Mesterséges intelligencia és robotkarok váltják fel a nehéz fizikai munkát

Kora reggelente a hulladékszállító járművek zötykölődnek az utcákon, miközben a dolgozók nehéz kukákat vonszolnak és emelnek a tartályokba – ez a mindennapos fizikai erőpróba hamarosan a múlté lehet. Egy németországi állami támogatással megvalósuló projekt keretében egy új, mesterséges intelligenciával vezérelt robotkart fejlesztenek, amely önállóan végzi el a hulladékgyűjtő edények mozgatását, ürítését és visszahelyezését. A kutatás célja, hogy drasztikusan csökkentse az emberi munkaerő fizikai terhelését a legnehezebb körülmények között is.

Az AutASa Projekt: Partnerek és Szakmai Célkitűzések

A napokban, 2026. június 23-án közzétett hivatalos sajtóközlemény alapján a Fraunhofer-Institut für Gießerei-, Composite- und Verarbeitungstechnik (Fraunhofer IGCV) kutatóintézet élen jár az innovációban. Az MRK-Systeme GmbH és a Roboception GmbH partnerekkel közösen, valamint a német Szövetségi Kutatási, Technológiai és Űrügyi Minisztérium (Bundesministerium für Forschung, Technologie und Raumfahrt) finanszírozásával fejlesztik az AutASa projektet.

Jannik Möhrle, a Fraunhofer IGCV intelligens folyamatvezérlési és robotikai szakértője, egyben a projekt vezetője kiemelte: a fejlesztés fókuszában a szemétszállítók fizikai egészségének megóvása áll, függetlenül az időjárási viszontagságoktól. A kifejlesztett intelligens robotrendszer nagy előnye, hogy a már meglévő hulladékszállító járművek hátsó részére szerelhető fel, így a jelenlegi géppark is modernizálható anélkül, hogy teljesen új járműveket kellene vásárolni.

Valós Idejű Biztonság és 3D-s Térképezés

A mesterséges intelligencia vezérelte technológia alapját egy rendkívül összetett szenzorhálózat adja. A rendszer valós idejű, 3D-s digitális térképet generál a hulladékszállító autó környezetéről. Ennek a precíziós leképezésnek köszönhetően a gép megbízhatóan felismeri a környezetében lévő gyalogosokat és a különféle akadályokat, amelyeket ütközési geometriákként tart számon.

A mozgás biztonságáért speciális algoritmusok felelnek, amelyek a másodperc töredéke alatt, valós időben számítják ki a robotkar legbiztonságosabb mozgási pályáját. Az MRK-Systeme által kidolgozott intelligens szenzor-összekapcsolási architektúra garantálja, hogy a munkafolyamat a forgalmas, belvárosi környezetben is teljesen biztonságos maradjon.

Kétlépcsős Tanulási Algoritmus és Szimulációs Kihívások

Mielőtt az eszközt élesben bevetnék, a robotnak egy számítógépes szimulációban kell megtanulnia a hibátlan mozgást. Jannik Möhrle rávilágított, hogy a „kétlépcsős megközelítésük” jelentős képzési időt takarít meg a mesterséges intelligencia betanítása során.

A folyamat lépései az alábbiak szerint épülnek fel:

1. Első fázis: A mesterséges intelligencia algoritmusa kiszámítja és végrehajtja a robotkar nagyobb, úgynevezett durva mozgásait, ráirányítva a kart a hulladékgyűjtő edényre.

2. Második fázis (Az utolsó centiméterek): A finomhangolást egy adaptív gépi tanulási eljárás veszi át. Ez a Roboception cég által biztosított KI-alapú rugalmas tárgyfelismerési technológiára épül, ami elengedhetetlen a változó és olykor kaotikus utcai környezethez való alkalmazkodásban.

A szimulációk során a fejlesztők szisztematikusan manipulálják a környezeti és fizikai paramétereket. Folyamatosan változtatják a kukák súlyát, vizuális megjelenését, a felvételük során fellépő súrlódási együtthatókat, valamint a szenzorokból érkező kameraadatok képzajának mértékét. Ez az iteratív, többtényezős tesztelés teszi a rendszert rendkívül robusztussá a gyakorlati átállás során.

Gyakorlati Eredmények és a Jövő Ipari Potenciálja

A tereptesztek egyértelműen bizonyítják, hogy az MI-vel támogatott robot még a legszűkebb sikátorokban és komplex környezetekben is képes elvégezni a feladatot, mindezt a szemétszállítók manuális, fizikai beavatkozása nélkül. Jelenleg a prototípus egy kommunális hulladékgyűjtési demonstrációs tesztfázisban dolgozik.

A konzorcium tagjai egyetértenek abban, hogy a kifejlesztett megoldás messze túlmutat a hulladékszállítás keretein. A technológia hamarosan forradalmasíthatja a mezőgazdaságot, az építőipart és más nehézipari szegmenseket, ahol a munkavállalók jelenleg is fizikailag megterhelő, rutinszerű feladatokat végeznek.

„Ez csak a kezdet” – mondta a Fraunhofer kutatója. „A hulladékszállító járművet az okos robotika mobil platformjává kívánjuk tenni.”

 Hivatalos források és hivatkozások: 

• A technológia matematikai és mérnöki hátterét taglaló tudományos publikáció: Möhrle, Jannick et al. (2025): Onlinebahnplanung mittels Reinforcement Learning. WT Werkstattstechnik 115(3), 185-192. oldal. (DOI: 10.37544/1436-4980-2025-03-67)

• Eredeti forrás: Fraunhofer IGCV hivatalos sajtóközlemény (2026. június 23.)

• Állami támogatói háttér: Német Szövetségi Kutatási és Oktatási Minisztérium (BMBF) portálja