Quantao Yangs doktorsavhandling vid Örebro Universitet belyser en ny era inom robotteknik. Hans forskning visar att robotar, genom att lära av varandra, kan hantera fler och mer komplexa uppgifter, vilket potentiellt kan revolutionera effektiviteten inom tillverkningsindustrin.
Ett nytt sätt för robotar att lära
Yang jämför robotars inlärningsprocess med en nyfödd bebis som lär sig grundläggande färdigheter. Han påpekar att robotar i dagens industri ofta är begränsade till specifika uppgifter och har svårt att anpassa sig till nya situationer.
– I de allra flesta fall lär sig roboten allt från grunden. Dessutom är de, inte minst inom tillverkningsindustrin, strikt programmerade till att klara en specifik uppgift, förklarar Yang.
Genombrott inom robotinlärning
Yang, som tidigare arbetat som robotingenjör, insåg utmaningarna med att få robotar att utföra varierande och komplexa uppgifter. Hans forskning fokuserar på hur artificiell intelligens kan användas för att robotar ska kunna dra nytta av tidigare erfarenheter och lära av varandra.
– Det som förvånade mest var dels att roboten faktiskt kan förvärva nya färdigheter genom att nyttja tidigare erfarenhet, dels att den kan lära sig av en annan robot.
Framtidens flexibla robotar
Yang ser en framtid där robotar inte bara utför förprogrammerade uppgifter utan även lär upp nya robotar och anpassar sig till förändrade miljöer. Detta skulle kunna minska behovet av manuell programmering och öka flexibiliteten i industriella processer.
– Robotar kommer kunna lära upp nya robotar, precis som vi människor lär varandra. På så sätt kommer robotar kunna anpassa sig till olika miljöer och mer oväntade förändringar, de blir mer flexibla helt enkelt.
Utmaningar och möjligheter
Yang diskuterar även de komplexa utmaningarna som finns i att utveckla robotar som kan komma på lösningar på egen hand. Hans arbete är en del av WASP, det största individuella forskningsprogrammet i Sverige, vilket markerar en viktig milstolpe för Örebro universitet och svensk forskning inom området.
