‘Een vlucht mag niet ten koste gaan van iemands rug’

In aanloop naar de finale van de AI Pitch Competition op 12 november in het Evoluon in Eindhoven zet IO+ zijn serie voort over de acht finalisten en één wildcard. In deze achtste aflevering vertelt Robert de Bruijne, medeoprichter en CEO van UNSEQ, hoe Vision-Language-Action-modellen en World Action Models robots toegang geven tot de krappe bagageruimen van vliegtuigen. Daarmee moeten ze medewerkers gevaarlijk lichamelijk werk uit handen nemen, zonder de strakke planning tussen landing en vertrek te verstoren.

In het krappe ruim van een passagiersvliegtuig zijn de werkomstandigheden zwaar. Bagage laden en lossen is fysiek uitputtend werk, dat onder voortdurende tijdsdruk wordt uitgevoerd op een plek waar medewerkers niet eens rechtop kunnen staan. Bij de afhandeling van één vliegtuig tilt een bagagemedewerker soms wel 180 koffers en tassen, waarvan sommige tot 32 kilo wegen. Dat herhaalt zich meerdere keren per dag, bij een slechte luchtkwaliteit.

Terwijl het aantal passagiers blijft groeien, kampen luchthavens wereldwijd met aanhoudende personeelstekorten en een hoog personeelsverloop onder platformmedewerkers. Conventionele fabrieksautomatisering biedt in een vliegtuigruim echter geen uitkomst. Elk stuk bagage is anders: een overvolle reistas vervormt onvoorspelbaar, terwijl een stevige koffer van polycarbonaat zijn vorm behoudt. En de bewegingsruimte wordt er gemeten in centimeters.

De Eindhovense startup UNSEQ gaat die uitdaging aan. Door Vision-Language-Action-modellen (VLA) te combineren met World Action Models en reinforcement learning bouwt het team aan autonome fysieke AI die vervormbare, onvoorspelbare objecten in krappe ruimtes kan hanteren.

Medeoprichter en CEO Robert de Bruijne legt uit waarom fysieke AI de stap moet zetten van spectaculaire demonstraties naar betrouwbaarheid gedurende een volledige dienst, hoe UNSEQ omgaat met Europese veiligheidsregels en waarom het de moeite waard is om mensen van dit zware werk te ontlasten.

Vision-Language-Action-modellen in het vliegtuigruim

“Bij UNSEQ ontwikkelen we robots voor een van de zwaarste taken in de luchtvaart: het laden en lossen van bagage in vliegtuigruimen”, vertelt De Bruijne. “Het is krap en fysiek zwaar werk, met heel weinig bewegingsruimte. Elke tas is anders, en een zachte sporttas gedraagt zich heel anders dan een harde koffer.”

Traditionele industriële robotica is afhankelijk van gestructureerde, voorspelbare fabrieksomgevingen. Om met de onvoorspelbaarheid van een stapel bagage om te gaan, gebruikt UNSEQ de nieuwste ontwikkelingen in fysieke AI. “AI vormt de kern van onze aanpak om met die variatie om te gaan”, zegt De Bruijne. “We gebruiken Vision-Language-Action-modellen, oftewel VLA-modellen. Die bouwen voort op de vooruitgang in taal- en beeldmodellen en verbinden wat de robot ziet en de opdracht die hij krijgt met fysieke handelingen. We combineren deze modellen met inzichten uit reinforcement learning en World Action Models (WAM’s), zodat de robot beter kan bepalen welke handelingen hij uitvoert en wat de gevolgen daarvan zijn.”

De technische uitdaging is om die mogelijkheden op het luchthavenplatform voorspelbaar en betrouwbaar te laten werken. “De uitdaging is om deze combinatie betrouwbaar te laten functioneren in het ruim. De robot moet bagage herkennen, bepalen hoe hij die vastpakt en zijn bewegingen plannen binnen de beschikbare ruimte. We richten ons op het ontwikkelen en aanpassen van deze AI-methoden aan de onvoorspelbare omstandigheden van bagageafhandeling, waar conventionele automatisering moeite mee heeft.”

Een wereldmarkt vanuit een gestandaardiseerde ruimte

Hoewel de werkomstandigheden veeleisend zijn, bieden de bagageruimen van vliegtuigen met één gangpad een afgebakende en wereldwijd gestandaardiseerde werkomgeving. “Het vliegtuigruim geeft ons een duidelijk startpunt met een internationale markt”, legt De Bruijne uit. “Grondafhandelaars op luchthavens over de hele wereld hebben te maken met vergelijkbare uitdagingen rond zwaar tilwerk, personeelsbezetting en de korte tijd tussen aankomst en vertrek.”

Om de technologie op te schalen, is meer nodig dan goede software: ook de uitvoering moet aan industriële eisen voldoen. “Ons doel is een systeem te ontwikkelen dat we op meerdere plekken kunnen inzetten en dat aansluit op de dagelijkse operatie. Opschaling vraagt om productie, onderhoud, training van operators en betrouwbare ondersteuning. Ook moeten we aantonen dat het systeem gedurende een hele werkdag veilig kan omgaan met verschillende soorten bagage en uiteenlopende werkomstandigheden.”

Een betrouwbare werking in het ruim moet ook als technologische springplank dienen. “Zodra we dat hebben gerealiseerd, zal de AI-technologie die we ontwikkelen ook bruikbaar zijn voor andere robottoepassingen met uiteenlopende objecten en beperkte ruimte. Maar de eerste mijlpaal is heel concreet: een betrouwbaar systeem voor het laden en lossen van vliegtuigruimen.”

Verantwoorde fysieke AI en testen op uitzonderlijke situaties

Omdat de modellen van UNSEQ met fysieke bagage werken en geen profielen van mensen maken, krijgen vragen over algoritmische vooringenomenheid een andere betekenis. “Onze robot neemt beslissingen over hoe hij bagage moet hanteren. Vragen over vooringenomenheid en eerlijkheid spelen daardoor anders dan bij AI-systemen die mensen beoordelen”, zegt De Bruijne. “De eerste vereiste is dat de robot betrouwbaar omgaat met alle verschillende tassen en koffers die hij tegenkomt.”

Om storingen in de praktijk te voorkomen, moet het team verder kijken dan de ideale omstandigheden van een laboratorium. “Als je alleen test met netjes neergezette koffers, kan dat een misleidend beeld van de prestaties geven. In een ruim kunnen tassen zacht, versleten, onhandig gevormd of deels aan het zicht onttrokken zijn. Representatieve tests en duidelijke grenzen aan de inzetbaarheid helpen dat risico te beperken.”

Minstens zo belangrijk is het betrekken van medewerkers. “Verantwoorde AI blijft belangrijk, vooral voor de mensen die rond de apparatuur werken. Zij moeten begrijpen wat het systeem kan, de beperkingen herkennen en weten hoe ze kunnen ingrijpen. We moeten ook bagagemedewerkers bij de overgang betrekken. Hun ervaring is waardevol om AI te ontwikkelen die aansluit bij de werkelijke omstandigheden, en om te begrijpen hoe het AI-gestuurde systeem hun werk verandert.”

Mensen ontlasten van slopend lichamelijk werk

Voor De Bruijne ligt de maatschappelijke waarde van robotica op het luchthavenplatform vooral in gezonder en veiliger werk. “Stel je voor dat je tijdens de afhandeling van één vliegtuig 180 tassen en koffers verplaatst, waarvan sommige tot 32 kilo wegen”, zegt hij. “En dat vervolgens meerdere keren per dag, in een ruimte waar je niet rechtop kunt staan. Over een heel werkzaam leven telt die belasting op. De luchtkwaliteit rond vliegtuigen is een extra zorg. Wij vinden dat mensen niet hun hele loopbaan onder zulke omstandigheden zouden moeten werken. Een vlucht mag niet ten koste gaan van iemands rug.”

Serie

AI Pitch Competition

Lees hier alle andere artikelen die we schreven over de AI Pitch Competitio

Bekijk serie

Automatisering biedt een manier om knelpunten in de operatie te verlichten en tegelijkertijd medewerkers te beschermen. “Mensen willen blijven vliegen, en grondafhandelaars hebben aanhoudend moeite om personeel te vinden en te behouden. We verwachten dat die druk blijft bestaan. Door het zwaarste werk te automatiseren, kunnen we helpen de operatie draaiende te houden en tegelijkertijd de werkomstandigheden verbeteren.”

Daarbij blijft de mens verantwoordelijk. “Die overgang vraagt om zorgvuldigheid. In onze beoogde werkwijze blijft buiten het vliegtuig een menselijke operator of toezichthouder betrokken, met de juiste training en duidelijke verantwoordelijkheden.”

Focus houden: deeptech verbinden met de dagelijkse praktijk

Om AI die fysiek handelt te laten functioneren onder zware werkomstandigheden, moet het team zich niet laten meeslepen door academische hypes. Ingenieurs moeten dicht bij de praktijk op het luchthavenplatform blijven. “Een van de grootste uitdagingen was begrijpen wat er nodig is om een robot echt bruikbaar te maken in de grondafhandeling”, blikt De Bruijne terug. “In het ruim zijn technische prestaties maar een deel van het verhaal. De apparatuur moet ook passen binnen het afhandelingsproces en praktisch zijn voor de mensen die ermee werken.”

“We pakken dat aan door tijd te steken in het begrijpen van de operatie, testopstellingen te bouwen en te leren van fysieke experimenten. Die lessen geven richting aan zowel de hardware als de AI.” In een tijd waarin AI-aankondigingen elkaar snel opvolgen, is focus belangrijk. “De snelheid waarmee AI zich ontwikkelt, biedt kansen om problemen op te lossen die voor robotica lange tijd moeilijk waren. Maar het kan je ook verleiden om achter elke nieuwe ontwikkeling aan te gaan. Door het vliegtuigruim centraal te houden, blijven we met beide benen op de grond: helpt deze vooruitgang ons om bagage veiliger en betrouwbaarder te hanteren?”

Veiligheid onder de Machinerichtlijn en de Europese AI-verordening

De inzet van autonome machines met meerdere bewegingsassen in kostbare vliegtuigen stelt strenge eisen aan de naleving van regelgeving. “Werken in een vliegtuigruim maakt veiligheid tot een centrale ontwerpeis”, benadrukt De Bruijne. “We ontwikkelen apparatuur die zware bagage vlak langs vliegtuigconstructies verplaatst en onderdeel is van een operatie waarin ook mensen werken. Risicobeoordeling, veiligheidsfuncties, documentatie en validatie moeten daarom vanaf het begin deel uitmaken van het ontwikkelproces.”

De startup onderzoekt hoe zijn technische ontwerp aansluit op de Europese regelgeving die zich verder ontwikkelt. “De Europese AI-verordening hanteert een risicogebaseerde aanpak. Voor hoogrisicosystemen gelden onder meer eisen aan risicobeheer, documentatie, menselijk toezicht en robuustheid. We brengen in kaart hoe die eisen op ons product van toepassing zijn, naast de relevante regels voor machines en productveiligheid.”

“Ons doel is om nieuwe mogelijkheden onder gecontroleerde omstandigheden te testen, duidelijke grenzen aan het gebruik te stellen en ervoor te zorgen dat de robot veilig kan stoppen of menselijke hulp kan vragen als hij onzeker is. Wij zien die zorgvuldigheid als onderdeel van innovatie: veelbelovende AI omzetten in een betrouwbaar hulpmiddel dat grondafhandelaars met vertrouwen kunnen gebruiken.”

Eindhovense mechatronicakennis en de kloof naar opschaling

De ontwikkeling van geavanceerde robothardware in combinatie met de nieuwste fysieke AI vraagt om een gespecialiseerd regionaal ecosysteem. “Brabant is een goede plek om het soort systeem te bouwen dat wij ontwikkelen”, zegt De Bruijne. “Rond Eindhoven vind je technisch talent, onderzoek, een sterk netwerk van toeleveranciers en ervaring met het omzetten van complexe technologie in betrouwbare machines. Eindhoven heeft ook een groeiende kennisbasis en gemeenschap op het gebied van AI. De TU/e en het AI Innovation Center helpen onderzoekers, ingenieurs en ondernemers om elkaar te vinden en expertise te delen. Het samenbrengen van mechanica, elektronica en AI vraagt precies om die combinatie.”

Publieke subsidies bieden in de vroege ontwikkelfase cruciale ademruimte. “Landelijke subsidies kunnen echt verschil maken doordat ze helpen AI-ontwikkeling, prototypes en tests te financieren voordat een product omzet oplevert. Die steun kan startups als UNSEQ meer ruimte geven om moeilijke technische problemen op te lossen en veelbelovend onderzoek om te zetten in praktische technologie.”

Tegelijkertijd ziet De Bruijne een bekende Europese hindernis bij het op de markt brengen van hardware. “Wat ik graag meer zou zien, is ondersteuning bij de stap van een veelbelovend prototype naar een betrouwbaar commercieel product: kapitaal van investeerders met een lange adem, toegankelijke testmogelijkheden en klanten die willen helpen nieuwe technologie te valideren. We moeten net zo goed worden in het opschalen van technologie als in het uitvinden ervan.”

De komende golf van verandering in fysiek werk

In het debat over AI for Good tegenover AI for Disaster ziet De Bruijne kunstmatige intelligentie die fysieke taken uitvoert als de volgende grote industriële golf. “AI kan heel nuttig zijn, en juist daarom kan de impact zo ontwrichtend zijn”, zegt hij. “Ik denk dat de opmars van AI in fysiek werk nog maar net begint. De komende jaren zullen robots steeds complexere taken uitvoeren, die veel verder gaan dan de woonkamer stofzuigen. Dat biedt kansen om gevaarlijk en uitputtend werk te verminderen, maar het verandert ook banen en brengt nieuwe risico’s met zich mee. We hebben duidelijke verantwoordelijkheden nodig, betekenisvolle menselijke controle en bewijs dat systemen de taken die ze krijgen toevertrouwd aankunnen.”

“Ik ben optimistisch omdat we bewust kunnen kiezen wat we bouwen”, voegt hij eraan toe. “Voor UNSEQ begint die keuze bij het wegnemen van de fysieke belasting van bagageafhandeling.”

Het verhaal op het podium van het Evoluon

Wanneer UNSEQ op 12 november in het Evoluon voor de jury pitcht, wil De Bruijne het verhaal dicht bij het tastbare nut in de praktijk houden. “Volgens mij hebben we een sterk verhaal, omdat het probleem, de commerciële behoefte en de voordelen allemaal duidelijk zijn”, besluit hij. “Je hoeft geen AI-expert te zijn om te begrijpen waarom iemand die de hele dag zware tassen tilt in een krap vliegtuigruim een betere oplossing verdient. Om die oplossing te laten werken, is gedegen engineering nodig. Daar bouwen we UNSEQ omheen.”

“We hebben een gerichte toepassing, een praktische aanpak en een internationale markt. En als we zeggen dat onze AI het zware werk gaat doen, bedoelen we dat heel letterlijk.”

De AI Pitch Competition wordt georganiseerd door Erasmus Enterprise, BOM en IO+, met steun van de provincie Noord-Brabant. De finale vindt plaats tijdens AI Summit Brainport op 12 november in het Evoluon in Eindhoven.