Fraunhofer NeurOSmart: Co by měli inženýři ověřit

Fraunhofer 2. března 2026 oznámil technologickou platformu NeurOSmart. Projekt kombinuje stropní LiDAR, řízení paprsku pomocí MEMS, zpracování dat umělou inteligencí na straně senzoru a neuromorfní výpočty pro pracovní prostory člověka a robotu.

Oznámení nepředstavuje uvedení produktu na trh ani certifikaci bezpečnosti stroje. Jeho technická hodnota spočívá v představené architektuře. Přibližuje vnímání a podporu rozhodování k senzoru a zároveň usiluje o nižší latenci a spotřebu energie.

Fraunhofer vychází z fungování lidského mozku, aby zvýšil efektivitu a odezvu robotických systémů. 

Co Fraunhofer oznámil

Výzkumná zpráva Fraunhoferu popisuje společný pracovní prostor monitorovaný shora pomocí LiDARu. Pohyblivá MEMS zrcátka skenují laserem celý prostor. Odražené impulzy vytvářejí trojrozměrné zobrazení pracovního prostoru.

Fraunhofer uvádí, že specializované modely umělé inteligence vyhodnocují data v blízkosti senzoru. Platforma poté podporuje reakci robotu, když člověk vstoupí do definované blízkosti. Partneři projektu uvádějí krátkou cestu mezi zachycením signálu, vyhodnocením a mechanickou reakcí.

Projekt kombinuje několik institutů

NeurOSmart koordinuje Fraunhofer ISIT. Fraunhofer IPMS přispívá vysoce výkonnými čipy a paměťovou technologií. Fraunhofer IMS pracuje na předzpracování s podporou umělé inteligence a integraci systému. Fraunhofer IWU vyhodnocuje senzorový systém při spolupráci člověka a robotu. Fraunhofer IAIS vyvíjí efektivní modely pro detekci osob.

Toto rozdělení je důležité, protože bezpečná spolupracující robotika není problém jediného senzoru. Výsledek ovlivňují optika, výpočty, modely, geometrie pracovního prostoru, dynamika robotu, řízení i validace.

Proč je zpracování na straně senzoru důležité

Běžný řetězec vnímání může přenášet velké datové toky do centrálního počítače. Takové řešení zatěžuje síť a přidává několik časových fází. Zpracování v blízkosti senzoru může omezit přenášené množství dat a zkrátit cestu k rozhodnutí.

Může také změnit způsob izolace poruch. Lokální zpracování může pokračovat, i když není dostupná síť vyšší úrovně. Inženýři však musí definovat, co zůstane funkční, jak se budou hlásit zhoršené stavy a jaká akce nastane po ztrátě synchronizace nebo výpočetní kapacity.

Nižší průměrná latence pro ochrannou funkci nestačí. Konstrukce potřebuje ověřenou dobu odezvy v nejhorším případě. Tento rozpočet zahrnuje snímání, předzpracování, rozhodovací logiku, komunikaci, cyklus řídicí jednotky, reakci pohonu a mechanický čas zastavení.

Co mění neuromorfní hardware

Neuromorfní výpočty využívají hardwarové struktury inspirované biologickým zpracováním nervových signálů. Cílem je efektivní provádění vybraných úloh umělé inteligence. Fraunhofer tento přístup představuje jako způsob zpracování náročných úloh vnímání s nižší spotřebou energie v blízkosti senzoru.

Energetická účinnost může pomoci vestavěným systémům s omezeným chlazením a prostorem v krytu. Může také podpořit distribuované vnímání. Inženýři by přesto měli vyhodnotit teplotní limity, přesnost modelu, řízení aktualizací, diagnostické pokrytí a životní cyklus komponent.

LiDAR přidává geometrii, nikoli automatickou bezpečnost

LiDAR měří vzdálenost na základě času a odrazu vyslaného světla. Trojrozměrné zobrazení bodů může pomoci rozlišit osoby, pohyb robotu, přípravky a hranice pracovního prostoru.

Výkon závisí na odrazivosti, zakrytí, montážní výšce, zorném poli, znečištění, okolních podmínkách a načasování skenování. Osobu skrytou výrobním zařízením může být obtížnější pozorovat. Oblečení a povrchy mohou vracet odlišné signály. Změny v pracovním prostoru mohou zneplatnit dřívější model.

U související snímací logiky ukazuje průvodce PLC ProTech k provozním režimům fotoelektrických senzorů, proč je nutné oddělit optický stav od významu procesu. Principy snímání se liší, ale zásady uvádění do provozu zůstávají užitečné.

Co musí výrobci strojů ověřit

Výzkumný demonstrátor by neměl být přímo vložen do bezpečnostní funkce. Výrobci musí určit příslušné právní předpisy, normy, cíle snižování rizik a požadavky na validaci. Musí také zjistit, zda je každá komponenta pro zamýšlenou roli bezpečnostně certifikována.

Výpočet zastavení musí používat skutečnou rychlost robotu, zatížení, nástroje, výkon brzd, zpoždění řídicí jednotky a geometrii přiblížení. Ochranná vzdálenost musí zohledňovat nejistotu měření a předvídatelný pohyb.

Falešně negativní a falešně pozitivní výsledky mají odlišné důsledky. Přehlédnutí osoby může způsobit újmu. Opakovaná zbytečná zastavení mohou vést k obcházení systému a snížit důvěru ve výrobu. Validace by proto měla pokrývat rozsah detekce, dobu odezvy, chování při opětovném spuštění a signalizaci poruch.

Údržba se zpracováním vnímání pomocí umělé inteligence mění

Tradiční bezpečnostní zařízení často mají stanovené zkušební postupy. Vnímání založené na umělé inteligenci přidává verzování modelů, datové sady, prahové hodnoty spolehlivosti a softwarové závislosti. Každá schválená změna vyžaduje řízení konfigurace a regresní testování.

Čištění, seřízení a kontroly překážek zůstávají důležité. Senzor, který se jeví jako online, může mít zhoršené pokrytí. Týmy údržby potřebují diagnostiku, která identifikuje zakrytý výhled, poruchy načasování, přetížení procesoru a nedostupné kanály.

Kolekce ABB Robotics na tomto webu uvádí příklady komponent pro řízení a servis robotů. Tyto díly jsou od výzkumné platformy NeurOSmart oddělené, ale ilustrují kontext životního cyklu, kterému týmy údržby čelí.

Otázky pro nákup nad rámec demonstrace

Nákupní týmy by se měly ptát, kdo vlastní model, jak se schvalují aktualizace, jaký výpočetní hardware je vyžadován a jak dlouho bude každá komponenta podporována. Měly by také požadovat doklady o chování v okolním prostředí, kybernetické bezpečnosti, diagnostice a deterministické odezvě.

Náklady na integraci mohou převýšit cenu senzoru. Modelování pracovního prostoru, návrh sítě, validace, školení obsluhy a budoucí opakovaná validace musí mít jasně určenou odpovědnost. Při nepřetržitém mapování společného pracovního prostoru je důležité také uchovávání dat a ochrana soukromí.

Technický význam

NeurOSmart ukazuje důvěryhodný směr průmyslového vnímání: kombinovat trojrozměrné snímání s lokálním energeticky úsporným zpracováním. Taková architektura může omezit přenos dat a podpořit rychlejší reakce.

Oznámení neodstraňuje potřebu posouzení rizik ani certifikovaných ochranných opatření. Jeho praktický přínos spočívá v platformě, kterou mohou inženýři vyhodnotit podle skutečných rizik v pracovním prostoru, časových limitů, okolních podmínek a požadavků na údržbu.