Satsningen kallas Iliad, och drivs i samarbete mellan fyra europeiska universitet och flera olika företag. Projektledare är Achim Lilienthal, professor i datavetenskap vid Örebro universitet, och tidigare omskriven i Ny Teknik för sina projekt med rök- och gasdetekterande robotar.
Nu handlar det alltså om självgående, självlärande robotar för lagerarbete.
– De ska överblicka sin omgivning, analysera situationer och själva planera sitt arbete, sammanfattar Achim Lilienthal.
Ännu ser experimentrobotarna mest ut som vanliga lagertruckar, med en hel del påhängd elektronik. Längre fram ska de utrustas med armar och gripdon för att lasta och lossa sig själva, och fälttestas hos ett av livsmedelsföretaget Orkla Foods lager i Örebro.
Livsmedelsindustrin anses särskilt väl lämpad för dessa försök. Färskvaror måste hanteras snabbt, och kvantiteterna varierar ofta från tidpunkt till tidpunkt. I många europeiska länder har branschen brist på arbetskraft, eftersom lagerjobben ofta är monotona och delvis utförs i kalla frysrum.
– Men målgruppen är mycket bredare än livsmedelssektorn. Vad vi lär oss här kan användas i de flesta typer av robotik, säger Achim Lilienthal.
Centralt för Iliads robotlösningar är att de ska kunna installeras i befintliga lager.
– Du kan börja med en liten investering, en eller två robotar, och bygga vidare därifrån, säger Achim Lilienthal.
Dagens lösningar för automatiserade lager kräver ofta stora anpassningar och kringinvesteringar för att passa den valda robotlösningen.
– Automatlager med fasta installationer som hanterar godset, kräver att hela anläggningen är byggd för det från start. Ett mindre företag kanske inte har råd med en sådan investering, och dessutom passar det inte för alla typer av gods. Det finns också lösningar där självgående lagertruckar följer en förprogrammerad rutt, men även det kräver installation av specifik infrastruktur i en ganska stor process, säger Iliad-projektets vetenskapliga ledare Martin Magnusson.
Men den största skillnaden mot befintliga automationslösningar är att Iliad-robotarna blir självlärande, självförbättrande och självbedömande, kapabla att skapa interna kartor över sin arbetsplats och sina uppgifter.
– Till exempel vill vi att de ska lära sig rörelsemönstren i sin omgivning, och kunna räkna ut flöden, riktningar, potentiella trafikstockningar och så vidare. De ska kunna koordinera sig med varandra så att inte flera robotar åker till samma ställe och utför samma uppgift, och om en av dem går sönder ska de andra kunna planera om arbetet, säger Achim Lilienthal.
Med ”learning and prediction” ska roboten kunna tänka utanför vad den kan se i stunden. Den ska räkna ut vad som pågår utanför dess synfält, eller vad som kommer att hända vid en senare tidpunkt.
– Kartläggning och lokalisering är ju en mogen teknik, men förmågan att bedöma kartans tillförlitlighet är inte alls lika utvecklad. Så det här är lite pionjärarbete, säger Martin Magnusson.
Achim Lilienthal kallar det att känna igen sociala situationer: Vad är tendensen att människor gör vid en viss tid på en viss plats? Allt för att roboten ska kunna välja bästa möjliga rutt dit den ska, och i vilken turordning olika arbetsuppgifter lämpligast kan utföras.
– Människan ska bara ge den själva uppgiften: godset ska från punkt A till punkt B, säger Achim Lilienthal.
Förutom med varandra måste robotarna naturligtvis kunna samarbeta med andra maskiner och med människor. Två olika kameror hjälper till att förebygga kollisioner.
– Den ena skickar ut en infraröd blixt och mäter avstånd med hjälp av reflektionen, och den andra känner igen människor. Systemet räknar ut deras kroppsställningar och rörelser med hjälp av färgmönstret i deras reflexvästar. På så vis får roboten en bild av var hela människan befinner sig och kan sätta upp en lämplig ”boundary box” runt personen, säger Achim Lilienthal.
Samtidigt projicerar roboten en bild på golvet framför sig, där pilar visar åt vilket håll den ska, och olika symboler demonstrerar vilka uppgifter den står i begrepp att utföra.
– På idéstadiet har vi även en tanke om att utrusta lagerpersonalen med eyetracking-glasögon som visar vad du tittar på. Då skulle roboten kunna veta att du sett den, och att du sett projektionen som visar åt vilket håll den är på väg, säger Achim Lilienthal.
Vad ser ni som mest utmanande med det här projektet?
– Det handlar om att sammanföra många olika utmaningar i samma projekt: maskininlärning, self-improvement, två armar med redskap, att lära roboten sådant som att skära upp lådor. Det här projektet blir en fingervisning om morgondagens robotik, säger Achim Lilienthal.
”På idéstadiet har vi även en tanke om att utrusta lagerpersonalen med eyetracking-glasögon som visar vad du tittar på. Då skulle roboten kunna veta att du sett den, och att du sett projektionen som visar åt vilket håll den är på väg.”
