Prosjektleder Ekrem Misimi lærer roboten å gripe en minitomat. Nå kan denne typen robotteknologi gjøre inntog i den viktige sjømatnæringen. Foto: Sintef Ocean AS/TYD
Prosjektleder Ekrem Misimi lærer roboten å gripe en minitomat. Nå kan denne typen robotteknologi gjøre inntog i den viktige sjømatnæringen. Foto: Sintef Ocean AS/TYD
Prosjektleder Ekrem Misimi lærer roboten å gripe en minitomat. Nå kan denne typen robotteknologi gjøre inntog i den viktige sjømatnæringen. Foto: Sintef Ocean AS/TYD

Nå kommer de følsomme robotene

Når et samfunn stenges ned, kan roboter i fremtiden ta over mange oppgaver. Noen steder har de imidlertid kommet til kort. Frem til nå ...

zoomSeniorforsker Ekrem Misimi ved Sintef.
Seniorforsker Ekrem Misimi ved Sintef.

Det er i hvert fall visjonen for en helautomatisk, robotbasert produksjon.

Komplisert arbeid, som krever et mykere håndlag, har vært til nå vært forbeholdt menneskehender. Automatisering av industri, blant annet innen fiskeforedling, har i stor grad begrenset seg til mer robust håndtering, slik som pakking.

Nå har forskere ved norske Sintef lært robotene å bli mer «følsomme».

Forskningen, som er publisert, er en del av Sintef sitt iProcess-prosjekt. Dette prosjektet omfatter mange prosjekter tilknyttet robotteknologi. 

Tekfisk har snakket med prosjektleder og Sintef-forsker Ekrem Misimi. 

- Der er små marginer i sjømatnæringen.

Seniorforsker Ekrem Misimi ved Sintef

Brystfilet av kylling

I 2014 utviklet Misimi og hans kolleger den første roboten som nennsomt kunne høste brystfileter av kylling. Misimi har doktorgrad i teknisk kybernetikk.

Han forteller at utviklingen har kommet langt siden 2014. Både algoritmer, maskinsyn og kunstig intelligens - KI - er blitt videreutviklet. Ikke minst har forskerne, takket være den raske utviklingen i de siste årene, fått tilgang til en mer robust KI-basert «verktøykasse» for robotlæring, som han kaller det.

- De kan nå bli tillært såkalt myke egenskaper, slik som mennesker har, sier han.

Ny kunnskap må til om målet om automatisert bearbeiding av matvarer skal nås, mener han.

Roboter må lære å se og å føle.

Se video av Sintef sin «elev» (kopirett: Sintef Ocean AS/TYD)

Lett å ødelegge råvaren

For maskiner er den største utfordringen nye, bløte og formbare objekter. Ikke bare kan de lett ødelegges, men de opptrer i forskjellig form og fasong, slik organiske råvarer gjør. Robotene er i utgangspunktet blanke ark, og er avhengig av instruksjoner eller tillært kunnskap.

Det er her kunstig intelligens kommer inn i bildet. Roboter trenger både visuelle og fintfølende «sanser», i tillegg til evnen til å motta læring.

- Denne koblingen i håndtering av formfulle og myke matobjekter har det vært gjort lite forskning på, mener Misimi. 

Han sier at samspillet mellom en robot og slike objekter er blant de største utfordringene for forskerne i dag. 

Eksempelets makt

- Vi har ambisjon om å lære robotene å gjøre kompliserte oppgaver ved å kombinere taktil og visuell oppfatning, sier Misimi. 

Kombinasjonen av kunstig intelligens, syn og sansende griperedskap skal muliggjøre dette. Forskerne har også utviklet maskinsyn, som gjør roboten i stand til å gjenkjenne objekter, punkter og posisjoner. 

zoomEkrem Misimi er forsker ved Sintef. Følsomme roboter, KI Ekrem Misimi er forsker ved Sintef. Følsomme roboter, KI
Ekrem Misimi er forsker ved Sintef. Følsomme roboter, KI Ekrem Misimi er forsker ved Sintef. Følsomme roboter, KI

Kriser og manuelt arbeid

Misimi trekker frem den pågående koronakrisen for å illustrere hvordan robotene kan bidra i fremtiden.

- Intelligente roboter kan utføre menneskers arbeid i et samfunn som er stengt ned og holde produksjonen oppe, i et scenario hvor det meste av produksjonen er automatisert, sier han.

Manuelt arbeid i store kvanta vil også innebære menneskelige feilkilder. Bruk av roboter vil kunne redusere svinn, og øke både effektivitet og nøyaktighet i arbeidet.

- Der er små marginer i sjømatnæringen, sier Misimi.

FN sitt bærekraftsmål

Forskeren trekker frem FN sitt mål om bærekraft.

- Etterspørsel etter protein vokser i takt med at vi blir flere på kloden. Robotisering kan gi større tilgang til fiskeprotein, tror han.

Anvendelsesområdet er stort. Misimi mener teknologien kan brukes over hele verdikjeden, fra fangsthåndtering og plukking av sild, til posttrimming av laksefilet. 

En milepæl

Misimi kaller prosjektet en milepæl for matindustrien, ikke minst for norsk verdiskaping og konkurranseevne.

- Robotteknologi vil gjøre det mulig å bearbeide mer råstoff i Norge, sier han.

Han trekker også frem reduksjon av matsvinn og miljøbelastning som viktige faktorer.

zoomStillbilde fra video, der roboten griper et ukjent objekt - i dette tilfellet en fisk.
Stillbilde fra video, der roboten griper et ukjent objekt - i dette tilfellet en fisk.

Ulik tilnærming til læring

Sintef sitt iProcess-prosjekt har to ulike tilnærminger til robotlæringen.

Den ene er at roboten kan læres etter demonstrasjon og instruksjon. En ulempe ved denne måten å kombinere visuell og taktil sansing, er at «læreren» kan demonstrere feil.

Misimi påpeker at en robot som kun lærer på denne måten aldri blir bedre enn «læreren».

- Derfor har vi utviklet en strategi basert på de beste gjennomgangene, og der de dårlige forkastes automatisk, forteller Misimi.

Opplæring innebærer instruksjon i gripemåte og håndtering, basert på tredimensjonale bilder og informasjon om sanseinntrykk.

Læring på egen hånd

Den andre er egenlæring, som gjør det mulig for roboten å generalisere inntrykk. Slik kan den kan håndtere naturlige avvik i for eksempel en laksefilet. Det gjør opplæring raskere, og setter roboter i stand til å håndtere et bredere spekter produkter.

- Oppgaven blir raffinert ved at mange episoder av samme oppgave kjøres i et simulert miljø, forteller forskeren. 

Autonome, selvlærte roboter vil for eksempel kunne håndtere fiskeråstoff med sesongvariasjoner. Målet er at individuell håndtering, som er enkelt for et menneske, også skal kunne utføres av roboter.

Fiskefilet og salat

- Det rammeverket vi har laget, viser god evne til generalisering, sier Misimi.

Roboter kan altså læres opp til også å håndtere ukjente typer objekter i mange typer situasjoner. Om objektet er i ro eller i bevegelse, skal roboten være i stand til å unngå feil håndtering.

- Enten det er en fiskefilet eller salat må roboten være «intelligent nok», og så fintfølende at den ikke skader produktene, sier Misimi.

( VILKÅR )
 
Del saken