Hoe leert een humanoid robot een nieuwe taak?
Kort antwoord
Niet elke nieuwe taak vraagt om het trainen van een AI-model. Er zijn vier aanpakken, van licht naar zwaar: een bestaande vaardigheid instellen, een workflow opbouwen, de robot laten leren van demonstraties, of trainen in simulatie. Kies de lichtste aanpak die de taak aankan; dat bespaart tijd en data.
Vier aanpakken
| Aanpak | Wanneer | Wat u nodig heeft |
|---|---|---|
| 1. Bestaande vaardigheid instellen | De robot kan de beweging al, bijvoorbeeld lopen, praten of een object aanwijzen | Configuratie en testen |
| 2. Workflow opbouwen | Een taak bestaat uit bekende stappen in een vaste volgorde | Taakbeschrijving en software, zoals Genie Studio |
| 3. Leren van demonstraties | De taak is te variabel om uit te programmeren, zoals grijpen van wisselende objecten | Demonstratiedata via teleoperatie of dataverzameling |
| 4. Trainen in simulatie | Veel varianten testen voordat de robot het echt doet | Een simulatieomgeving zoals Genie Sim |
AGIBOT levert hiervoor eigen software: Genie Studio voor dataverzameling, training en taakopbouw, en Genie Sim om virtueel te oefenen, meten en verbeteren.
Welke trainingsdata heeft u nodig?
Goede trainingsdata begint met een dataspecificatie. Leg vooraf vast:
- de taak en de variatie die de robot moet aankunnen: objecten, posities, belichting;
- welke signalen u vastlegt: beeld, diepte, gewrichtsstanden, kracht of tastgevoel;
- dat alle signalen goed gesynchroniseerd zijn;
- hoe u geslaagde en mislukte pogingen labelt;
- een aparte set om het resultaat te testen.
Kwaliteit en variatie wegen zwaarder dan hoeveelheid. Begin klein, meet het resultaat en breid gericht uit.
Wat is teleoperatie?
Bij teleoperatie bestuurt een operator de robot op afstand, terwijl de robot de bewegingen uitvoert. Dat is vooral handig om demonstraties op te nemen als trainingsdata, om een taak begeleid uit te voeren terwijl de robot nog leert, en om bewegingen te testen. Vertraging, netwerkeisen en de benodigde bedieningsset stemmen we per opstelling af.
Data verzamelen zonder robot
U kunt ook trainingsdata verzamelen zonder dat er een robot aan te pas komt. Met de MEgo Gripper en MEgo View voert een mens de taak uit en worden beeld, beweging en grijpkracht vastgelegd.
Data-eigendom en privacy
Spreek vooraf af wie eigenaar is van de data, waar die wordt opgeslagen en hoe u omgaat met de AVG als er mensen in beeld zijn.
Veelgestelde vragen
Moet voor iedere nieuwe taak een AI-model worden getraind?
Nee. Veel taken lossen we op met een bestaande vaardigheid of een workflow. Leren van demonstraties is nodig als de taak te variabel is om uit te programmeren.
Hoeveel trainingsdata is nodig?
Dat hangt af van de taak en de variatie. Begin met een kleine, goed opgezette dataset en breid uit op basis van testresultaten.
Vervangt simulatie een test op de echte robot?
Nee. Simulatie versnelt het leren en testen, maar de uiteindelijke toets gebeurt altijd op de robot in een realistische situatie.
Kunnen we trainingsdata verzamelen zonder robot?
Ja, met de MEgo Gripper en MEgo View van Maniformer, een AGIBOT-bedrijf.