Direct naar de hoofdinhoud
Samenwerkend onderzoekIn uitvoering · per 26 juli 2026

Vision for Robotfusion

Samenwerkend AI- en data-deelproject voor robotvisie en toegepaste AI-ontwikkeling.

Context

NLAI neemt deel aan Vision for Robotfusion, een samenwerkingsproject binnen de Brabantse AI-community met onder meer Brabant.ai, Brainport Development en Breda Robotics als partners. Het project onderzoekt hoe beelddata die organisaties met elkaar delen AI-modellen voor robotica en landbouw kan verbeteren, en hoe dat delen een herhaalbare methode voor de bredere community kan worden.

Vision for Robotfusion maakt deel uit van het bredere AI-community Brabant-initiatief, met partners binnen Brainport Development en Breda Robotics. Robots die onkruid en gewassen herkennen, leren van beelden, en elke organisatie die met zulke robots werkt, heeft maar een deel van het beeld.

Het project stelt een praktische vraag: kunnen organisaties beelddata verantwoord bundelen, en maakt die gebundelde data de modellen aantoonbaar beter?

Uitdaging

Het delen van beelddata is een structureel vraagstuk. AI-modellen in robotica en landbouw zijn sterk afhankelijk van hoogwaardige beelddata. Het delen van data tussen organisaties vereist echter meer dan technische infrastructuur. Het vraagt ook om duidelijke governance, herbruikbare formaten, vertrouwen en praktische werkwijzen.

Rol en bijdrage van NLAI

NLAI neemt deel als projectdeelnemer en levert engineering- en datawerk:

  • Validatie van AI-modellen — praktische validatie van computer vision-modellen op basis van gedeelde beelddata uit meerdere bronnen.
  • Beeldtransformatie — pipelines voor normaliseren, transformeren en voorbereiden van beelddata voor modeltraining.
  • Datasetontwikkeling — gestructureerde datasetvoorbereiding, annotatiereview en kwaliteitscontroles voor herbruikbare assets.
  • Tooling-ondersteuning — engineering-ondersteuning voor tooling die AI-workflows reproduceerbaar en inspecteerbaar maakt.
  • Methodologie voor data delen — praktische methoden voor verantwoord data delen tussen organisaties en use cases.
  • Community-documentatie — documentatie waarmee de bredere Brabant AI-community kan toepassen en hergebruiken wat wordt gebouwd.

Aanpak

Het werk volgt de weg die de data aflegt, en elke stap bouwt voort op de vorige:

  1. De data één keer voorbereiden. Beelden van meerdere organisaties worden getransformeerd, genormaliseerd en gestructureerd tot gedocumenteerde datasets, en de annotaties worden gereviewd en op kwaliteit gecontroleerd.
  2. Testen of delen helpt. Visiemodellen voor robotica en landbouw worden ontwikkeld en gevalideerd op de gebundelde data uit meerdere bronnen, om vast te stellen of delen ze aantoonbaar beter maakt.
  3. Delen werkbaar maken. Gedeelde datastructuren en governance-principes leggen vast hoe organisaties data kunnen bundelen op een manier die praktisch en betrouwbaar is.
  4. Klaarmaken voor hergebruik. Tooling, templates en documentatie worden samengebracht in een generieke aanpak die andere Brabant.ai-initiatieven kunnen overnemen.

Architectuur

Gedeelde beelddata

WP1

  • Beelden van meerdere organisaties
  • Transformatie en normalisatie
  • Datasetstructuur en annotatiereview
Voorbereide, gedocumenteerde datasets

Visiemodellen

WP1

  • Modelontwikkeling en -verbetering
  • Validatie op data uit meerdere bronnen
Gevalideerde bevindingen

Herbruikbare community-aanpak

WP2

  • Structuren en governance voor data delen
  • Toolkit, templates en formaten
  • Community-documentatie
Hoe het werk in het project samenhangt: beelddata wordt één keer voorbereid, gebruikt om visiemodellen te valideren en omgezet in methoden en templates die de bredere community kan hergebruiken. Het schema beschrijft de projectstructuur, geen systeem in productie.

Werkpakketten

  1. WP1

    Proof of Concept voor data delen in onkruidrobots

    Technische en organisatorische validatie van het gebruik van gedeelde beelddata om AI-modellen voor robotica- en landbouwtoepassingen te verbeteren.

  2. WP2

    Generieke community-aanpak voor data delen

    Ontwikkeling van een herbruikbare aanpak, toolkit, templates en praktische methoden die het delen van data binnen de bredere Brabant AI-community ondersteunen.

Methoden

  • Computer vision
  • Pipelines voor beeldtransformatie
  • Annotatiereview en kwaliteitscontroles
  • Governance en templates voor data delen

Wat volgt

Het project wil het AI-ecosysteem in Brabant versterken met praktische methoden en herbruikbare bouwstenen voor gedeelde data, gezamenlijke AI-ontwikkeling en toegepaste innovatie.

Bij de laatst gepubliceerde update, van 26 juli 2026, was het project actief en in uitvoering. De resultaten van het proof of concept (WP1) en de community-toolkit (WP2) worden hier samengevat zodra de projectpartners akkoord zijn met delen.

Partners en relatie

Elke partner wordt genoemd met zijn relatie tot dit werk. Geen van hen wordt als klant van NLAI gepresenteerd.

  • Brabant.aiProjectpartner
  • Brainport DevelopmentProjectpartner
  • Breda RoboticsProjectpartner

Waar dit op aansluit

De praktijk en capabilities waarop dit werk steunt, voor wie de technische diepgang zoekt.

Al het werk

Onderzoek en datasamenwerking

Verkent u een samenwerking in toegepast onderzoek of data delen?

Vertel ons over het probleem, de data en de betrokken organisaties. We zeggen eerlijk of en hoe we kunnen bijdragen.