Robots zoals de vierpotige Spot van Boston Dynamics kunnen nu zelfstandig en nauwkeurig analoge thermometers en drukmeters aflezen terwijl ze door fabrieken en magazijnen navigeren. Deze ontwikkeling maakt volledig geautomatiseerde inspectierondes mogelijk, waarbij menselijke tussenkomst alleen nog nodig is voor interventie bij afwijkingen.

Wat er aan de hand is

Google DeepMind heeft op 14 april een nieuw robotica-AI-model gelanceerd, genaamd Gemini Robotics-ER 1.6. Volgens Google functioneert dit model als een “hoog-niveau redeneermodel voor een robot” dat taken kan plannen en uitvoeren. Een specifieke nieuwe vaardigheid is het nauwkeurig kunnen interpreteren van analoge instrumenten, zoals meters met meerdere wijzers, vloeistofniveaus in doorzichtige buizen (sight glasses) en tekst. Deze vooruitgang is het resultaat van een doorlopende samenwerking met robotica-bedrijf Boston Dynamics, dat de technologie test op zijn vierpotige Spot-robot. Boston Dynamics, eigendom van Hyundai Motor Group, test dergelijke robots actief in industriële faciliteiten, waaronder autofabrieken, om ze in te zetten als autonome inspecteurs.

Wat dit betekent

Voor industriële en logistieke bedrijven betekent dit een verschuiving van robots als simpele camera’s op wielen naar autonome operators die zelfstandig kunnen diagnosticeren. Inspecties, een vaak repetitieve en soms gevaarlijke taak, worden hierdoor fundamenteel anders. Waar voorheen een medewerker of een op afstand bestuurde robot foto’s moest maken voor later beoordeling, kan de robot nu ter plekke vaststellen of een meterwaarde binnen de grenzen valt. Dit reduceert de tijd tussen detectie en actie aanzienlijk. Het opent vooral mogelijkheden voor middelgrote bedrijven die de hoge kosten van volledig maatwerk-robotica niet kunnen dragen; door gestandaardiseerde AI-modellen zoals die van Google kunnen ze goedkopere, meer generieke robotplatforms toch complexe taken laten uitvoeren.

Hoe je dit kunt toepassen

De praktische toepassing hangt sterk af van jouw specifieke situatie en de volwassenheid van je automatisering. De ontwikkeling toont vooral de richting aan: inspectietaken worden steeds meer software-gestuurd en minder afhankelijk van gespecialiseerde, dure hardware. Hier zijn enkele scenario’s om over na te denken.

Als je een productie- of fabrieksmanager bent… kun je je voorbereiden door je inspectieprocessen te standaardiseren. Maak een lijst van alle analoge meters, thermometers en sight glasses die regelmatig gecontroleerd moeten worden. Documenteer de acceptabele waardes voor elk instrument. Deze gestructureerde data is de eerste, cruciale stap om later een automatisch systeem te kunnen voeden, of dat nu een AI-robot of een vast geïnstalleerde camera is.

Als je verantwoordelijk bent voor onderhoud in een groot magazijn of distributiecentrum… is het de moeite waard om de kosten van handmatige inspectierondes in kaart te brengen. Denk aan loonkosten, gemiste defecten en potentiële veiligheidsrisico’s voor personeel. Deze business case kan de investering in verkennende tests met robotica of visie-AI helpen rechtvaardigen, ook al begin je klein met een proef op een specifieke afdeling.

Als je een technisch dienstverlener of installatiebedrijf runt… ligt de kans in het aanbieden van ‘slimme inspectie’ als service. Je zou kunnen onderzoeken of je bestaande onderhoudscontracten kunt uitbreiden met periodieke inspecties uitgevoerd door een robotpartner. Dit verhoogt de waarde voor de klant met objectieve, gedocumenteerde data en kan helpen bij voorspellend onderhoud.

De kern is dat de intelligentie om meters te lezen steeds meer een commodity wordt via cloud-AI. De uitdaging verschuift van het bouwen van de slimme camera naar het integreren van de data die hij produceert in je bestaande onderhoudssystemen en werkprocessen.

Bron: Arstechnica