Fraunhofer NeurOSmart : ce que les ingénieurs doivent vérifier

Fraunhofer a annoncé la plateforme technologique NeurOSmart le 2 mars 2026. Le projet associe un LiDAR aérien, une orientation du faisceau par MEMS, un traitement de l'IA côté capteur et l'informatique neuromorphique pour les espaces de travail humain-robot.

L'annonce ne constitue ni une mise sur le marché ni une certification de sécurité des machines. Sa valeur technique réside dans l'architecture qu'elle démontre. Elle rapproche la perception et l'aide à la décision du capteur, tout en cherchant à réduire la latence et la consommation d'énergie.

Fraunhofer s'inspire du fonctionnement du cerveau humain pour améliorer l'efficacité et la réactivité des systèmes robotiques. 

Ce que Fraunhofer a annoncé

La publication de recherche de Fraunhofer décrit un espace de travail partagé surveillé par un LiDAR placé en hauteur. Des miroirs MEMS mobiles balaient la cellule avec le laser. Les impulsions réfléchies créent une représentation tridimensionnelle de l'espace de travail.

Fraunhofer indique que des modèles d'IA spécialisés évaluent les données à proximité du capteur. La plateforme permet ensuite de déclencher une réponse du robot lorsqu'une personne entre dans une zone de proximité définie. Les partenaires du projet font état d'un chemin court entre la capture du signal, son évaluation et la réponse mécanique.

Le projet associe plusieurs instituts

NeurOSmart est coordonné par Fraunhofer ISIT. Fraunhofer IPMS apporte des puces hautes performances et une technologie de mémoire. Fraunhofer IMS travaille sur le prétraitement assisté par l'IA et l'intégration du système. Fraunhofer IWU évalue le système de capteurs dans le cadre de la collaboration humain-robot. Fraunhofer IAIS développe des modèles efficaces de détection des personnes.

Cette répartition est importante, car la robotique collaborative sûre ne se résume pas à un seul capteur. L'optique, le calcul, les modèles, la géométrie de la cellule, la dynamique du robot, les commandes et la validation influencent tous le résultat.

Pourquoi le traitement côté capteur est important

Une chaîne de perception classique peut transmettre d'importants flux de données à un ordinateur central. Cette conception augmente la charge du réseau et introduit plusieurs étapes temporelles. Le traitement à proximité du capteur peut réduire les données transmises et raccourcir le chemin de décision.

Il peut également modifier le confinement des défaillances. Le traitement local peut se poursuivre lorsqu'un réseau de niveau supérieur est indisponible. Toutefois, les ingénieurs doivent définir ce qui reste fonctionnel, la manière dont les états dégradés sont signalés et l'action à effectuer après une perte de synchronisation ou de capacité de calcul.

Une latence moyenne plus faible ne suffit pas pour une fonction de protection. La conception doit prévoir un temps de réponse maximal vérifié. Ce budget comprend la détection, le prétraitement, la logique de décision, les communications, le cycle du contrôleur, la réaction de l'entraînement et le temps d'arrêt mécanique.

Ce que le matériel neuromorphique change

L'informatique neuromorphique utilise des structures matérielles inspirées du traitement neuronal biologique. L'objectif est d'exécuter efficacement certaines charges de travail d'IA. Fraunhofer présente cette approche comme un moyen de traiter des tâches de perception exigeantes avec une consommation d'énergie réduite à proximité du capteur.

L'efficacité énergétique peut aider les systèmes embarqués disposant de capacités limitées de refroidissement et d'un espace restreint dans leur boîtier. Elle peut également favoriser une perception distribuée. Les ingénieurs doivent néanmoins évaluer les limites thermiques, la précision des modèles, le contrôle des mises à jour, la couverture diagnostique et le cycle de vie des composants.

Le LiDAR ajoute de la géométrie, pas une sécurité automatique

Le LiDAR mesure la distance à partir du temps de propagation et de la réflexion de la lumière émise. Une représentation tridimensionnelle sous forme de nuage de points peut aider à distinguer les personnes, les mouvements du robot, les équipements et les limites de la cellule.

Les performances dépendent de la réflectivité, de l'occultation, de la hauteur d'installation, du champ de vision, de l'encrassement, des conditions ambiantes et du moment du balayage. Une personne cachée par un outillage peut être plus difficile à observer. Les vêtements et les surfaces peuvent renvoyer des signaux différents. Les modifications de la cellule peuvent rendre un modèle précédent invalide.

Pour une logique de détection connexe, le guide de PLC ProTech sur les modes de fonctionnement des capteurs photoélectriques montre pourquoi il faut distinguer l'état optique de sa signification dans le processus. Les principes de détection diffèrent, mais la rigueur de mise en service reste utile.

Ce que les constructeurs de machines doivent vérifier

Un démonstrateur de recherche ne doit pas être intégré directement à une fonction de sécurité. Les constructeurs doivent déterminer les lois, normes, objectifs de réduction des risques et exigences de validation applicables. Ils doivent également vérifier si chaque composant est homologué pour la sécurité dans le rôle prévu.

Le calcul d'arrêt doit utiliser la vitesse réelle du robot, la charge utile, l'outillage, les performances du frein, le délai du contrôleur et la géométrie d'approche. La distance de protection doit tenir compte de l'incertitude de mesure et des mouvements prévisibles.

Les faux négatifs et les faux positifs ont des conséquences différentes. La détection manquée d'une personne peut entraîner un danger. Des arrêts intempestifs répétés peuvent inciter au contournement et réduire la confiance dans la production. La validation doit donc couvrir la couverture de détection, le temps de réponse, le comportement au redémarrage et la signalisation des défauts.

La maintenance évolue avec la perception par IA

Les dispositifs de sécurité traditionnels disposent souvent de procédures de test définies. La perception fondée sur l'IA ajoute la gestion des versions des modèles, des jeux de données, des seuils de confiance et des dépendances logicielles. Toute modification approuvée nécessite une maîtrise de la configuration et des tests de régression.

Le nettoyage, l'alignement et les vérifications d'obstruction restent importants. Un capteur qui semble en ligne peut avoir une couverture dégradée. Les équipes de maintenance ont besoin de diagnostics capables d'identifier les champs de vision obstrués, les défauts de synchronisation, la surcharge du processeur et les canaux indisponibles.

La collection ABB Robotics du site fournit des exemples de composants de commande et de maintenance des robots. Ces pièces sont distinctes de la plateforme de recherche NeurOSmart, mais elles illustrent le contexte du cycle de vie auquel les équipes de maintenance sont confrontées.

Questions d'approvisionnement au-delà du démonstrateur

Les équipes d'approvisionnement doivent demander à qui appartient le modèle, comment les mises à jour sont approuvées, quel matériel informatique est nécessaire et pendant combien de temps chaque composant sera pris en charge. Elles doivent également demander des éléments probants concernant les performances environnementales, la cybersécurité, les diagnostics et le temps de réponse déterministe.

Le coût d'intégration peut dépasser le prix du capteur. La modélisation de la cellule, la conception du réseau, la validation, la formation des opérateurs et la revalidation future doivent faire l'objet d'une attribution claire des responsabilités. La conservation des données et la confidentialité sont également importantes lorsqu'un système cartographie en continu un espace de travail partagé.

Importance technique

NeurOSmart montre une orientation crédible pour la perception industrielle : associer la détection tridimensionnelle à un traitement local économe en énergie. Cette architecture peut réduire les transferts de données et favoriser des réponses plus rapides.

L'annonce ne supprime pas la nécessité d'une évaluation des risques ni de mesures de protection certifiées. Sa contribution pratique est une plateforme que les ingénieurs peuvent évaluer au regard des dangers réels de la cellule, des limites temporelles, des conditions environnementales et des besoins de maintenance.