Interface wordt de bottleneck van Physical AI

De industrie bouwt eenzijdig aan de robotkant

De afgelopen drie jaar draaiden om indrukwekkende vooruitgang aan de machinekant van de loop. Bedrijven als Boston Dynamics, Figure en Unitree tilden actuatoren, locomotie en handvaardigheid naar een niveau dat tien jaar geleden nog onwaarschijnlijk klonk. Google DeepMind liet met Gemini Robotics zien wat vision-language-action-modellen kunnen in ongestructureerde omgevingen. Die curve is reëel en versnelt nog. Maar de andere kant van diezelfde loop, de interface tussen mens en machine, wordt al veertig jaar als opgelost beschouwd.

Drie modaliteiten die kraken in het veld

Schermen, knoppen en stem: dat is feitelijk het hele palet waarmee operators sinds de jaren tachtig machines aansturen. Alle drie veronderstellen ze dat de gebruiker even kan stoppen, naar beneden kan kijken en zijn intentie in een gestructureerd commando kan vertalen. Die aanname klapt om zodra het werk in een echte omgeving plaatsvindt: handen aan een moersleutel, ogen op een pallet, omgevingsgeluid dat spraakherkenning sloopt. Voor humanoïde robots die naast mensen werken, betekent het dat de operator vaak meer tijd kwijt is aan instrueren dan dat de robot tijd bespaart.

Waarom dit voor humanoïden urgenter wordt

Een Unitree G1 of Figure 02 die zelfstandig manipulatietaken uitvoert, heeft alleen waarde als een supervisor binnen seconden kan ingrijpen, herprioriteren of een uitzondering kan afhandelen. Hoe capabeler de robot, hoe vaker hij in een grijs gebied terechtkomt waarin een mens moet bevestigen. Dat gebeurt nu doorgaans via een tablet of een dashboard, wat in praktijk niet werkbaar is op een productievloer of in een DC. Bekijk ook de bredere modellencatalogus om te zien hoe sterk de hardware al is opgeschoven richting autonome taken.

Wat een 'slimmere interface' concreet betekent

Het IEEE Spectrum-artikel wijst op multimodale, context-bewuste invoer: subtiele gebaren, blikrichting, haptische feedback en omgevings-sensing die intentie afleiden zonder dat de operator de taak onderbreekt. Voor een werkgever is dat geen futurisme maar een TCO-vraag: als elke interactie tussen mens en robot tien seconden kost, dan loopt dat in een ploegendienst snel op tot uren. Dezelfde logica geldt voor veiligheid: hoe lager de drempel om in te grijpen, hoe sneller een onveilige situatie geneutraliseerd wordt.

Compliance-laag onder de interface

Onder de EU AI-Act en de nieuwe Machineverordening moeten operators bij hoog-risico-toepassingen 'effectief toezicht' kunnen uitoefenen. Een interface die de operator dwingt om zijn taak te onderbreken, voldoet daar in de praktijk niet aan. Wie nu een pilot opzet, doet er goed aan om de interface-laag mee te nemen in de risico-analyse. In onze gids over AI-Act en Machineverordening staat hoe die eis zich verhoudt tot leveranciersdocumentatie en hoe je dat contractueel vastlegt.

Wat dit betekent voor pilot-keuzes

Voor Nederlandse 3PL- en fulfilment-operaties en productie-assemblage is de boodschap helder: kijk bij een pilot niet alleen naar de robot, maar minstens zo hard naar de bedieningslaag. Een platform dat alleen via een tablet werkt, schaalt slecht op de vloer. Vraag leveranciers expliciet welke handsfree-controle, welke gebaren- of wearable-integratie en welke supervisie-API's beschikbaar zijn. Zie ook lease versus koop voor hoe interface-updates zich verhouden tot afschrijving.

Wat betekent dit voor Nederland?

Voor Nederlandse werkgevers is dit het signaal om bij een humanoïde robot-leasetraject niet alleen op specs te selecteren, maar op de bedienings- en supervisie-laag. Die laag bepaalt of de robot in de dagelijkse praktijk tijd oplevert of juist kost, en of toezicht onder de AI-Act überhaupt werkbaar is.