Quantao Yangs banbrytande doktorsavhandling vid Örebro Universitet öppnar för en ny era inom robotik. Hans forskning visar på potentialen i att robotar lär av varandra, vilket kan leda till betydande effektivitetsförbättringar i tillverkningsindustrin.
Framsteg inom robotars inlärningsförmåga
Yang jämför robotars inlärningsprocess med hur en nyfödd bebis lär sig nya färdigheter. Han betonar att robotar i nuläget ofta är begränsade till att utföra specifika, förprogrammerade uppgifter och har svårigheter med att anpassa sig till nya arbetsuppgifter.
– De följer sina exakta steg och adderar man en ny uppgift klarar inte roboten av att lösa den, förklarar Yang.
Nyckeln till mer mångsidiga robotar
Yang, som tidigare arbetat som robotingenjör, insåg svårigheterna med att få robotar att hantera olika och mer komplexa uppgifter. Hans forskning fokuserar på användningen av artificiell intelligens för att möjliggöra för robotar att använda 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.
Mot en mer anpassningsbar robotgeneration
Yang förutspår en framtid där robotar inte bara utför förprogrammerade uppgifter utan även lär upp nya robotar och anpassar sig till skiftande miljöer. Detta skulle kunna minska behovet av tidskrävande programmering och öka industriell flexibilitet.
– På så sätt kommer robotar kunna anpassa sig till olika miljöer och mer oväntade förändringar, de blir mer flexibla helt enkelt.
Framtidens utmaningar
Yang diskuterar även de komplexa utmaningarna i att utveckla självlärande robotar. Hans arbete är en del av WASP, Sveriges största forskningsprogram inom AI och autonoma system, vilket markerar en viktig milstolpe för svensk forskning.
