Het antwoord: Robots leren niet langer alleen van code, maar van beelden van mensen die alledaagse handelingen uitvoeren, zoals eten in een kom doen of dozen tillen. Voor Nederlandse MKB’ers betekent dit dat fysieke processen in magazijnen, keukens of fabrieken straks aan robots kunnen worden ‘voorgedaan’ zonder dat daar dure programmeurs aan te pas komen.

Wat er aan de hand is

Volgens een artikel van MIT Technology Review investeren robotica-bedrijven massaal in het verzamelen van data over menselijke bewegingen om mensachtige robots te trainen. Waar grote taalmodellen zoals ChatGPT leerden van miljarden woorden, ontbrak het robotici aan een vergelijkbare dataset voor fysieke handelingen. In 2025 stroomde er 6,1 miljard dollar aan durfkapitaal naar mensachtige robots alleen. Om voldoende trainingsdata te verzamelen, worden nu wereldwijd mensen ingezet: van gig workers in Nigeria, Argentinië en India die zichzelf filmen tijdens huishoudelijke taken tot trainingscentra in China waar werknemers met exoskeletten en VR-brillen honderden keren per dag dezelfde beweging herhalen. In de VS voorziet een bezorgbedrijf zijn medewerkers van sensoren die hun bewegingen registreren tijdens het tillen van dozen.

Wat dit betekent

Voor het Nederlandse MKB is deze ontwikkeling relevant omdat het de drempel verlaagt om robots in te zetten voor fysiek werk. Tot nu toe was het trainen van robots een specialistische klus, vaak voorbehouden aan grote bedrijven met eigen engineers. De nieuwe aanpak, waarbij robots leren van video’s van mensen, betekent dat straks ook kleinere bedrijven hun eigen processen kunnen laten vastleggen. Denk aan een magazijnier die laat zien hoe hij dozen stapelt, een keukenmedewerker die een gerecht bereidt of een fabrieksmedewerker die een machine bedient. Die beelden worden trainingsdata voor robots die diezelfde handelingen kunnen overnemen. Dat kan op termijn leiden tot lagere personeelskosten en minder fysieke belasting voor werknemers, maar ook tot verschuivingen in de vraag naar laaggeschoold werk.

Hoe je dit kunt toepassen

Als je een magazijn runt waar medewerkers dagelijks dozen tillen en sorteren, kun je overwegen om een pilot te starten waarbij je bewegingen laat registreren met eenvoudige camera’s of sensoren. Je zou kunnen samenwerken met een robotica-leverancier die deze data gebruikt om een robotarm te trainen voor repetitieve handelingen. Een mogelijkheid is om eerst één specifiek proces, zoals het stapelen van pallets, te laten analyseren. Op basis daarvan kun je beoordelen of automatisering rendabel is voor jouw schaal.

Als je een professionele keuken hebt, bijvoorbeeld in een cateraar of restaurant, kun je denken aan het vastleggen van standaardbereidingen zoals snijden, mengen of portioneren. De beelden kunnen dienen als trainingsmateriaal voor een robot die deze taken overneemt. Overweeg om een robotica-startup te benaderen die gespecialiseerd is in food-robots en vraag of zij een proof of concept willen draaien op basis van jouw keukenprocessen.

Als je een assemblagebedrijf hebt waar medewerkers onderdelen in elkaar zetten, kun je onderzoeken of er robotica-bedrijven zijn die werken met ‘learning from demonstration’. Je zou een aantal medewerkers kunnen vragen om hun handelingen te filmen terwijl ze hun werk doen, met toestemming en onder duidelijke afspraken over privacy. Die beelden kunnen dienen als basis om een robotarm te trainen voor eenvoudige montagehandelingen. Een optie is om te beginnen met een taak die veel repetitie kent en weinig fijnmotorische precisie vereist.

Als je een logistiek bedrijf bent dat bezorgingen doet, kun je kijken naar sensoren die bewegingen registreren bij het laden en lossen. Net als het Amerikaanse bezorgbedrijf uit het artikel kun je medewerkers uitrusten met sensoren om niet alleen trainingsdata te verzamelen, maar ook inzicht te krijgen in ergonomie en blessurerisico’s. De data kun je vervolgens gebruiken om een robot te trainen die het zware tilwerk overneemt.

De praktische toepassing hangt af van jouw specifieke situatie en de beschikbaarheid van robotica-diensten die met deze trainingsmethode werken. Het is verstandig om contact te leggen met een kennisinstelling of robotica-leverancier die ervaring heeft met ‘learning from demonstration’ om de mogelijkheden voor jouw bedrijf te verkennen.

Bron: MIT Technology Review (https://www.technologyreview.com/2026/04/21/1135656/humanoid-data-robot-training-ai-artificial-intelligence/)