Hoe train je een robot?
Begin met één duidelijke taak. Verzamel voorbeelden, train een model en test of de robot de handeling ook onder wisselende omstandigheden uitvoert.
Lees meer →Leren
Een robot leert met de juiste voorbeelden en data. We verzamelen taakgerichte data, bereiden datasets voor en trainen en testen de robot op de handelingen die u wilt laten uitvoeren.

Begin met één duidelijke taak. Verzamel voorbeelden, train een model en test of de robot de handeling ook onder wisselende omstandigheden uitvoert.
Lees meer →Goede trainingsdata laat zien hoe uw taak wordt uitgevoerd. Organiseer de opname, kwaliteit en opslag voordat u op grote schaal gaat verzamelen.
Lees meer →AGIBOT ontwikkelt software voor dataverzameling, modeltraining, simulatie en het overbrengen van modellen naar robots. Welke combinatie past, hangt af van uw taak en uitvoering.
Lees meer →Een robot alleen is niet genoeg om een nieuwe taak te trainen. Bereid ook de werkplek, software, data en mensen voor.
Lees meer →Ontdek hoe u een trainingstraject organiseert: van de eerste taak en demonstraties tot het beoordelen van een model en testen op de robot. De ontwikkelomgeving van AGIBOT; Humanoid-direct begeleidt u bij opzet en training.
Lees meer →Bouw een virtuele taakomgeving, verzamel synthetische voorbeelden en vergelijk robotmodellen voordat u een toepassing op de echte werkplek beproeft. Het simulatieplatform van AGIBOT: virtueel oefenen vóór een praktijktest.
Lees meer →01
We leggen de handelingen, objecten, variatie en gewenste prestaties vast. Daarna kiezen we welke bestaande vaardigheden bruikbaar zijn en welke training nog nodig is.
02
Afhankelijk van de taak gebruiken we demonstraties, teleoperatie, sensordata of simulatie. We controleren de kwaliteit, ordenen de voorbeelden en leggen vast welke situaties de dataset afdekt.
03
Met de verzamelde data trainen we de benodigde vaardigheid. We houden bij welke data, configuratie en modelversie zijn gebruikt, zodat resultaten vergelijkbaar blijven.
04
We testen ook op objecten en omstandigheden die buiten de trainingsvoorbeelden vallen. Zo wordt zichtbaar wat betrouwbaar lukt, wanneer een mens moet ingrijpen en welke aanvullende training nodig is.
De afgesproken dataset of getrainde vaardigheid, met testresultaten en inzicht in de resterende beperkingen. Data-eigendom, verwerking en overdracht leggen we vooraf vast.