Open source AI maakt robots eindelijk slimmer

Van ROS naar redeneren

De basis voor open-source robotica werd gelegd in de jaren negentig, met projecten als het Inter-Process Communication-pakket van Carnegie Mellon en het Player Project. Versnipperd bleef het tot 2007, toen het Robot Operating System (ROS) debuteerde. ROS is technisch gezien geen besturingssysteem, maar een softwareframework dat op Linux draait en standaardtaken als sensorintegratie, communicatie tussen processen en bewegingsplanning regelt. Het werd snel de feitelijke standaard in onderzoekslabs wereldwijd. Wat ROS deed voor de hardware-aansturing, proberen nieuwe initiatieven nu te doen voor het cognitieve niveau: hoe een robot een opdracht interpreteert, een plan maakt en zich aanpast aan een veranderende omgeving.

Nieuwe spelers op het denk-niveau

Hugging Face, vooral bekend van zijn AI-modellenhub, lanceerde de afgelopen jaren bibliotheken zoals LeRobot waarmee onderzoekers vision-language-action-modellen kunnen trainen en delen. Nvidia bouwt met platforms als Isaac en GR00T aan een ecosysteem van foundation models en simulatieomgevingen die specifiek op humanoïden zijn gericht. Alibaba publiceerde diverse open modellen die toegepast kunnen worden voor robotische taken. De gemene deler: in plaats van elke robot vanaf nul te trainen, kunnen ontwikkelaars voortbouwen op gedeelde modellen. Hetzelfde patroon dat generatieve AI vanaf 2022 in een stroomversnelling bracht.

Waarom dit ertoe doet voor de markt

De drempel om een capabele robot te bouwen kan hierdoor net zo snel dalen als de drempel om een AI-applicatie te bouwen daalde. Voor een Europese werkgever betekent dat op termijn: meer aanbieders, meer concurrentie en lagere prijzen per inzeturen. Maar er zit een keerzijde aan. Open-source modellen worden vaak getraind op data uit onderzoekssettings, niet op de eisen van een Nederlandse magazijnomgeving of productielijn. Wie overweegt om een humanoïde robot te leasen, kijkt niet alleen naar de hardware maar ook naar welk softwarestack eronder zit en wie verantwoordelijk is voor updates en veiligheidspatches.

EU AI Act: wie is aansprakelijk bij open modellen?

De opmars van open-source AI in robotica botst met de gelaagde verantwoordelijkheidsstructuur van de EU AI Act en de Machineverordening. Een humanoïde robot die in een werkomgeving wordt ingezet, valt al snel onder de categorie hoog-risico AI-systemen. De fabrikant moet conformiteit aantonen, een risicobeoordeling uitvoeren en zorgen voor menselijk toezicht. Maar wat als het cognitieve model afkomstig is van een open-source-repository en lokaal is gefinetuned door de integrator? De AI Act biedt enkele uitzonderingen voor open-source componenten, maar zodra het systeem commercieel wordt ingezet, blijft de verantwoordelijkheid bij de partij die de robot op de markt brengt. Voor Nederlandse afnemers is dat een aandachtspunt bij contractonderhandelingen.

Wat betekent het voor pilots in Nederland?

Voor sectoren als 3PL en fulfillment en productie en assemblage kan een open ecosysteem versnelling betekenen: niet langer wachten op één leverancier voor elke softwareverbetering, maar profiteren van een bredere community. Tegelijk is de waarschuwing reëel dat open modellen geen kant-en-klare productieoplossing zijn. Integrators die de brug slaan tussen open foundation models en gecertificeerde inzet in een werkomgeving, worden cruciaal. In de afweging tussen lease en koop wordt deze softwarelaag een steeds zwaarder argument: bij lease ligt het updatebeheer doorgaans bij de aanbieder.

Wat betekent dit voor Nederland?

Voor Nederlandse werkgevers betekent de opmars van open-source robot-AI op termijn meer keuze en lagere instapkosten, maar ook nieuwe vragen over compliance. Onder de EU AI Act blijft de partij die de robot op de markt brengt verantwoordelijk, ongeacht of het model uit een open repository komt. Wie nu een pilot overweegt, doet er goed aan contractueel vast te leggen wie verantwoordelijk is voor modelupdates, veiligheidstesten en hertraining.