Localization is a crucial skill in mobile robotics because the robot needs to make reasonable navigation decisions to complete its mission. Many approaches exist to implement localization, but artificial intelligence can be an interesting alternative to traditional localization techniques based on model calculations. This work proposes a machine learning approach to solve the localization problem in the RobotAtFactory 4.0 competition. The idea is to obtain the relative pose of an onboard camera with respect to fiducial markers (ArUcos) and then estimate the robot pose with machine learning. The approaches were validated in a simulation. Several algorithms were tested, and the best results were obtained by using Random Forest Regressor, with an error on the millimeter scale. The proposed solution presents results as high as the analytical approach for solving the localization problem in the RobotAtFactory 4.0 scenario, with the advantage of not requiring explicit knowledge of the exact positions of the fiducial markers, as in the analytical approach.
Localization is a crucial skill in mobile robotics because the robot needs to make reasonable navigation decisions to complete its mission. Many approaches exist to implement localization, but artificial intelligence can be an interesting alternative to traditional localization techniques based on model calculations. This work proposes a machine learning approach to solve the localization problem in the RobotAtFactory 4.0 competition. The idea is to obtain the relative pose of an onboard camera with respect to fiducial markers (ArUcos) and then estimate the robot pose with machine learning. The approaches were validated in a simulation. Several algorithms were tested, and the best results were obtained by using Random Forest Regressor, with an error on the millimeter scale. The proposed solution presents results as high as the analytical approach for solving the localization problem in the RobotAtFactory 4.0 scenario, with the advantage of not requiring explicit knowledge of the exact positions of the fiducial markers, as in the analytical approach.
In dit rapport worden de resultaten van de Sociale Innovatie Monitor Limburg 2019 (SIML) gepresenteerd. Dit onderzoek naar sociale innovatie in Limburgse organisaties werd van januari 2019 tot mei 2019 uitgevoerd door het Lectoraat Employability van Zuyd Hogeschool en het Researchcentrum voor Onderwijs en Arbeidsmarkt (ROA) Universiteit Maastricht, in samenwerking met Neimed, Sociaal-Economisch Kenniscentrum en de Limburgse Werkgevers Vereniging (LWV). Sociale innovatie wordt door het Network Social Innovation (NSI) van de Universiteit Maastricht gedefinieerd als: vernieuwingen in organisaties en nieuwe manieren van werken, die leiden tot het beter ontwikkelen en benutten van de vaardigheden van medewerkers, om daarmee de prestaties van de organisatie te verhogen of andere organisatie-, maatschappelijke-, of medewerkersdoelen te verwezenlijken. Door de monitor jaarlijks uit te zetten en in kaart te brengen hoe het sociale innovatievermogen zich ontwikkelt binnen organisaties in Limburg, hopen het Zuyd Lectoraat Employability, ROA, Neimed en de LWV een impuls te geven aan de optimalisering van diverse bedrijfsinterne en –externe sociale innovaties. In deze editie van de monitor staat het thema ‘Economie 4.0: werken aan digitale vaardigheden’ centraal.
Augmented Reality (AR) technologie is een vorm van mens-computer interactie waar de natuurlijke visuele waarneming van de mens wordt aangevuld met computer-gegenereerde informatie, zoals virtuele 3D modellen, aanwijzingen en teksten. Binnen het MKB in de maakindustrie is er grote interesse voor AR. Diverse maakbedrijven zijn geïnteresseerd in de mogelijkheden om met AR hun medewerkers te ondersteunen en/of te trainen en daarmee hun assemblageprocessen efficiënter uit te voeren, met een hogere kwaliteit en op een veilige manier. In dit project willen we het MKB ondersteunen met onderzoek naar mogelijkheden om AR in te zetten in assemblageprocessen. De technische mogelijkheden van AR ontwikkelen zich snel. Er zijn echter de nodige vragen bij de managers van MKB bedrijven: wat zijn huidige en toekomstige mogelijkheden van AR in de assemblage van producten? Wat betekent dit voor de inrichting en organisatie van de assemblage? Hoe ervaren werknemers ondersteuning met AR? In dit RAAK project zal met vijf inhoudelijke werkpakketten antwoord gegeven worden op deze vragen. Resultaten van het project zijn: (i) een aanpak voor het identificeren van kansen van AR in huidige assemblagesituaties, (ii) een aanpak voor het specificeren van een werkplek (of takenpakket) en de benodigde AR-ondersteuning, (iii) ontwerpprincipes (interface-richtlijnen) voor de ontwikkeling van AR-ondersteuning van medewerkers, (iv) een aantal demonstrators (3 of meer) die het ontwikkelen en gebruik van AR in de assemblage illustreren en (v) een (strategische) Roadmapping Methodologie voor het ontwikkelen van AR ondersteunde assemblage binnen een bedrijf. Hiermee wordt duidelijk hoe keuzes in de markt, de inrichting, de besturing en de organisatie van een bedrijf samenhangen met de keuze voor AR-technologie in de assemblage. De resultaten van het project zullen gebruikt worden door de bedrijfspartners in het project en breder uitgezet worden via de netwerken van de verschillende partners in het project. Resultaten zullen ook worden gebruikt in HBO-onderwijs en onderzoek. Het project sluit aan bij diverse initiatieven op het gebied van Smart Industry.
De markt vraagt om steeds meer productvariëteit. Het aanbieden van productvariëteit is echter niet eenvoudig: het zet druk op afdelingen zoals sales, engineering, productie en service. Veel bedrijven realiseren productvariëteit nu door hun producten stuk voor stuk te ontwikkelen (engineer-to-order/EtO). Binnen Industry 4.0 bestaan er methoden om met het spanningsveld tussen externe en interne eisen om te gaan. Klanten zouden bijvoorbeeld zelf online hun producten kunnen samenstellen (configureren). Hiervoor is nodig dat verschillende productonderdelen gestandaardiseerd worden, dat het product modulair wordt opgebouwd en dat dezelfde productonderdelen bij verschillende producten gebruikt kunnen worden (commonality). Zo kan, zonder extra engineeringsactiviteiten, een product eenvoudig geconfigureerd worden (configure-to-order/CtO) en de klant productvariëteit worden geboden zonder alle interne druk. Het implementeren van CtO is echter niet eenvoudig. Het vraagt om aanzienlijke capaciteit, kennis en kunde op het gebied van productontwikkeling, procesontwikkeling en het veranderproces. Betrokkenheid van medewerkers uit alle belangrijke afdelingen (verkoop, engineering, productie, service etc.) is een vereiste. Mkb-bedrijven worstelen hiermee en hebben behoefte aan goede tools en technieken, zowel inhoudelijk, over de ontwikkeling van de productarchitectuur en de impact hiervan op de bedrijfsprocessen, als veranderkundig, hoe deze transitie tot stand te brengen. In dit RAAK-mkb onderzoek willen wij samen met productie mkb-bedrijven, kennisinstellingen en brancheorganisaties een integrale aanpak ontwikkelen om CtO op een goede manier te implementeren. De deelnemende mkb-bedrijven hebben de duidelijke wens om dit de komende jaren te doen. Voor de specifieke casussen zullen middels case studies en interventieonderzoek aanpakken ontwikkeld worden. Studentprojecten zullen ondersteuning geven aan de verschillende interventies. Vervolgens zal systematisch case-vergelijkend onderzoek worden uitgevoerd om inzicht te krijgen in wat in welke situatie werkt. Op basis van het case-vergelijkend onderzoek worden tools en technieken ontwikkeld die enerzijds generiek zijn en anderzijds kunnen worden aangepast aan specifieke bedrijfssituaties.
De markt vraagt om steeds meer productvariëteit. Veel bedrijven realiseren productvariëteit nu met veel klant-specifiek engineeringswerk (Engineer-to-Order/EtO). Dit zet druk op alle afdelingen in het bedrijf zoals sales, engineering, productie en service. Een uitdagende manier voor deze bedrijven, om beter met het spanningsveld tussen externe en interne eisen om te gaan, is het ontwikkelen van meer configureerbare producten (lego principe}. Hiervoor is een modulaire opbouw van het product nodig waarin verschillende productonderdelen gestandaardiseerd zijn en gebruikt kunnen worden in verschillende eindproducten. Zo kan, met minder engineeringsactiviteiten, een product geconfigureerd worden (Configure-to-Order/CtO) en de klant productvariëteit worden geboden zonder alle interne druk. Voor diverse bedrijven vormen ook de mogelijkheden van Industry 4.0 en sustainabilty ambities belangrijke drivers in hun streven naar meer CtO. Het implementeren van CtO is echter niet eenvoudig. Het vraagt om aanzienlijke capaciteit, kennis en kunde op het gebied van productontwikkeling, procesontwikkeling en het veranderproces. Betrokkenheid van medewerkers uit alle belangrijke afdelingen (verkoop, engineering, productie, service etc.) is een vereiste. Mkb-bedrijven worstelen hiermee en hebben behoefte aan goede tools en technieken, zowel inhoudelijk, over de ontwikkeling van de productarchitectuur en de impact hiervan op de bedrijfsprocessen, als veranderkundig, hoe deze transitie tot stand te brengen. In dit Sia RAAK-mkb onderzoek willen wij samen met productie mkb-bedrijven, kennisinstellingen en brancheorganisaties een integrale aanpak ontwikkelen om CtO op een goede manier te implementeren. De deelnemende mkb-bedrijven hebben de duidelijke wens om dit de komende jaren te doen. Voor de specifieke casussen zullen met casestudies en interventieonderzoek aanpakken ontwikkeld worden. Studentprojecten zullen ondersteuning geven aan de verschillende interventies. Vervolgens zal systematisch case-vergelijkend onderzoek worden uitgevoerd om inzicht te krijgen in wat in welke situatie werkt. Op basis van het case-vergelijkend onderzoek worden tools en technieken ontwikkeld die enerzijds generiek zijn en anderzijds kunnen worden aangepast aan specifieke bedrijfssituaties.
