Hoe train je een robot?
Om onderstaande en alle andere premium artikelen te lezen, moet u inloggen of een account aanmaken.
U kunt nog {free_articles_left} premium artikel gratis lezen. Om meer premium artikelen te lezen, moet u inloggen of een account aanmaken.
Stel je voor: een jonge Viking die een gevaarlijk beest probeert te temmen. Niet met kracht of commando’s, maar met geduld, vertrouwen en wederzijds begrip. In de animatiefilm ‘How to train your dragon’ ontdekt Hiccup dat zijn draak Toothless geen machine is die je programmeert, maar een wezen dat je leert kennen. Stap voor stap, fout na fout, met empathie als kompas. Verplaats je perspectief nu eens van draak naar robot.
Hiccup traint zijn draak succesvol omdat hij hem als gelijke benadert. Niet als instrument, niet als gevaar, maar als partner. Dezelfde dynamiek zie je in de beste robot-implementaties in zorginstellingen. Medewerkers die begrijpen hoe de robot leert, die het ‘gedrag’ van de robot kunnen duiden en corrigeren, die de robot stap voor stap meer ruimte geven. Zij maken het verschil.
Humanoïde robots — robots met een mensachtig lichaam, twee benen, twee armen en vaak een ‘hoofd’ vol sensoren — zijn geen toekomstmuziek meer. Tesla’s Optimus loopt inmiddels zelfstandig door fabrieken. Figure AI’s robot legt dozen in magazijnen. Boston Dynamics’ Atlas maakt salto’s die ik nooit na zal doen. China mikt zelfs op een complete transitie naar een drone- en (humanoïde) robot-gebaseerde economie.
Ook dichter bij huis begint de eerste generatie humanoids voorzichtig haar weg te vinden naar zorginstellingen: medicijnkarretjes rijden, tilhulp bieden, nachtrondes doen.
Kortom: humanoïde robots zijn niet iets van morgen. Jouw zorgorganisatie krijgt hier niet ‘ooit’ misschien mee te maken: het gaat gewoon simpelweg gebeuren en waarschijnlijk sneller dan we ons nu kunnen voorstellen. Robots en AI versnellen en versterken elkaar namelijk.
Het gaat er dus om dat je je beseft wie straks degene is die mede richting geeft en wie verbaasd langs de zijlijn staat. Een robot kan niet zonder jouw training. De robot gaat straks werken binnen jouw zorgcontext, met jouw patiënten, met jouw medewerkers, mantelzorgers en zorgnetwerk.
De kwaliteit van een humanoïde robot in de zorg hangt direct af van de kennis van zorgprofessionals. Niet (alleen) van programmeurs of ingenieurs. Van mensen die weten hoe goede zorg voelt, ruikt en eruitziet. De zorgprofessional is geen eindgebruiker van deze technologie. Die is mede-architect ervan. Het verschil tussen een robot die echt helpt en een robot die frustreert, wordt gemaakt in de trainingsfase. En die trainingsfase is nu gaande. Maar: hoe leert een robot nou eigenlijk?
De meest fundamentele manier om een humanoïde robot te trainen, heet imitation learning: leren door observatie en nabootsing. Net zoals een nieuwe medewerker afkijkt bij een ervaren collega, observeert een robot hoe mensen handelingen uitvoeren en repliceert hij die bewegingen steeds nauwkeuriger. Via teleoperation bestuurt een menselijke operator de robot op afstand via een exoskelet of controller. Elke draaihoek van een pols, elke kracht van een greep, elke stap millimeter voor millimeter opgeslagen.
Nóg indrukwekkender is motion capture gecombineerd met demonstration learning: trainers dragen speciale pakken met sensoren en voeren zorghandelingen uit vanuit tientallen camerahoeken tegelijk.
Naast live demonstraties wint een andere strategie razendsnel terrein: robots die leren door video’s te kijken. De robot heeft nooit zelf een glas vastgehouden, maar heeft wel duizenden mensen dit zien doen.
Wel botsen we hier op een beperking die precies in de zorg zwaar weegt: een video vertelt niet hoe zwaar een patiënt is, hoe breekbaar een heup, hoe glad een natte vloer. Tactiele informatie (het gevoel van kracht, weerstand en textuur) zit niet in een beeld. De beste trainingsbenaderingen combineren video dan ook met sensordata en live demonstraties. En raad eens wie de perfecte brug vormt tussen die drie? Juist: de zorgprofessional die weet wát er gemeten moet worden en wáarom.
Een robot die alleen kijkt en kopieert, loopt vast zodra de situatie afwijkt. Om dit te voorkomen, is reinforcement learning nodig: leren door uitproberen, falen en bijsturen. De uitdaging in de zorgcontext: je kunt een robot niet eindeloos laten experimenteren met echte patiënten.
De oplossing ligt in digital twins: nauwkeurige virtuele kopieën van zorgafdelingen, tot op de centimeter nagebouwd in platforms. Een robot kan in één nacht meer scenario’s doorlopen dan een menselijke leerling in een jaar stage. Een gevallen glas, een plotseling opstaande patiënt, een drukke gang tijdens een avonddienst.
Vervolgens volgt sim-to-real transfer: de overstap naar de onvoorspelbare echte wereld. Robots die die stap goed zetten, doen dat omdat ze zijn voorbereid op de rómmeligheid van het echte leven. Dat vereist dat de simulatie is gebouwd door mensen die die rommeligheid kennen. Zorgprofessionals dus.
De meest revolutionaire ontwikkeling van de afgelopen twee jaar is de komst van Vision-Language-Action modellen. Dit soort modellen combineren taalbegrip, visuele waarneming en motorische sturing in één architectuur. Je kunt een robot in gewoon Nederlands instrueren: ‘Breng de rode beker naar het bed rechts.’ De robot begrijpt de zin, kijkt om zich heen, herkent de beker en handelt, zonder voorgeprogrammeerd script, puur vanuit context.
Dit is de kanteling die alles verandert. Zorgprofessionals hoeven robots niet langer als computersystemen te bedienen. Ze kunnen gewoon praten, wijzen, uitleggen. De technologie past zich aan de mens aan en niet andersom. Je hoeft dus geen techneut te zijn om met robots te werken. Je moet weten wat goede zorg is. Je moet kunnen regisseren. Je moet je kunnen verplaatsen in de patiënt, een empathisch vermogen hebben en compassie tonen.
Wat maakt een robotimplementatie uiteindelijk succesvol? De mens eromheen, als actieve partner in het leerproces. De zorginstellingen waar robots het beste presteren, zijn niet die met de duurste hardware. Het zijn de organisaties waar medewerkers begrijpen hóe de robot leert, zijn gedrag kunnen duiden, fouten van de robot kunnen corrigeren en de robot stap voor stap meer ruimte durven te geven. Robots functioneren het best als ze samen mét het team zijn opgeleid. Niet vóor het team.
Wie mag de robot wat leren? Welke waarden worden erin gebouwd en welke sluiten we misschien bewust uit? Hoe reageren we als de robot een beslissing neemt die we niet begrijpen? Dit zijn geen technische vragen. Dit zijn professionele vragen; zorgvragen. Een robot is zo goed als de kennis, de waarden en het vertrouwen waarmee hij of zij getraind is. Dat is geen technische kwestie maar de verantwoordelijkheid van de zorgprofessional.
Zijn humanoïde robots klaar voor brede inzet in de zorg? Bijna. Ze zijn indrukwekkend, maar nog kwetsbaar in ongestructureerde omgevingen. Ze missen (geregeld) nog het intuïtieve oordeel dat een zorgprofessional doorgaans in een fractie van een seconde maakt. Dat gat is reëel. En het eerlijk benoemen ervan is precies wat goede implementatie mogelijk maakt.
Maar de snelheid van de technologische ontwikkeling is ongekend. Wat twee jaar geleden alleen in een laboratorium bestond, staat over enkele jaren waarschijnlijk ook ergens bij jou in de buurt. De zorgorganisaties die nu (durven te) experimenteren, die nu vallen en opstaan: dat zijn de zorgorganisaties die straks het verschil maken. Niet omdat ze technisch het verst zijn. Maar omdat hun zorgprofessionals (en patiënten) het meest hebben geleerd.
Geduld, vertrouwen en een bereidheid om samen te leren. Dat is wat een robot groot maakt en wat al eeuwen het fundament is van goede zorg. Het enige verschil met die voorbije eeuwen: de urgentie om nu te beginnen, is nog nooit zo groot geweest.

Wat kun jij met jouw zorgorganisatie vandaag al doen? Je hoeft namelijk niet te wachten op een projectbudget of een bestuursbesluit.
De robots wachten niet. Maar ze zijn wel bereid om te leren… mits jij bereid bent om hen de weg te wijzen. Wil je graag wat EHBR (Eerste Hulp Bij Robots)? De auteur van dit artikel helpt je graag verder op weg op vlak van kennis, praktijkervaring en begeleiding.