Intryck från RoboBusiness 2017

I slutet av september arrangerades en av världens största robotikmässor, RoboBusiness, i Santa Clara, USA. Robotdalens affärsutvecklare Adam Hagman var på plats. Här kan du läsa om hans intryck om de nyheter och trender som presenterades där.

Begrepp som ofta förekom genom hela konferensen var Artificiell Intelligence, Machine Learning och Deep Learning. Många föreläsare pratade om “Self-recognizing” och “Self-defining” sensorer, som med hjälp av AI själva kan konfigurera sig själva så att de kan utföra sin uppgift på ett optimalt sätt.

Fanucs FIELD-system (Fanuc Intelligent Edge Link and Drive) beskrevs som ett banbrytande system för industrin. Systemet använder AI för att samla och analysera data från Robotarmar och periferiutrustning för att detektera eventuella problem och förbättra processer. Ett uttryck som förekom ofta var Intelligent Automation.

Man har även sett en exponentiell ökning av investeringar i robotbranschen. Dock är investeringsökningen koncentrerad till ett fåtal länder Där USA står för 63 % av ökningen, Kina för 14 % och Israel på tredje plats. Försäljningen av industrirobotar har ökat, mest för att det har blivit billigare att automatisera samt den stora satsningen på robotautomation i Kina. Ett område som har finansierats i allt större utsträckning var Mobil Servicerobotik. Trenderna visade en stadig ökning av applikationer som Drönare för inspektioner och logistik medan Telepresence, som många trodde kulle bli en jättemarknad har inte alls utvecklats. De robotarna tillför helt enkelt för lite värde. Robotar som Pepper från SoftBank (bilden ovan) levererar fortfarande förlust för varje såld enhet.

Kollaborativa robotar nämndes som ett separat ämne och man presenterade att det är väldigt få kollaborativa robotar som är i användning. Robottillverkare som inte utvecklat kollaborativa robotar, fokuserade nu på att göra konventionella robotarmar mer “collaborative” genom att göra dem mindre farliga för människan med hjälp av mjukvara och kringutrustning.

Sammanfattningsvis kan man säga att teknologin utvecklas start men att det är en stor brist på tillförlitliga robotar och applikationer. Den snabbt växande E-handelsbranschen har dock drivit på utvecklingen och problemet med tillförlitlig inomhuspositionering anses nu vara löst vilket har lett till ett flertal logistiklösningar på marknaden. Atheon, som tillverkar Thug-systemet har tidigare helt fokuserat på sjukhuslogistik. Numera fokuserar de mer på industrilogistik då vårdmiljön ställer tuffa krav på utförandet arbetar med långa beslutsprocesser.

Ett område som också tydligt driver utvecklingen är underhållning. Disneys egna teknologidelning Imagineering, presenterade avancerade robotlösningar för deras Amusement Parks. Ett exempel visades upp i form av en interaktiv robot med ett så naturtroget rörelsemönster så att det blir svårt att skilja den från en dansande mänsklig skådespelare. En annan är droiden Jake (bilden nedan) som kan åka i väldigt tätbefolkade områden och på ett säkert och robust sätt, interagera med barn som gärna kramas.

Jake the droid

Ett ämne söm förtjänar egen rubrik är Artificiell Intelligens. Det utvecklas sensorer och visionsystem som möjliggör teknologier som Machine Learning. Intel jobbar med små mobila Vision-kretsar med inbyggd intelligens så att man får djupuppfattning direkt i sensorn. Ett annat område är att med AI kunna “fill in the blanks” i 3D-bilder.

Med hjälp av Deep Learning har man börjat lära robotar att lära sig att utföra uppgifter precis som en nyfödd gör. Genom trial and error. T.ex kan man lära en robot att greppa föremål på ett effektivt sätt genom att greppa tusentals föremål. För varje nytt grepp blir operationen mer säker och tillförlitlig samtidig som man kan dela programmeringen (erfarenheten) till andra robotenheter.

Men det kanske viktigaste området för AI i nuläget är självdiagnostik med syfte att öka tillförlitligheten i systemet och minska downtime. Roboten meddelar alltså när t.ex. vibrationer i 4:e axeln “känns” ovanliga och föreslår ett byta av lager eller liknande.

Ett annat område för AI är att göra konsumentprodukter mer användarvänliga och omtyckta. Som exempel kan nämnas nya generationer av vitvaror där användargränssnittet lär sig och anpassas efter användaren. Om jag oftast använder 30-sekunders-funktionen på min mikrovågsugn, skall denna funktion vara det alternativt som presenteras för mig i användargränssnittet. Produktens funktionalitet förändras alltså efter att kunden har köpt den. Ett bra exempel på detta är Tesslas manöverpanel som helt kan ändras efter vad använder behöver för tillfället. Ett annat exempel är Amazones Alexa som vid lanseringen kunde förstå 6 begrepp men produkten har i efterhand trådlöst uppgraderats till att förstå fler är 260 000 begrepp.

Adam Hagman, affärsutvecklare på Robotdalen

RoboBusiness 2017 logo

...

 


Senaste artiklar