Het is de droom van elk postorderbedrijf: de robot die de juiste producten uit de rekken en dozen pakt en netjes naar de verzendafdeling brengt. Fizyr, winnaar van deAmazon Picking Challenge, past kunstmatige intelligentie toe op camerabeelden: daarmee maakt de robot weer een reuzenstap richting menselijk handelen.
Herbert ten Have van Fizyr
Sorteercentra van bijvoorbeeld UPS, PostNL en DHL bezorgen dagelijks miljoenen pakjes voor Bol.com, Amazon en al die andere duizenden webshops. ‘Er zijn al veel robots in gebruik in magazijnen, maar dat zijn goods-to-men-systemen’, zegt Herbert ten Have van Fizyr, ‘deze brengen de bakken met producten of hele stellingkasten naar de orderpickers. Die plaatsen de pakketten op de opvoerband, want robots hebben de grootste moeite met variaties in kleur, grootte en vorm. Laat staan met het grote assortiment van een gemiddeld postorderbedrijf of met volledig onbekende poststukken.’
Maar er gloort hoop. Fizyr, gestart onder de naam Delft Robotics als spin-off van Universiteit Delft, heeft deep learning (AI) algoritmes ontwikkeld die, op basis van een 2D- of 3D-beeld, de objecten kunnen classificeren als doos of zak en vervolgens de juiste oppaklocatie kunnen bepalen van zelfs amorfe pakjes en zakjes. ‘Vorig jaar hebben we het besluit genomen om ons als integrator van robotoplossingen alleen nog maar te richten op het ontwikkelen van deep learning software waarmee we robots autonoom maken’, legt Ten Have uit. ‘De uiteindelijke integratie van de robots kan prima door andere bedrijven gedaan worden. Fiyzr traint de deep learning algoritmes op basis van beelden uit de praktijk, zogeheten ‘supervised learning’.’ Nog een ontwikkeling is het trainen van het algoritme om onbekende defecten te kunnen classificeren en kwaliteitscontrole uit te voeren. ‘Wij hebben met name in de food-, horti- en agrisector bijzondere resultaten gehaald.’
Zo verteld is een nieuwe revolutie geboren. ‘We staan in ieder geval aan de vooravond van een forse stap. De interesse bij tal van multinationals is groot. We hebben meerdere projecten lopen bij internationale automatiseerders in de logistiek zoals in Nederland bij Vanderlande. Wekelijks krijgen we aanvragen of ons algoritme te trainen is om een specifiek probleem op te lossen. Grootste uitdaging blijft zeer goede ontwikkelaars en deep learning specialisten te vinden die een aanvulling zijn op ons bestaande team van unicorns.’
