Toepassingen
.

Autonome voertuigen

Van theorie naar praktijk

Je producten vervoeren via wagens, robotten, trolleys, boten of andere voertuigen zonder een menselijke operator. Autonoom producten vervoeren maakt je leveringsproces meer flexibel alsook minder afhankelijk van menselijke arbeid.

Toepassingen

Je hebt vast al semiautonome voertuigen zien rondrijden in afgebakende industriële omgevingen. Denk bijvoorbeeld aan voertuigen die binnen afgebakende lijnen in een bedrijf rondrijden om pakketjes te vervoeren. Hoewel deze voertuigen in principe werken zonder menselijke operator, kennen ze toch nog wel wat beperkingen. Zo kunnen ze enkel voorgedefinieërde lijnen volgen, vaak enkel een vast traject afleggen en bij een obstakel niet proactief een oplossing kunnen vinden en dus stil komen te staan.  

Met de toevoeging van AI vallen de beperkingen van semiautonome voertuigen grotendeels weg. In een afgebakende industriële bedrijfscontext betekent dit dat je voertuigen zich niet hoeven te laten leiden door voorgedefinieërde lijnen, dat ze veel flexibeler een traject kunnen kiezen en zelf oplossingen kunnen bedenken wanneer ze vast komen te staan door bijvoorbeeld een obstakel. Op deze manier krijg je bijvoorbeeld een heel arsenaal van robotten die zelf boodschappen inpakken.

Waar AI-gedreven autonome voertuigen echter heel interessant worden, is buiten de afgebakende industriële omgevingen. Misschien heb je al gehoord van zelfrijdende auto's die zonder bestuurder op de openbare weg kunnen rijden. Binnen de voedingsindustrie brengen zo'n zelfrijdende auto's  heel wat nieuwe use cases met zich mee. Colruyt Group tests momenteel bijvoorbeeld het gebruik van zelfrijdende auto's om boodschappen aan klanten te leveren. Die leverauto's nemen het probleem van “the last mile” deels weg, waar producten echt tot de deur van de klant brengen vaak buitengewoon duur en arbeidsintensief is. Ook bekende restaurantketens zoals Pizza Hut en Chipotle zijn volop aan het investeren in deze automatische leverauto's.  

Maar niet enkel auto's zijn aantrekkelijk om te automatiseren met AI, denk maar aan vrachtwagens die automatisch producten over grote afstanden kunnen vervoeren. Nu de digitalisatie van de logistiek volop in gang is, lijken automatische vrachtwagens een heel logische stap om te nemen. Bedrijven zoals Eindride bieden al dergelijke vrachtwagens aan. Zeker in de voedingsindustrie waar producten vaak bederfbaar zijn kunnen deze vrachtwagens een belangrijk rol spelen, ze geven veel meer flexibiliteit om die producten vers te leveren. Bijkomend kunnen ze ook veel efficiënter leveringen doen, waardoor ze veel minder milieubelastend zouden kunnen zijn.

Toch moeten we een kanttekening bij volledig autonome voertuigen maken. Terwijl voor alle fiches min of meer geldt dat AI een nieuwe technologie is, zijn deze voertuigen praktisch nog niet genoeg uitgewerkt om volledig zelfstandig te rijden in de echte wereld; er zijn simpelweg nog te veel onvoorspelbare situaties die kunnen opduiken in de echte wereld. De AI moet deze allemaal eerst leren kennen en leren hoe er mee om te gaan. Dat blijkt geen sinecure. Vaak zit dan ook nog steeds een menselijke operator in deze wagens (of digitaal van op afstand) om alles in goede banen te leiden.

Autonome voertuigen zoals drones die over privé landbouwgronden vliegen om automatisch gewassen te sproeien zijn praktisch momenteel wel veel realistischer, omdat je daar in een relatief gesloten omgeving zit. Voor meer informatie over dergelijke drones en robotten verwijzen we door naar de toepassing Robotica.

Vereisten

Data

  • Afbeeldingen of ander beeldmateriaal van magazijn of andere plaats waar het voertuig autonoom dient te bewegen.
  • ~Vanuit het standpunt van het voertuig
  • ~Met alle mogelijke situaties

Hardware

  • Robot, voertuig of drone
  • Uitgerust met camera en/of sensoren

Algoritme

  • Technieken voor beeldherkenning

Aandachtspunten

  • Neem een AI-partner onder de arm. Dit is bij uitstek een case waar je om meerdere goede redenen niet zelf aan wilt beginnen. (1) Je hebt voor het ontwikkelen van zelfrijdende voertuigen expertise nodig in een brede set van domeinen, die typisch ver buiten je core-expertise vallen (denk aan het vehikel zelf, de automatische aansturing ervan, herkennen van obstakels... (2) Je hebt bijzonder veel data – en test werk - nodig alvorens je er zeker van kan zijn dat je oplossing naar behoren werkt in alle realistische scenario’s en (3) de mogelijke schade wanneer er iets fout loopt kan aanzienlijk en zelfs onherstelbaar zijn, denk hierbij aan aanrijdingen van personeel, bezoekers, apparatuur of goederen.  
  • Inventariseer alle mogelijke obstakels. Zorg dat je een inventaris maakt van alle mogelijke obstakels die op de weg van het voertuig kunnen liggen. Schenk hierbij ook aandacht aan signalisatie of andere indicatoren die een invloed moeten hebben op het rijgedrag van het voertuig.  
  • De finesses van de eigen case tellen mee. Wellicht zal zelfs een commercial-off-the-shelf oplossing nog steeds gefinetuned moeten worden op jouw specifieke case. In de locatie waar het voertuig zich zal bewegen zal het wellicht geconfronteerd worden met unieke obstakels, unieke situaties of unieke achtergronden of kleurschakeringen. Voor elke combinatie van situaties ga je wellicht voldoende voorbeelden (beeld of fotomateriaal?) moeten voorzien voor je AI-partner.

Stappenplan

  • Identificeren van mogelijke toepassing voor autonome voertuigen voor een specifieke taak.
  • Opstellen van vereisten (en assumpties) waaraan voldaan moet zijn om een waardevolle oplossing te hebben.  Eventueel reeds een scorecard opstellen.  
  • Opstellen van een shortlist van partners die kunnen ondersteunen bij het implementeren van zelfrijdende voertuigen.
  • Uitnodigen voor een verkennend gesprek. Topics
  • ~Introductie van de eigen case.
  • ~Aftoetsen eigen lijst van vereisten
  • ~Werking autonoom navigatiesysteem bevragen
  • ~~Hoe worden obstakels herkend?
  • ~~Hoe wordt een route bepaald? Hoe wordt een route ingegeven? Hoe leert het voertuig het grondplan?
  • ~~Welke vereisten zijn er om de voertuigen te laten bijleren? Wat is de procedure, data vereisten...  
  • ~Mogelijkheid tot manuele ingrepen en noodscenario’s bevragen  
  • ~Aftoetsen vaardigheden en kennis voor operationalisering
  • ~Aftoetsen mogelijkheden en scope van Proof of Concept
  • ~Navragen typische problemen en aandachtspunten.  
  • ~Eerste inschatting van kostenplaatje en timeline
  • Scoren en rangschikken van mogelijke AI-partners
  • Uitnodigen 1 of meer partners voor Proof of Concept
  • ~Definiëren scope, rekening houdend met end-to-end proces om voertuig te operationaliseren (instellen, rijden, ingrijpen in noodscenario, bijleren)
  • ~Afspreken timeline en budget
  • ~Inplannen PoC in work schedule
  • Scoren en rangschikken van mogelijke AI-partners
  • Selecteren beste alternatief
  • Onderhandelen over contractvoorwaarden, prijs, timeline, scope...
  • Opstellen/goedkeuren projectplan voor operationele implementatie.

Partners

Hulp nodig bij de implementatie van deze AI-toepassingen?
Ontdek hier enkele technologiepartners.