Fraunhofer NeurOSmart: Amit a mérnököknek ellenőrizniük kell

A Fraunhofer 2026. március 2-án bejelentette a NeurOSmart technológiai platformot. A projekt a felülről végzett LiDAR-mérést, a MEMS-alapú sugáreltérítést, az érzékelőoldali MI-feldolgozást és a neuromorfikus számítástechnikát egyesíti az ember-robot munkaterületek számára.

A bejelentés nem termékkiadás és nem gépbiztonsági tanúsítás. Mérnöki értékét az általa bemutatott architektúra adja. Az észlelést és a döntéstámogatást közelebb viszi az érzékelőhöz, miközben kisebb késleltetésre és energiafelhasználásra törekszik.

A Fraunhofer az emberi agy működéséből merítve fejleszti a robotrendszerek hatékonyságát és reakciókészségét. 

Amit a Fraunhofer bejelentett

A Fraunhofer kutatási közleménye egy olyan közös munkaterületet ír le, amelyet felülről LiDAR figyel. Mozgatható MEMS-tükrök pásztázzák végig a lézerrel a cellát. A visszavert impulzusok a munkaterület háromdimenziós reprezentációját hozzák létre.

A Fraunhofer szerint speciális MI-modellek az érzékelő közelében értékelik ki az adatokat. A platform ezt követően támogatja a robot reakcióját, amikor egy személy belép a meghatározott közelségi zónába. A projektpartnerek szerint rövid út vezet a jel rögzítésétől annak kiértékelésén át a mechanikai reakcióig.

A projekt több intézetet egyesít

A NeurOSmart koordinátora a Fraunhofer ISIT. A Fraunhofer IPMS nagy teljesítményű chipekkel és memóriatechnológiával járul hozzá a projekthez. A Fraunhofer IMS az MI-támogatott előfeldolgozással és rendszerintegrációval foglalkozik. A Fraunhofer IWU az érzékelőrendszert ember-robot együttműködésben értékeli. A Fraunhofer IAIS hatékony személyészlelési modelleket fejleszt.

Ez a munkamegosztás azért fontos, mert a biztonságos együttműködő robotika nem egyetlen érzékelő problémája. Az optika, a számítástechnika, a modellek, a cella geometriája, a robotdinamika, a vezérlés és a validálás mind hatással van az eredményre.

Miért fontos az érzékelőoldali feldolgozás?

A hagyományos észlelési lánc nagy adatfolyamokat továbbíthat egy központi számítógéphez. Ez a kialakítás növeli a hálózati terhelést, és több időzítési szakaszt vezet be. Az érzékelő közelében végzett feldolgozás csökkentheti a továbbított adatok mennyiségét és lerövidítheti a döntési utat.

A hibák behatárolását is megváltoztathatja. A helyi feldolgozás akkor is folytatódhat, amikor egy magasabb szintű hálózat nem érhető el. A mérnököknek azonban meg kell határozniuk, mi marad működőképes, hogyan jelzik a csökkentett működési állapotokat, és milyen művelet következik a szinkronizáció vagy a számítási kapacitás elvesztése után.

A kisebb átlagos késleltetés önmagában nem elegendő védelmi funkcióhoz. Igazolt legrosszabb eseti reakcióidőre van szükség. Ebbe a keretbe beletartozik az érzékelés, az előfeldolgozás, a döntési logika, a kommunikáció, a vezérlő szkennelési ideje, a hajtás reakciója és a mechanikai leállás ideje.

Mit változtat a neuromorfikus hardver?

A neuromorfikus számítástechnika a biológiai idegi feldolgozás által inspirált hardverstruktúrákat használ. Célja bizonyos MI-munkaterhelések hatékony végrehajtása. A Fraunhofer ezt a megközelítést olyan módszerként mutatja be, amely kisebb energiafelhasználás mellett képes a nagy számításigényű észlelési feladatok érzékelőhöz közeli feldolgozására.

Az energiahatékonyság segítséget jelenthet a korlátozott hűtéssel és készülékházzal rendelkező beágyazott rendszerekben. A megosztott észlelést is támogathatja. A mérnököknek ugyanakkor továbbra is értékelniük kell a hőkorlátokat, a modell pontosságát, a frissítések szabályozását, a diagnosztikai lefedettséget és az alkatrészek életciklusát.

A LiDAR geometriát ad, nem automatikus biztonságot

A LiDAR a kibocsátott fény időzítése és visszaverődése alapján méri a távolságot. A háromdimenziós pontreprezentáció segíthet megkülönböztetni az embereket, a robot mozgását, a rögzítőelemeket és a cella határait.

A teljesítmény függ a visszaverő képességtől, a takarástól, a szerelési magasságtól, a látómezőtől, a szennyeződéstől, a környezeti feltételektől és a szkennelés időzítésétől. A szerszámok által takart személyt nehezebb lehet észlelni. A ruházat és a felületek eltérő jeleket adhatnak vissza. A cella módosításai érvényteleníthetik a korábbi modellt.

A kapcsolódó érzékelési logikával kapcsolatban a PLC ProTech fotoelektromos érzékelők működési módjairól szóló útmutatója bemutatja, miért kell elválasztani az optikai állapotot a folyamat jelentésétől. Az érzékelési alapelvek eltérnek, de az üzembe helyezési fegyelem továbbra is hasznos.

Amit a gépgyártóknak ellenőrizniük kell

Egy kutatási demonstrátort nem szabad közvetlenül biztonsági funkcióba beépíteni. A gyártóknak meg kell határozniuk az alkalmazandó jogszabályokat, szabványokat, kockázatcsökkentési célokat és validálási követelményeket. Azt is azonosítaniuk kell, hogy az egyes komponensek rendelkeznek-e a tervezett szerephez szükséges biztonsági minősítéssel.

A leállítási számításnak a robot tényleges sebességét, terhelését, szerszámait, fékteljesítményét, vezérlőkésleltetését és megközelítési geometriáját kell használnia. A védőtávolságnak figyelembe kell vennie a mérési bizonytalanságot és az előre látható mozgást.

A tévesen negatív és a tévesen pozitív eredmények eltérő következményekkel járnak. Egy észre nem vett személy sérülést okozó veszélynek lehet kitéve. Az ismétlődő zavaró leállások megkerülésekre ösztönözhetnek, és csökkenthetik a termelésbe vetett bizalmat. A validálásnak ezért ki kell terjednie az észlelési lefedettségre, a reakcióidőre, az újraindítási viselkedésre és a hibajelzésre.

A karbantartás változásai MI-alapú észlelés esetén

A hagyományos biztonsági eszközökhöz gyakran meghatározott vizsgálati eljárások tartoznak. Az MI-alapú észlelés modellverziókat, adatkészleteket, megbízhatósági küszöbértékeket és szoftverfüggőségeket is bevezet. Minden jóváhagyott módosításhoz konfigurációkezelésre és regressziós tesztelésre van szükség.

A tisztítás, a beállítás és az akadályellenőrzés továbbra is fontos. Egy online állapotúnak tűnő érzékelő lefedettsége romolhatott. A karbantartócsapatoknak olyan diagnosztikára van szükségük, amely azonosítja a blokkolt látómezőket, az időzítési hibákat, a processzor túlterhelését és a nem elérhető csatornákat.

A webhely ABB Robotics gyűjteménye példákat mutat be robotvezérlési és szervizkomponensekre. Ezek az alkatrészek elkülönülnek a NeurOSmart kutatási platformtól, de szemléltetik a karbantartócsapatok előtt álló életciklus-szempontokat.

A bemutatón túlmutató beszerzési kérdések

A beszerzési csapatoknak meg kell kérdezniük, ki birtokolja a modellt, hogyan hagyják jóvá a frissítéseket, milyen számítási hardverre van szükség, és meddig támogatják az egyes komponenseket. Bizonyítékokat is kell kérniük a környezeti teljesítményről, a kiberbiztonságról, a diagnosztikáról és a determinisztikus reakcióról.

Az integráció költsége meghaladhatja az érzékelő árát. A cellamodellezésnek, a hálózattervezésnek, a validálásnak, a kezelők képzésének és a jövőbeli újbóli validálásnak meghatározott felelőssel kell rendelkeznie. Az adatmegőrzés és az adatvédelem szintén fontos, amikor egy rendszer folyamatosan feltérképez egy közösen használt munkaterületet.

Mérnöki jelentőség

A NeurOSmart hiteles irányt mutat az ipari észlelés számára: a háromdimenziós érzékelést helyi, energiahatékony feldolgozással kell kombinálni. Ez az architektúra csökkentheti az adatmozgatást, és gyorsabb reakciókat támogathat.

A bejelentés nem szünteti meg a kockázatértékelés vagy a tanúsított védelmi intézkedések szükségességét. Gyakorlati hozzájárulása egy olyan platform, amelyet a mérnökök a valós cellaveszélyek, időzítési korlátok, környezeti feltételek és karbantartási igények alapján értékelhetnek.