12 aug. 2026
1 minuut
Een robot die sashimi snijdt klinkt misschien vooral als een vermakelijk onderzoeksproject. Maar hier gaat toch echt een serieus probleem uit de robotica schuil: hoe laat je een robot autonoom werken met zachte, gladde en vervormbare producten waarvan vorm en eigenschappen voortdurend verschillen? Onderzoekers combineren daarvoor drie robotarmen met vision, tactiele waarneming en reinforcement learning.
Een metalen werkstuk oppakken en op een vaste positie neerleggen is voor een industriële robot gesneden koek. Een stuk rauwe zalm manipuleren is een heel ander verhaal. Het materiaal is zacht en glad, vervormt tijdens het vastpakken en snijden en bovendien is geen zalmfilet precies hetzelfde.
Juist daarom kozen onderzoekers van onder meer SINTEF Ocean, NTNU, Queensland University of Technology, Inria, MIT en NMBU zalm als proefmateriaal voor hun Sashimi-Bot. Het onderzoek werd in juni gepubliceerd in npj Robotics.
Drie armen werken samen
Sashimi-Bot bestaat uit drie samenwerkende robotarmen. Die moeten een complete reeks handelingen zelfstandig uitvoeren. Eerst wordt de zalm in de juiste vorm gebracht. Vervolgens wordt het mes vastgepakt en gebruikt om plakjes te snijden, waarbij een andere arm het product stabiliseert. Ten slotte worden de dunne plakjes opgepakt en op een schaal gelegd.
Dat vraagt om meer dan het programmeren van een aantal vaste bewegingen. Zodra een arm druk uitoefent, verandert immers de vorm van de zalm. Tijdens het snijden kunnen het product en het mes verschuiven en een afgesneden plakje kan zelfs aan het mes blijven kleven.
De onderzoekers combineren daarom verschillende vormen van terugkoppeling en robotbesturing. Voor het manipuleren van de zalm wordt onder meer gebruikgemaakt van deep reinforcement learning. De robot leert eerst in een simulatie hoe hij de vorm van het zachte product kan veranderen. Die aangeleerde strategie wordt vervolgens naar de fysieke robot overgebracht. Tijdens de echte manipulatie gebruikt het systeem camerabeelden om de bewegingen verder bij te sturen.
Mes geeft robot tastzin
Vision alleen is niet voldoende. Tijdens het snijden krijgt de robot ook tactiele informatie. Een sensor bij het mes registreert de interactie tijdens het snijproces. Daardoor kan het systeem onder meer herkennen wanneer het mes de snijplank bereikt en zijn beweging daarop aanpassen.
Ook bij het oppakken van de afgesneden sashimi gebruikt het systeem vision. Dat is niet onbelangrijk: de dunne plakjes zijn kwetsbaar en kunnen aan het mes of de ondergrond blijven kleven.
Volgens de onderzoekers zit de belangrijkste winst dan ook niet in het automatiseren van de bereiding van sashimi. De demonstratie brengt verschillende technieken, leren, vision, tactiele waarneming, gereedschapsgebruik en nauwkeurige regeling, samen in één autonoom proces. Zij spreken daarbij van physical intelligence: een robot moet zijn omgeving niet alleen waarnemen, maar tijdens fysiek contact kunnen voelen wat er gebeurt en zijn handelen daarop aanpassen.
Verder dan de sushibar
Daarmee wordt de zalm vooral een bijzonder veeleisend proefstuk voor een veel breder automatiseringsvraagstuk. Traditionele robots zijn sterk in repetitieve processen met producten waarvan positie, geometrie en eigenschappen goed voorspelbaar zijn. Veel natuurlijke en zachte materialen voldoen daar niet aan.
Wanneer robots beter met zulke onzekerheden leren omgaan, komen volgens de onderzoekers toepassingen in onder meer voedingsmiddelenproductie, landbouw, textiel en recycling in beeld. Ook bij onderwaterrobots kan dezelfde combinatie van waarnemen, contact voelen en autonoom handelen interessant zijn.
Voor de voedingsmiddelenindustrie noemen de onderzoekers bovendien een heel praktische opbrengst: flexibelere verwerking van natuurlijke producten, een betere benutting van grondstoffen, minder voedselverspilling en minder afhankelijkheid van zwaar handwerk.
Sashimi-Bot is daarmee vooral een smakelijke demonstratie van een lastig robotvraagstuk: niet een robot exact leren wat hij moet doen, maar hem leren reageren wanneer de werkelijkheid nét anders blijkt dan verwacht.
Het laatste nieuws
