, waaronder de autofabrieken van Hyundai Motor Group, het moederbedrijf van Boston Dynamics. De Spot-robot wordt getest als een mobiele inspectierobot die door industriële hallen patrouilleert. Voor deze inspectietaken is “complex visueel redeneren” nodig om meerdere wijzers, vloeistofniveaus, schaalverdelingen en tekst op verschillende instrumenten te interpreteren.

Wat dit betekent

Voor industriële bedrijven, logistieke centra en fabrieken betekent dit een stap richting volledig geautomatiseerde inspectierondes. Tot nu toe moesten mensen nog altijd zelf meters aflezen of robots waren beperkt tot het detecteren van grove afwijkingen. Deze AI-upgrade stelt robots in staat om dezelfde fijnmazige, visuele controle uit te voeren als een menselijke operator. Dit is vooral relevant voor sectoren waar continue monitoring van druk, temperatuur of vloeistofniveaus cruciaal is, zoals de chemische industrie, voedselverwerking, energiecentrales en grote magazijnen met klimaatinstallaties. Het vervangt niet per se mensen, maar kan hen bevrijden van routinematige en soms gevaarlijke inspectieloopjes, zodat zij zich kunnen richten op analyse en interventie.

Hoe je dit kunt toepassen

De praktische toepassing hangt sterk af van jouw specifieke situatie en de aanwezigheid van inspectieroutines die geschikt zijn voor automatisering. De technologie is in de testfase bij grote industriële spelers, maar de ontwikkeling zet een duidelijke richting uit voor de bredere industrie.

Als je een productie- of fabrieksmanager bent… kun je beginnen met het in kaart brengen van alle visuele inspectiepunten in je proces. Denk aan drukmeters op perslijnleidingen, thermometers op reactievaten of peilglazen op mengtanks. Documenteer hoe vaak deze gecontroleerd moeten worden en wat de acceptabele marges zijn. Deze inventarisatie vormt de basis om de haalbaarheid en ROI van geautomatiseerde inspectie later te beoordelen.

Als je verantwoordelijk bent voor onderhoud in een groot logistiek centrum of gebouw… zou je kunnen onderzoeken of repetitieve controles, zoals het checken van de druk op HVAC-systemen of het temperatuurloggen in koelcellen, kandidaat-taken zijn voor automatisering. De waarde zit niet alleen in arbeidsbesparing, maar vooral in de consistentie en frequentie van dataverzameling, wat predictive maintenance mogelijk maakt.

Als je een engineer of technisch consultant bent in de industrie… is het verstandig deze ontwikkeling te volgen. De integratie van ‘ziende’ en ‘redenerende’ robots in bestaande SCADA-systemen en onderhoudssoftware (CMMS) wordt een groeiend vakgebied. Kennis van zowel de operationele technologie (OT) als de mogelijkheden van AI-gestuurde robotica wordt een waardevolle combinatie.

Overweeg om, voordat je investeert, eerst een pilot uit te voeren met een beperkt aantal kritische meetpunten om de betrouwbaarheid van de robot-inspectie in jouw specifieke omgeving te valideren.

Bron: Arstechnica