Fleksibel produktion kræver, at industrirobotter hurtigt kan omprogrammeres, når produktvarianter ændrer sig. Ny forskning fra arXiv viser en arbejdsgang, hvor en sprogmodel genererer, validerer og iterativt korrigerer ABB RAPID-robotprogrammer ud fra naturlige sprogbeskrivelser. Metoden kombinerer to centrale teknologier: retrieval-augmented generation (RAG) og Model Context Protocol (MCP).
RAG-pipelinen forankrer kodegenereringen i verificeret teknisk dokumentation og produktionsskabeloner, hvilket reducerer domænespecifikke fejl, som umiddelbare sprogmodeller typisk laver. MCP-serveren forbinder sprogmodellen direkte til ABB RobotStudio, så koden automatisk uploades, simuleres og får diagnostisk feedback. Det er denne simulationsbaserede korrektion, der er kernen i metoden: simuleringssløjfen afslører eksekveringsfejl, som statiske og semantiske tjek alene ikke kan fange — eksempelvis fejl i sugehøjde ved frigivelse, utilgængelige placeringsmål og konfigurationsafhængige genopretningsbevægelser.
Evalueringen kombinerer en 30-forespørgsels retrieval-benchmark, scoped kodegenererings-tjek og RobotStudio-case-studier i en simuleret pick-and-place-celle. Resultaterne viser, at RAG og MCP kan forbinde forankret kodegenerering med eksekverbar feedback fra industriel robotsimuleringssoftware — men at ekspertopsætning og endelig supervision stadig er nødvendig, om end i reduceret omfang.
For beslutningstagere i fremstillingsindustrien peger forskningen på en konkret vej mod hurtigere omstilling mellem produktvarianter. Kombinationen af RAG og MCP er dog ikke en færdig løsning, men et skridt mod at reducere den manuelle programmeringsindsats. Spørgsmålet er, hvor hurtigt teknologien kan modnes til produktionsklare systemer, og hvilke investeringer der kræves i dokumentation og simuleringsinfrastruktur.
