Det Àr lösningar som oftast ligger nÄgra steg före industrin, som testas i laboratorier eller som fortfarande ligger pÄ ritbordet.
â Vi vill veta vad ni tycker, om ni delar vĂ„ra slutsatser om framtidens teknologi. Vi vill gĂ€rna fortsĂ€tta att diskutera visioner, men ocksĂ„ konkreta forskningsprojekt med praktisk tillĂ€mpning, öppnade Mehdi Tarkian och Marie Jonsson, bĂ„da bitrĂ€dande professorer inom produktdesign vid Linköpings universitet och institutionen för industriell och ekonomisk utveckling.
PĂ„ plats i labbet vid just det hĂ€r tillfĂ€llet fanns samarbetspartners frĂ„n Saab och ABB. Vid tre andra tillfĂ€llen hölls liknande visningar för bland annat Region Ăstergötland, Toyota, Weland, Hydroscand, Bosch och HĂ€fla bruk.
â Huvudpelarna i dag Ă€r multiagent system med large language model som bland annat möjliggör flera robotar i samma system och databaser. Detta för att hĂ„lla koll pĂ„ data pĂ„ ett strukturerat sĂ€tt vilket kan hjĂ€lpa robotarna att inte hallucinera i processen, förklarade Mehdi Tarkian.
Paradigmskifte
Marie Jonsson förelÀste om hur AI Àr pÄ vÀg att förÀndra mycket av tillverkningsindustrin:
â Vi vet inte allt om AI:s betydelse Ă€n, men vi ser det som ett paradigmskifte. Historiskt kan vi se att teknisk utveckling inom automation och robotik har flyttat jobben frĂ„n repetitiva uppgifter till mer kvalificerade, ingenjörsmĂ€ssiga arbetsuppgifter. Jobben blir kanske inte fĂ€rre, utan mer kvalificerade och mindre repetitiva. Men i takt med utvecklingen blir vi ocksĂ„ mer produktiva, vilket i sig kan ge fler jobb.
Arbetar utifrÄn eget minne
Hon pÄpekade att skeptikerna kanske skulle sÀga att roboten eller den artificiella intelligensen ÀndÄ kommer att behöva förberedas med information i CAD-modeller.
â Men det Ă€r en av de saker som kanske inte mĂ„ste göras manuellt. Det kan till och med gĂ„ lĂ€ttare och snabbare med AI. Vi utgĂ„r ocksĂ„ frĂ„n att robotarna kommer att kunna arbeta utifrĂ„n ett eget minne och med förmĂ„ga att se eller förstĂ„ sin omgivning, sa Marie Jonsson.
InlÀrning genom belöningssystem
Flera team, bÄde masterstudenter och doktorander, förelÀste om sina resultat. Bland annat kring hur maskininlÀrning kan gynnas genom ett belöningssystem, eller hur large language models (LLM) tillÀmpas nÀr roboten ska kunna ta emot instruktioner via mÀnskligt tal och visuell information som Àr sÀrskilt viktig för ett sjÀlvgÄende system.
â Mycket talar för att maskinerna ska vara lĂ€tta att manövrera i framtiden och alltsĂ„ ska kunna fungera genom talad kommunikation, sa doktoranden Sanjay Nambiar.
FörmÄgan att bedöma omgivningen med hjÀlp av kameror utvecklas ocksÄ.
â DĂ€r tror vi att minnet mĂ„ste vara generativt, alltsĂ„ att systemet bygger upp en egen 3D-modell för att förstĂ„ omgivningen och agerar efter ovĂ€ntade förlopp, som att nĂ„got till exempel har fallit ner pĂ„ arbetsytan, förklarade masterstudenten Oscar Ikehukwu.
Föredragen handlade ocksÄ om igenkÀnning av former samt bland annat avsökning av defekter pÄ ytor med komposit-omslag. Ett arbete som generellt Àr ganska beroende av mÀnniskans hantverk och blick. OcksÄ hÀr behövs stora mÀngder data och inlÀrning för roboten.
ŽĄ±čȔö°ùČčČÔ»ć±đ
Besökarna lyssnade intresserat och stÀllde frÄgor.
â Inom industrin behöver vi tillĂ€mpningar som fungerar nu. Men samtidigt Ă€r det avgörande för oss att ligga lĂ€ngst fram i utvecklingen. DĂ€rför Ă€r det vĂ€ldigt bra för oss att ha en nĂ€ra kontakt med universitetet och se forskningen, sa Peter Holmström, Saab Aeronautics.
Vi har liknande tankar
Xiaolong Feng, Business research manager inom robotik och automation pÄ ABB, imponerades av studierna kring kommunikation med mÀnskligt tal:
â Vi har liknande tankar om framtidens kommunikation mellan operatören och roboten. För mig Ă€r akademien och forskningen en sjĂ€lvklar del av utvecklingen. Vi Ă€r glada över att vara representerade hĂ€r, sa Xiaolong Feng.