Agents en robotica

A

Agentic workflows plannen uitvoeren reflecteren Agentic workflows zijn gestructureerde processen waarin een AI-agent achtereenvolgens plant, uitvoert en reflecteert om complexe taken op te lossen. Lees uitleg → Autogen crewai en langgraph frameworks AutoGen, CrewAI en LangGraph zijn frameworks voor het bouwen van multi-agent systemen en agentic workflows met grote taalmodellen. Lees uitleg → Autonome web scrapers en browsing agents Autonome web-scrapers en browsing agents navigeren zelfstandig het web om informatie te verzamelen, te verwerken en taken uit te voeren. Lees uitleg → Wat is een autonomous ai agent? Een autonomous AI agent is een systeem dat zelfstandig doelen kan stellen, plannen en uitvoeren zonder continue menselijke tussenkomst. Lees uitleg →

C

Code executie omgevingen voor ai agents sandboxing Sandboxing isoleert de code die een AI-agent uitvoert, zodat fouten of kwaadwillige acties geen schade kunnen aanrichten aan het systeem. Lees uitleg →

D

Drones en autonome vliegsystemen Drones zijn onbemande luchtvaartuigen die autonoom kunnen vliegen voor taken zoals bezorging, inspectie en monitoring. Lees uitleg →

H

Humanoid robotics embodied ai Humanoid robotics bouwt robots met een menselijke vorm, terwijl embodied AI de wisselwerking tussen lichaam, zintuigen en omgeving bestudeert. Lees uitleg →

I

Imitation learning in robotica Imitation learning laat robots leren van menselijke demonstraties, in plaats van expliciete programmering of trial-and-error. Lees uitleg →

K

Kinematica en robotarmbesturing met ai Kinematica beschrijft de beweging van robotarmen; AI wordt gebruikt voor inverse kinematica, planning en adaptieve besturing. Lees uitleg →

M

Memory systems voor agents short term vs long term Memory systems stellen AI-agenten in staat om informatie te onthouden, met kortetermijngeheugen voor de huidige taak en langetermijngeheugen voor blijvende kennis. Lees uitleg → Multi agent systemen en samenwerking Multi-agent systemen laten meerdere AI-agenten samenwerken aan een taak, waarbij elke agent een eigen rol en expertise heeft. Lees uitleg →

P

Path planning en navigatie algoritmen Path planning bepaalt de optimale route van een robot van A naar B, rekening houdend met obstakels, kosten en dynamische omstandigheden. Lees uitleg →

S

Self correction en loop detection in agents Self-correction stelt agenten in staat om hun eigen fouten te herkennen en te verbeteren, terwijl loop detection voorkomt dat ze vastlopen in repetitieve cycli. Lees uitleg → Sensor fusion camera lidar radar Sensor fusion combineert gegevens van camera's, LiDAR en radar om een robuuster en nauwkeuriger beeld van de omgeving te krijgen. Lees uitleg → Sim to real transfer van simulatie naar de echte wereld Sim-to-real transfer is het overdragen van modellen die in simulatie zijn getraind naar de echte wereld, ondanks het verschil tussen beide. Lees uitleg → Slam simultaneous localization and mapping SLAM is een techniek waarmee een robot tegelijkertijd zijn positie bepaalt en een kaart van de omgeving opbouwt. Lees uitleg → Swarm intelligence zwermintelligentie Swarm intelligence is het collectieve gedrag van gedecentraliseerde systemen, geïnspireerd op mieren, bijen en vogels, waarbij eenvoudige individuen samen complexe problemen oplossen. Lees uitleg →

T

Task decomposition taken opbreken in stappen Task decomposition breekt een complexe taak op in kleinere, beheersbare deelstappen die een AI-agent sequentieel of parallel kan uitvoeren. Lees uitleg → Tool use function calling door ai Tool use stelt AI-modellen in staat om externe functies en API's aan te roepen, waardoor ze acties kunnen uitvoeren en toegang krijgen tot actuele informatie. Lees uitleg →

Z

Zelfrijdende auto systemen niveaus 0 tot 5 De SAE-niveaus 0 tot 5 beschrijven de mate van automatisering in zelfrijdende auto's, van volledig handmatig tot volledig autonoom. Lees uitleg →