De EU-projecten COALA en WASABI bouwden een compleet industrieel spraakassistent-framework bovenop OpenVoiceOS (een non-profit open-source spraakplatform) en HiveMind, en integreren die met hun eigen Android-UI, NLP-engine en Docker-stack.
Ik was niet betrokken bij deze implementaties. Dat is nu juist het punt: de stack wordt op eigen kracht overgenomen, door teams met reële industriële eisen.
WASABI Open Call
De 2e WASABI Open Call om financiële steun te bieden aan ten minste 10 experimenten geleid door kmo’s is onlangs afgesloten. Deze open call is ontworpen om experimenten met op AI gebaseerde digitale assistentie te ondersteunen, waarbij kmo’s uit de maakindustrie betrokken zijn.
Alle experimenten van de WASABI Open Call zijn verplicht om:
- de WASABI/COALA OVOS Docker-stack te draaien
- verbinding te maken via HiveMind
- een aangepaste OVOS Skill te ontwikkelen die hun industriële logica bevat
Het gebruik van OVOS/HiveMind wordt uitgelegd in deze 2 documenten van het WASABI-project:
Voorbeelden van industriële toepassingen
1. Werknemersbegeleiding en montageondersteuning
Experimenten zoals TICONAI en SKITE gebruiken OVOS-skills om werknemers te begeleiden bij complexe taken zoals het monteren van componenten, het valideren van procedures of het handsfree geven van stapsgewijze instructies.
2. Kwaliteitscontrole en foutreductie
Projecten zoals WALLABI en HUMANENERDIA richten zich op het voorzien van werknemers van realtime-instructies en checklists om fouten te voorkomen. Spraakassistenten helpen operators om instellingen te verifiëren, veiligheidscontroles te onthouden of parameters te controleren.
3. Ondersteuning bij voorspellend onderhoud
Experimenten zoals GENIUS-PM gebruiken de assistent om onderhoudstechnici snel toegang te geven tot gegevens over de gezondheid van machines, uitleg over storingen en reparatiestappen — vooral wanneer hun handen bezet zijn.
4. Logistiek, materiaalafhandeling en magazijnondersteuning
VELO en AIVEA gebruiken spraak om werknemers te helpen items te lokaliseren, voorraad te bevestigen of leveringstaken te controleren terwijl ze zich over de werkvloer bewegen.
5. Onboarding en training
ONBOARD en AI-MODE testen hoe nieuwe medewerkers via spraakbegeleiding door taken kunnen worden geleid, wat de last voor supervisors vermindert.
6. Duurzaamheid, afvalregistratie en hulpbronefficiëntie
VAFER integreert spraakinterfaces met systemen die recycling, hergebruik van materialen en hulpbronstromen monitoren — handsfree rapportage in fabrieksomgevingen.
Dit alles is afhankelijk van OVOS en van HiveMind voor het routeren van communicatie tussen apparaten, de Android-UI en backendsystemen.
Wat COALA/WASABI bovenop OVOS bouwden
Hoewel de projecten geen open-source industriële skills hebben opgeleverd, hebben ze wel verscheidene componenten rond OVOS + HiveMind gecreëerd:
1. Een op RASA gebaseerde Domain Assistant (DA)
Eerder COALA-onderzoek ontwikkelde een RASA NLP-pipeline die is getraind op gesprekken uit de maakindustrie (over kwaliteitscontroles, probleemoplossing, machinebediening). In WASABI is deze RASA-engine als een skill aan OVOS gekoppeld en behandelt hij domeinspecifieke dialoog.
2. De COALA Android-app
Een Android-frontend voor werknemers, die via HiveMind verbinding maakt met OVOS.
Vroege versie hier uitgebracht: https://github.com/BIBA-GmbH/Mycroft-Android
De functies omvatten:
- login via Keycloak
- tekst- of spraakchat
- UI voor instructies, waarschuwingen en notities
- op HiveMind gebaseerde berichtgeving
3. Een volledige, op Docker gebaseerde industriële stack
Beide projecten leveren een vooraf geconfigureerde Docker-omgeving die het volgende bundelt:
- OVOS
- HiveMind
- Keycloak (gebruikersbeheer)
- RASA NLP-engine
- COALA-connectorservices
Dit vormt de standaard industriële spraakassistent-stack die alle WASABI-experimenten moeten implementeren.
4. Een industriële spraakdataset
COALA publiceerde een meertalige spraakdataset die in fabrieken en werkplaatsen is opgenomen: https://zenodo.org/record/8268928
Waarom het werkt voor de industrie
De ontwerpdoelen die er op de werkvloer toe doen — volledige transparantie voor gereguleerde sectoren, lokale/edge-implementatie zonder cloudafhankelijkheid, modulaire skills voor propriëtaire logica en het vermogen van HiveMind om spraaknodes over een faciliteit te verdelen — waren vanaf het begin ingebouwd, niet achteraf toegevoegd.
Broncode van OVOS en HiveMind: github.com/OpenVoiceOS · github.com/JarbasHiveMind