menu close Teknologiens Mediehus
Artiklen er forkortet. Se den fulde version hos Ingeniørens PRO-medie Industrytech.
De første generationer af selvkørende biler bruger allerede kunstig intelligens, så kunne industrirobotter ikke gøre det samme? Og for eksempel selv lære at kende forskel på en skrue eller en møtrik, inden genstanden fiskes op af en kasse, hvilket ellers er en af de sværeste processer at automatisere i dag?
Tanken lyder besnærende, men selvom flere af de teknologiske komponenter til en sådan løsning allerede findes, vil kunstig intelligens – eller maskinlæring, som teknologien ofte benævnes i denne sammenhæng – ikke udkonkurrere konventionel robotprogrammering lige med det samme.
»Kunstig intelligens er ét af flere værktøjer i værktøjskassen. Men det er langtfra det eneste saliggørende. Og jeg tror mest på teknologien i en kombination med traditionel robotprogrammering,« mener Ole Ravn, der er professor på DTU Elektro og har forsket i både robotter og kunstig intelligens.
Banen er ellers kridtet op til AI’s gennembrud inden for robotteknologi. Der er i dag sensorer, visionsystemer, neurale netværk og computerkraft til rådighed, som i princippet kan bane vejen for robotter, som via neurale netværk og kamerateknologi kan trænes i at genkende bestemte objekter eller forhindringer.
Googles AI-division har da også sat sig som mål at udvikle forbedre robotter via maskinlæring – og omvendt –, ligesom Teknologisk Institut herhjemme arbejder på at gøre robotter i stand til at sortere miljøfarligt affald via kunstig intelligens.
Senest har den danske robotproducent MIR lanceret et navigationssystem til sine mobile robotter baseret på kunstig intelligens. Det gør robotterne i stand til at kende forskel på en person og en gaffeltruck – og efterfølgende agere ud fra det. Robotteknologiens helt store udfordring.
Netop i forbindelse med navigationssystemer ser Ole Ravn AI som et rigtigt stærkt værktøj, der kunne give øget effektivitet og højere oppetider:
»Traditionelt har man et kort, der gengiver det miljø, robotten befinder sig i. Men sådan et kort skal hele tiden opdateres. Der kunne det være smart, hvis man kan bruge AI til løbende at lære robotten, hvordan fabrikslayoutet er på den og den dag, så den selv tilpasser sig omgivelserne.«
Også Jørgen Christian Larsen, lektor på Mærsk McKinney Møller-instituttet på SDU, mener, at ét af de helt store potentialer ved kunstig intelligens er at gøre robotterne i stand til at tilpasse sig vores verden – og ikke omvendt, som det er tilfældet i dag:
»Det er den store udfordring med robotter i dag. De skal præprogrammeres, og alting skal tilpasses robotterne, og det burde jo være anden vej rundt. Der kunne kunstig intelligens gøre robotterne bedre i stand til at tilpasse sig omgivelserne,« siger Jørgen Christian Larsen, der er ph.d. i robotteknologi og kunstig intelligens.
Artiklen er forkortet. Se den fulde version hos Ingeniørens PRO-medie Industrytech, der blandt andet beskriver, hvordan sortering af kyllingefødder er en svær opgave for AI.
