Een paprika of tomaat oogsten. Of een blad verwijderen. Simpele handelingen, zou je zeggen. Maar een robot programmeren zodat deze het ook kan, dat is ingewikkeld. Daarom onderzoekt de Business Unit Glastuinbouw van Wageningen University & Research hoe een robot zelf die handelingen kan aanleren.

Robots doen hun intrede in kassen. Ze kunnen 24/7 werken onder hoge vochtigheids- en temperatuuromstandigheden en onder zeer hygiënische omstandigheden. Hoewel robots herhalende handelingen taken snel en met hoge nauwkeurigheid kunnen uitvoeren, is hun gebruik in de kas nog beperkt tot gewasbewaking of tot een zeer specifieke enkele taak met een welomschreven variëteit aan gewassen (bijvoorbeeld: aardbeien oogsten); voor een andere taak is een andere robot nodig.
Een robot die verschillende handelingen kan leren is flexibeler. Daarom onderzoekt WUR mogelijke toepassingen van het leren van robots in onder andere de glastuinbouw.

Zelflerend

Het onderzoek naar de mogelijkheden binnen de glastuinbouw wordt gedaan bij de Business Unit Glastuinbouw. Onderzoekers laten de robot verschillende kleine acties zien, telkens iets anders of vanuit een andere hoek uitgevoerd. De robot leert daardoor hoe het zelf een taak kan uitvoeren. Deze training duurt enkele weken en gebeurt met de ‘reinforcement learning aanpak’.
Op deze manier leert de robot taken die natuurlijk zijn voor mensen, maar erg moeilijk te programmeren, zoals het verwijderen van een blad wanneer er een rijpe tomaat achter verborgen zit, of om contact met een mens op zijn pad te vermijden. Verder onderzoekt WUR hoe robots reageren op moeilijke omstandigheden, zoals de beperkte werkruimte in een kas door de aanwezigheid van gewassen, en onder veranderende lichtomstandigheden.
Het project wordt gefinancierd door het Ministerie van Landbouw, Natuur en Voedselkwaliteit.