Leren is een actief proces waarin kennis wordt geconstrueerd. Dit proces is voor iedere leerling anders en vraagt individuele ondersteuning. Onderwijsmaterialen en werkvormen zouden zich gedurende het leerproces steeds moeten aanpassen aan de specifieke behoefte van elke leerling. Ontwikkelingen in het veld van de Kunstmatige Intelligentie & Onderwijs zijn ondertussen zodanig vergevorderd dat interactieve software deze kennisconstructie van leerlingen inderdaad individueel en adequaat kan ondersteunen. Lector Didactiek van de Bètavakken dr. Bert Bredeweg bespreekt in zijn rede de kracht van interactieve kennisrepresentaties als medium voor kennisconstructie. Als voorbeeld zal hij ingaan op conceptueel modelleren als didactische vorm voor het creëren van kennis over het gedrag van dynamische systemen. Hij zal ook illustreren hoe slimme softwarecomponenten individuele leerlingen naar behoefte kunnen ondersteunen bij dit leerproces.
Elke periode kent zijn eigen revolutie en elke revolutie brengt zijn eigen organisatorische model met zich mee. We bevinden ons nu in de 4e industri¨ele revolutie, waar het internet van dingen ons verbindt met autonome embedded systemen. Deze systemen zijn actief in de virtuele ’cyber’ wereld, alsook in de echte ’fysieke’ wereld om ons heen. Deze zogenoemde ’Cyber-Fysieke’ Systemen volgen daarmee een modern organisatorisch model, namelijk zelfmanagement, en zijn dan ook in staat zelf proactieve acties te ondernemen. Dit proefschrift belicht productiesystemen vanuit het Cyber-Fysieke perspectief. De productiesystemen zijn hier herconfigureerbaar, autonoom en zeer flexibel. Dit kan enkel worden bereikt door het ontwikkelen van nieuwe methodes en het toepassen van nieuwe technologie¨en die flexibiliteit verder bevorderen. Echter, effici¨entie is ook van belang, bijvoorbeeld door productassemblage zo flexibel te maken dat het daardoor kosteneffici¨ent is om de productie van diverse producten met een lage oplage, zogenaamde high-mix, low volume producten, te automatiseren. De mogelijkheid om zo flexibel te kunnen produceren moet bereikt worden door de creatie van nieuwe methoden en middelen, waarbij nieuwe technologie¨en worden gecombineerd; een belangrijk aspect hierbij is dat dit toepasbaar getest moet worden door gebruik van simulatoren en speciaal hiervoor ontwikkelde productiesystemen. Dit onderzoek zal beginnen met het introduceren van het concept achter de bijbehorende productiemethodologie, welke Grid Manufacturing is genoemd. Grid Manufacturing wordt uitgevoerd door autonome entiteiten (agenten) die zowel de productiesystemen zelf, als de producten representeren. Producten leven dan al in de virtuele cyber wereld voordat zij daadwerkelijk zijn gebouwd, en zijn zich bewust uit welke onderdelen zij gemaakt moeten worden. De producten communiceren en overleggen met de autonome herconfigureerbare productiesystemen, de zogenaamde equiplets. Deze equiplets leveren generieke diensten aan een grote diversiteit aan producten, die hierdoor op elk moment geproduceerd kunnen worden. Het onderzoek focust hierbij specifiek op de equiplets en de technische uitdagingen om dynamisch geautomatiseerde productie mogelijk te maken. Om Grid Manufacturing mogelijk te maken is er een set van technologische uitdagingen onderzocht. De achtergrond, onderzoeksaanpak en concepten zijn dan ook de eerste drie inleidende hoofdstukken. Daarna begint het onderzoek met Hoofdstuk 4 Object Awareness. Dit hoofdstuk beschrijft een dynamische manier waarop informatie uit verschillende autonome systemen gecombineerd wordt om objecten te herkennen, lokaliseren en daarmee te kunnen manipuleren. Hoofdstuk 5 Herconfiguratie beschrijft hoe producten communiceren met de equiplets en welke achterliggende systemen ervoor zorgen dat, ondanks | Dutch Summary 232 dat het product niet bekend is met de hardware van de equiplet, deze toch in staat is acties uit te voeren. Tevens beschrijft het hoofdstuk hoe de equiplets omgaan met verschillende hardwareconfiguraties en ondanks de aanpassingen zichzelf toch kunnen besturen. De equiplet kan dan ook aangepast worden zonder dat deze opnieuw geprogrammeerd hoeft te worden. In Hoofdstuk 6 Architectuur wordt vervolgens dieper ingegaan op de bovenliggende architectuur van de equiplets. Hier worden prestaties gecombineerd met flexibiliteit, waarvoor een hybride architectuur is ontwikkeld die het grid van equiplets controleert door het gebruik van twee platformen: Multi-Agent System (MAS) en Robot Operating System (ROS). Nadat de architectuur is vastgesteld, wordt er in Hoofdstuk 7 onderzocht hoe deze veilig ingezet kan worden. Hierbij wordt een controlesysteem ingevoerd dat het systeemgedrag bepaalt, waarmee het gedrag van de equiplets transparant wordt gemaakt. Tevens zal een simulatie met input van de sensoren uit de fysieke wereld ’live’ controleren of alle bewegingen veilig uitgevoerd kunnen worden. Nadat de basisfunctionaliteit van het Grid nu compleet is, wordt in Hoofdstuk 8 Validatie en Utilisatie gekeken naar hoe Grid Manufacturing gebruikt kan worden en welke nieuwe mogelijkheden deze kan opleveren. Zo wordt er besproken hoe zowel een hi¨erarchische als een heterarchische aanpak, waar alle systemen gelijk zijn, gebruikt kan worden. Daarnaast laat het hoofdstuk o.a. aan de hand van enkele voorbeelden en simulaties zien welke effecten herconfiguratie kan hebben, en welke voordelen deze aanpak zoal kan bieden.. Het proefschrift laat zien hoe met technische middelen geautomatiseerde flexibiliteit mogelijk wordt gemaakt. Hoewel het gehele concept nog volwassen zal moeten worden, worden er enkele aspecten getoond die op de korte termijn toepasbaar zijn in de industrie. Enkele voorbeelden hiervan zijn: (1) het combineren van gegevens uit diverse (autonome) bronnen voor 6D-lokalisatie; (2) een data-gedreven systeem, de zogeheten hardware-abstractielaag, die herconfigureerbare systemen controleert en de mogelijkheid biedt om deze productiesystemen aan te passen zonder deze te hoeven herprogrammeren; en (3) het gebruik van Cyber-Fysieke systemen om de veiligheid te verhogen.
MULTIFILE
Laboratory experiments are important pedagogical tools in engineering courses. Restrictions related to the COVID-19 pandemic made it very difficult or impossible for laboratory classes to take place, resulting on a fast transition to simulation as an approach to guarantee the effectiveness of teaching. Simulation environments are powerful tools that can be adopted for remote classes and self-study. With these tools, students can perform experiments and, in some cases, make use of the laboratory facilities from outside of the University. This paper proposes and describes two free tools developed during the COVID-19 pandemic lock-down that allowed students to work from home, namely a set of simulation experiments and a Hardware-in-the-loop simulator, accessible 24/7. Two approaches in Python and C languages are presented, both in the context of Robotics courses for Engineering students. Successful results and student feedback indicate the effectiveness of the proposed approaches in institutions in Portugal and in the Netherlands.
LINK
In de automotive sector vindt veel onderzoek en ontwikkeling plaats op het gebied van autonome voertuigtechnologie. Dit resulteert in rijke open source software oplossingen voor besturing van robotvoertuigen. HAN heeft met haar Streetdrone voertuig reeds goede praktijkervaring met dergelijke software. Deze oplossingen richten zich op een Operational Design Domain dat uitgaat van de publieke verkeersinfrastructuur met daarbij de weggebruikers rondom het robotvoertuig. In de sectoren agrifood en smart industry is een groeiende behoefte aan automatisering van mobiele machinerie, versterkt door de actuele coronacrisis. Veel functionaliteit van bovengenoemde automotive software is inzetbaar voor mobiele robotica in deze sectoren. De toepassingen zijn enerzijds minder veeleisend - denk aan de meer gestructureerde omgeving, lagere snelheden en minder of geen ‘overige weggebruikers’ – en anderzijds heel specifiek als het gaat over routeplanning en (indoor) lokalisatie. Vanwege dit specifiek karakter is de bestaande software niet direct inzetbaar in deze sectoren. Het MKB in deze sectoren ervaart daarom een grote uitdaging om dergelijke complexe autonome functionaliteit beschikbaar te maken, zonder dat men kan voorbouwen een open, sectorspecifieke softwareoplossing. In Automotion willen de aangesloten partners vanuit bestaande kennis en ervaring tot een eerste integratie en demonstratie komen van een beschikbare automotive open source softwarebibliotheek, aangepast en specifiek ingezet op rijdende robots voor agrifood en smart industry, met focus ‘pickup and delivery’ scenario’s. Hierbij worden de aanpassingen - nieuwe en herschreven ‘boeken’ in de ‘bibliotheek’ - weer in open source gepubliceerd ter versterking van het MKB en het onderwijs. Parallel hieraan willen de partners ontdekken welke praktijkvragen uit dit proces voortvloeien en welke onderliggende kennislacunes in de toekomst moeten worden ingevuld. Via open workshops met uitnodigingen in diverse netwerken worden vele partijen uitgenodigd om gezamenlijk aan de hand van de opgedane ervaringen van gedachten te wisselen over actuele kennisvragen en mogelijke gezamenlijke toekomstige beantwoording daarvan.
COMBINE staat voor: COmmunity driven Model Based INtelligent systems Engineering. Voorgaande RAAK-mkb projecten Fast&Curious en SMARTcode resulteerden een community van bedrijven en kennisinstellingen rondom HAN tools voor modelgebaseerde ontwikkeling van regelsystemen. De aanvankelijke focus lag hierbij op de prototype fase. Intussen is de focus verschoven naar serieproductie. Er is veel waardering voor de deling van preconcurrentiële kennis en ervaring in de community en de marktgedreven ontwikkeling van de tools, aangestuurd door de community. Diverse vakbladen deden hiervan verslag. De HAN tools richten zich tot op heden op het modelleren van regelalgoritmes. Nu de voordelen van deze technologie door de MKB partners worden herkend en ingezet, ontstaat de wens om vergelijkbare ondersteuning te introduceren voor het modelleren van het te regelen systeem. Een dergelijke aanvulling op de tools completeert de ondersteuning voor een volledige, modelgebaseerde workflow. Dit resulteert in een centrale MKB vraag naar de benodigde kennis en de tools om systeemmodellen snel, goedkoop en met de vereiste kwaliteit te kunnen realiseren en vervolgens optimaal te integreren in het ontwikkelproces. Naast de gewenste uitbreiding van de tools ontstaat er ook vanuit de Agri & Food sector een toenemende vraag naar de in de community beschikbare tools en de gehanteerde samenwerkingsvorm. COMBINE beoogt daarom twee doelen: 1. Het combineren van de sectoren High Tech Systemen & Materialen en Agri & Food op het gebied van modelgebaseerd ontwikkelen 2. Het combineren van nieuwe modelgebaseerde technieken op het gebied van systeemmodellering met bestaande low-cost tools Met de deliverables van COMBINE – tools, ontwikkelproces en preconcurrentiële samenwerking – worden bestaande oplossingen voor het MKB verrijkt op het gebied van systeemmodellen en direct gedeeld in een groeiende community die een breder applicatiegebied bestrijkt.
De Nederlandse agrosector heeft te maken met sterke schaalvergroting, klimaatverandering, achteruitgang van bouwland door bodemverdichting van zware machines, teruglopende beschikbaarheid van arbeid en een strengere milieuwetgeving. Oplossingen worden gezocht in het gebruik van kleine, autonome machines (agrobots) die specifieke taken van boeren kunnen overnemen. Nederlandse machinebouwers als Lely spelen hierop in met melk-, voer- en mestruimrobots. De agrarische sector wil steeds efficiënter werken, haar productiviteit verbeteren en vraagt zodoende voortdurend om slimmere applicaties. Een toekomstbeeld waarbij samenwerkende agrobots situaties kunnen beoordelen en gezamenlijk complexe taken kunnen uitvoeren wordt gezien als ‘The next step’ en onvermijdelijk, maar tevens als ingewikkeld, risicovol en voorlopig onrealiseerbaar. Machinebouwers hechten grote waarde aan betrouwbaarheid en missen de technologie om onderlinge coöperativiteit tussen machines met de nodige robuustheid te kunnen ontwikkelen en te integreren in hun product. De HAN heeft inmiddels veel ervaring opgebouwd op het gebied van programmeertools voor robotica en wil samen met kennisinstellingen als WUR, TUDelft en UT, machinebouwers als Lely en MultiToolTrac en eindgebruikers uit de agrarische sector, kennis en ervaring ontwikkelen op het gebied van het programmeren van robuuste, coöperatieve systemen. Het consortium wil dit doen met behulp van een modelgebaseerde workflow op basis van een integrale, open source toolchain waarin bestaande tools c.q. ecosystemen zijn geïntegreerd. Dit moet uiteindelijk resulteren in een praktijkdemonstratie – op de Floriade 2022 - van de technologie middels twee prototypes: mestrobots in de veehouderij en oogstafvoersystemen in de akkerbouw. Ten behoeve van een goede projectfocus beschouwt DurableCASE autonomie als reeds bestaand en voegt hier coöperativiteit aan toe. Concreet levert DurableCASE het volgende op: - gedemonstreerde en gepubliceerde, toepasbare kennis over robuuste coöperativiteit in agrobotica, gebaseerd op multi-agent technologie; - een open toolchain die efficiënte, modelgebaseerde ontwikkeling van robuuste coöperativiteit mogelijk maakt; - inzicht in de business case; - lesmateriaal op basis van bovengenoemde kennis en toolchain.
