Learning-based approaches for robotic manipulation with everyday items

Dit onderzoek richt zich op het aansturen van collaboratieve robots zodat zij in reële en complexe omgevingen uiteenlopende en flexibele handelingen kunnen uitvoeren. In tegenstelling tot traditionele industriële robots, die doorgaans werken met harde en uniforme objecten, richt dit werk zich ook op zachte en onregelmatige materialen, zoals fruit of deegwaren. Om dit te realiseren worden verschillende methoden gecombineerd: training in gesimuleerde omgevingen, het gebruik van kunstmatige intelligentie en reinforcement learning om robots iteratief te laten leren en verbeteren, en het inzetten van een beperkt aantal demonstraties om snel nieuwe vaardigheden aan te leren. Tevens wordt gebruik gemaakt van visuele en tactiele sensoren die de robot in staat stellen te "zien" en te "voelen", zodat bewegingen tijdens de uitvoering van een taak flexibel kunnen worden aangepast. Basale vaardigheden, zoals stabiel grijpen, snijden of roeren, worden vervolgens samengevoegd tot langere werkprocessen, bijvoorbeeld het bereiden van een maaltijd. Het uiteindelijke doel is het veilig en flexibel inzetten van robots in keukens en huishoudens, waar zij mensen kunnen ondersteunen bij dagelijkse taken.