Systeemintegratie voor robots in kassen

Samenwerking tussen mens en robot zorgt voor betere kassen

Wereldwijd worden in kassen enorme hoeveelheden groente en fruit per oppervlakte-eenheid geteeld onder gecontroleerde omstandigheden. Deze kassen zijn sterk afhankelijk van menselijke arbeid. Maar doordat de kassen steeds groter worden en de productie-eisen steeds strenger, neemt het aantal repetitieve werkzaamheden toe.

Daarom worden er tegenwoordig voor specifieke werkzaamheden steeds vaker robots ontwikkeld. Deze (semi-)autonome robots werken samen met mensen en (uiteindelijk) ook met andere robots. Niet alleen voor de veiligheid in de kas maar ook om zo efficiënt mogelijk te kunnen werken, is een goede communicatie tussen de robot en de mens van cruciaal belang.

Uniforme taal

Het spreekt voor zich dat als robotfabrikanten dezelfde taal gebruiken, dit bevorderlijk is voor de effectiviteit van de communicatie en de verdere ontwikkeling en innovatie van technologieën. En dat geldt ook voor de robot in de kas.

Daarom wordt gewerkt aan de Common Greenhouse Ontology (CGO), die uiteindelijk ook de communicatiestandaard moet worden voor SENS. In de praktijk betekent dit dat CGO zal worden gebruikt voor alle communicatie tussen SENS en de robots in de kas.

SENS is generiek en onafhankelijk van het robotmerk. Een eenmalige conversie van de taal van een nieuwe robot naar CGO maakt communicatie mogelijk met SENS en met alle andere robots waarvoor een dergelijke CGO-conversie beschikbaar is.

"Nadenken" over onverwachte situaties

Een kasrobot is uitgerust met sensoren en camera's, die worden gebruikt voor navigatie en het uitvoeren van zijn specifieke taak. Door extra (fabrikantonafhankelijke) functionaliteit toe te voegen, kan de informatie die de robot verzamelt, worden gebruikt om zijn communicatie te verbeteren. Het standaardbericht is "Robot stopped, unidentified object".

Een innovatie ten opzichte hiervan is dat de robot wordt uitgerust met geavanceerde contextspecifieke objectdetectie en denkvermogen. Voor objectdetectie en afwijkingsdetectie hebben we modules geïntegreerd die eerder zijn ontwikkeld voor het Appl.AI flagship SNOW (voor veilige autonome systemen in de echte wereld) . Hieruit blijkt maar weer eens dat kennis uit het ene domein succesvol kan worden overgedragen naar het andere.

We werken eraan dat robots een object kunnen identificeren, de status ervan kunnen bepalen en zelf kunnen beredeneren of de operator moet ingrijpen of dat de situatie door de robot zelfstandig kan worden opgelost. Om de robot zelf te laten denken, integreren we kennis van de kas zoals weergegeven via de CGO.

Op deze manier kan de robot beslissen welke extra informatie hij aan de operator geeft over de context, en of het om een kritiek bericht gaat of dat het puur ter informatie dient. In het eerste geval kan de operator zich op andere taken (blijven) concentreren. In het tweede geval is er echt iets aan de hand en moet er actie worden ondernomen. Dit zorgt voor minder stilstandtijd van de robot en maakt de werkomgeving in de kas betrouwbaarder en veiliger.

Standaard voor gedeelde gegevens

Dankzij deze ontwikkelingen wordt de stap naar gedeelde datasystemen tussen verschillende robotsystemen veel kleiner. Daarnaast komt daarmee het beheer van een complete vloot robots van verschillende merken en met verschillende taken dichterbij.

Dit is niet alleen goed nieuws voor de robotfabrikanten maar ook voor de kastuinder, die meer vrijheid krijgt om te werken met systemen van zijn eigen voorkeur. Bovendien leiden een standaard voor gegevensmodellen en transparante, open methoden voor het delen van gegevens tot meer innovatie in deze sector, en zullen ontwikkelaars en gebruikers hierdoor nieuwe oplossingen en technologieën gaan combineren en toepassen.