Physical AI

De Vlaamse maakindustrie staat voor structurele uitdagingen: arbeidskrapte, stijgende loonkosten en een toenemende complexiteit van High-Mix-Low-Volume (HMLV) productie. Klassieke industriële robotica biedt onvoldoende flexibiliteit voor deze variabele omgevingen. Physical AI, de integratie van AI-gestuurde perceptie, planning en actie in fysieke robotsystemen, biedt een nieuw antwoord, al blijft dit voor veel regionale kmo's onbereikbaar door hoge implementatiedrempels en een gebrek aan overdraagbare kennis.

Dit PWO-programma onderzoekt en valideert een schaalbare, modulaire Physical AI-softwarearchitectuur die inzetbaar is over meerdere industriële sites en robottypes. Vanuit de Sense-Plan-Act cyclus onderzoeken we hoe Vision-Language-Action modellen, reinforcement learning en ROS2-integratie kunnen worden ingezet om robots adaptief te laten uitvoeren in dynamische industriële omgevingen. De focus ligt op de softwarematige Plan-fase en de overgangen tussen perceptie en actie.

Het onderzoek vertrekt vanuit concrete use cases bij regionale bedrijven (o.a. sitebewaking, inspectie, procesbegeleiding) en bouwt via transfer learning en digital twin-simulatie naar generiek overdraagbare methodieken. Het programma wordt gedragen door AI Lab, HIT Lab en Energy Lab van Howest en resulteert in een open testomgeving (Robotics Living Lab), workshops, opleidingsmodules en een implementatietoolkit voor het Vlaamse bedrijfsleven.