Robotica rukt op in de logistiek. Een grote uitdaging voor robots blijft het picken van goederen. Veel producten en dozen zijn verschillend in formaat, terwijl robots – goed in het uitvoeren van repetitieve taken – niet met die variatie om kunnen gaan. Fizyr wil daar met deep learning software verandering in brengen.
Herbert ten Have, ceo bij Fizyr, legt tijdens Logistica uit hoe Fyzir robots aanleert om met verschillende producten en formaten om te gaan. Dat doet het door middel van deep learning, een vorm van machine learning waarbij neurale netwerken worden aangewend om een computer complexe taken te leren. Fyzir (voorheen Delft Robotics) vertelt de computer niet waar hij op moet letten, maar geeft de computer zo veel voorbeelden van een product, dat het algoritme zelf ontdekt waaraan hij een product kan herkennen. De algoritmes leren dat door middel van foto’s. Daar zijn doorgaans een paar duizend foto’s voor nodig. “Net als wanneer je een kind het verschil tussen een appel en een peer leert. Als je een kind maar vaak genoeg een appel geeft, weet het op een gegeven moment vanzelf dat het een appel is.”
De grote uitdaging zit hem in producten als vlees, boeketten en groenten; producten die altijd verschillen in formaat. Het algoritme creëert daarvoor een 3D afbeelding van het product, waarmee het via een pointcloud op zoek gaat naar een vlak oppervlakte om het product te picken. Vervolgens navigeert het algoritme de robot naar het product en wordt de gripper geactiveerd. “Dit alles gebeurt in een mum van tijd”, legt Ten Have uit.
Ten Have verwacht dat Fizyr een grote rol kan gaan spelen in de logistiek. “In bijna alle situaties waarbij robots momenteel worden gebruikt is sprake van goods to person, bijvoorbeeld bij Amazon en Vanderlande, dus er is nog veel terrein te winnen.” Ook bij AutoStore, een systeem dat bakken uit een rooster bij de orderpickers brengt, worden de goederen naar de picker gestuurd. “Wij integreren daar de robot die goederen ook uit de box kan halen. Zo kan AutoStore de hele keten automatiseren.”