Fraunhofer NeurOSmart: Hal yang Perlu Diverifikasi oleh Insinyur

Fraunhofer mengumumkan platform teknologi NeurOSmart pada 2 Maret 2026. Proyek ini menggabungkan LiDAR overhead, pengarah berkas MEMS, pemrosesan AI di sisi sensor, dan komputasi neuromorfik untuk area kerja manusia-robot.

Pengumuman ini bukan peluncuran produk atau sertifikasi keselamatan mesin. Nilai rekayasanya terletak pada arsitektur yang didemonstrasikan. Arsitektur ini mendekatkan persepsi dan dukungan pengambilan keputusan ke sensor sekaligus mengupayakan latensi dan penggunaan energi yang lebih rendah.

Fraunhofer memanfaatkan cara kerja otak manusia untuk meningkatkan efisiensi dan daya tanggap sistem robotik. 

Yang Diumumkan Fraunhofer

Rilis penelitian Fraunhofer menjelaskan area kerja bersama yang dipantau dari atas oleh LiDAR. Cermin MEMS yang dapat digerakkan memindai laser melintasi sel kerja. Pulsa yang dipantulkan menghasilkan representasi tiga dimensi area kerja.

Fraunhofer menyatakan bahwa model AI khusus mengevaluasi data di dekat sensor. Platform tersebut kemudian mendukung respons robot ketika seseorang memasuki jarak kedekatan yang telah ditentukan. Mitra proyek melaporkan jalur singkat antara penangkapan sinyal, evaluasi, dan respons mekanis.

Proyek Ini Menggabungkan Beberapa Institut

NeurOSmart dikoordinasikan oleh Fraunhofer ISIT. Fraunhofer IPMS berkontribusi pada cip berperforma tinggi dan teknologi memori. Fraunhofer IMS mengerjakan prapemrosesan berbantuan AI dan integrasi sistem. Fraunhofer IWU mengevaluasi sistem sensor dalam kolaborasi manusia-robot. Fraunhofer IAIS mengembangkan model deteksi manusia yang efisien.

Pembagian ini penting karena robotika kolaboratif yang aman bukanlah masalah satu sensor. Optik, komputasi, model, geometri sel, dinamika robot, kontrol, dan validasi semuanya memengaruhi hasil.

Mengapa Pemrosesan di Sisi Sensor Penting

Rantai persepsi konvensional dapat mengirimkan aliran data besar ke komputer pusat. Desain tersebut menambah beban jaringan dan memperkenalkan beberapa tahap waktu. Pemrosesan di dekat sensor dapat mengurangi data yang dikirim dan memperpendek jalur pengambilan keputusan.

Hal ini juga dapat mengubah pengendalian gangguan. Pemrosesan lokal mungkin tetap berjalan ketika jaringan tingkat lebih tinggi tidak tersedia. Namun, teknisi harus menetapkan fungsi apa yang tetap berjalan, bagaimana kondisi terdegradasi dilaporkan, dan tindakan apa yang terjadi setelah kehilangan sinkronisasi atau kapasitas komputasi.

Latensi rata-rata yang lebih rendah tidak cukup untuk fungsi protektif. Desain memerlukan waktu respons terburuk yang telah diverifikasi. Anggaran tersebut mencakup penginderaan, prapemrosesan, logika keputusan, komunikasi, pemindaian pengendali, reaksi penggerak, dan waktu penghentian mekanis.

Perubahan yang Dibawa Perangkat Keras Neuromorfik

Komputasi neuromorfik menggunakan struktur perangkat keras yang terinspirasi oleh pemrosesan saraf biologis. Tujuannya adalah menjalankan beban kerja AI tertentu secara efisien. Fraunhofer menyajikan pendekatan ini sebagai cara untuk memproses tugas persepsi yang menuntut dengan penggunaan energi lebih rendah di dekat sensor.

Efisiensi energi dapat membantu sistem tertanam dengan kemampuan pendinginan dan ruang enklosur yang terbatas. Hal ini juga dapat mendukung persepsi terdistribusi. Namun, teknisi tetap harus mengevaluasi batas termal, akurasi model, kendali pembaruan, cakupan diagnostik, dan siklus hidup komponen.

LiDAR Menambahkan Geometri, Bukan Keselamatan Otomatis

LiDAR mengukur jarak berdasarkan waktu dan pantulan cahaya yang dipancarkan. Representasi titik tiga dimensi dapat membantu membedakan manusia, gerakan robot, perlengkapan, dan batas sel kerja.

Kinerja bergantung pada reflektivitas, penghalang, ketinggian pemasangan, bidang pandang, kontaminasi, kondisi lingkungan, dan waktu pemindaian. Seseorang yang tersembunyi oleh perkakas mungkin lebih sulit diamati. Pakaian dan permukaan dapat menghasilkan sinyal yang berbeda. Perubahan sel kerja dapat membuat model sebelumnya tidak berlaku.

Untuk logika penginderaan terkait, panduan PLC ProTech tentang mode operasi sensor fotoelektrik menunjukkan alasan status optik dan makna proses harus dipisahkan. Prinsip penginderaannya berbeda, tetapi disiplin komisioningnya tetap berguna.

Yang Harus Diverifikasi Pembuat Mesin

Demonstrator penelitian tidak boleh langsung dimasukkan ke dalam fungsi keselamatan. Pembuat mesin perlu menentukan peraturan, standar, sasaran pengurangan risiko, dan persyaratan validasi yang berlaku. Mereka juga harus mengidentifikasi apakah setiap komponen memiliki peringkat keselamatan untuk peran yang dimaksud.

Perhitungan penghentian harus menggunakan kecepatan nyata robot, muatan, perkakas, kinerja rem, penundaan pengendali, dan geometri pendekatan. Jarak protektif harus memperhitungkan ketidakpastian pengukuran dan gerakan yang dapat diperkirakan.

Negatif palsu dan positif palsu memiliki konsekuensi yang berbeda. Kegagalan mendeteksi seseorang dapat menimbulkan bahaya. Penghentian gangguan yang berulang dapat mendorong upaya melewati sistem dan mengurangi kepercayaan terhadap produksi. Oleh karena itu, validasi harus mencakup cakupan deteksi, waktu respons, perilaku mulai ulang, dan pemberitahuan gangguan.

Pemeliharaan Berubah Dengan Persepsi AI

Perangkat keselamatan tradisional sering memiliki prosedur pengujian yang telah ditentukan. Persepsi berbasis AI menambahkan pembuatan versi model, kumpulan data, ambang keyakinan, dan dependensi perangkat lunak. Setiap perubahan yang disetujui memerlukan pengendalian konfigurasi dan pengujian regresi.

Pembersihan, penyelarasan, dan pemeriksaan penghalang tetap penting. Sensor yang tampak aktif mungkin mengalami penurunan cakupan. Tim pemeliharaan memerlukan diagnostik yang mengidentifikasi pandangan terhalang, gangguan waktu, beban berlebih pada prosesor, dan kanal yang tidak tersedia.

Koleksi ABB Robotics di situs tersebut menyediakan contoh komponen kendali dan servis robot. Komponen tersebut terpisah dari platform penelitian NeurOSmart, tetapi menggambarkan konteks siklus hidup yang dihadapi tim pemeliharaan.

Pertanyaan Pengadaan di Luar Demonstrasi

Tim pengadaan harus menanyakan siapa yang memiliki model, bagaimana pembaruan disetujui, perangkat keras komputasi apa yang diperlukan, dan berapa lama setiap komponen akan didukung. Mereka juga harus meminta bukti terkait kinerja lingkungan, keamanan siber, diagnostik, dan respons deterministik.

Biaya integrasi dapat melebihi harga sensor. Pemodelan sel kerja, desain jaringan, validasi, pelatihan operator, dan validasi ulang di masa mendatang memerlukan penetapan tanggung jawab yang jelas. Retensi data dan privasi juga penting ketika sistem terus-menerus memetakan area kerja bersama.

Signifikansi Rekayasa

NeurOSmart menunjukkan arah yang kredibel untuk persepsi industri: menggabungkan penginderaan tiga dimensi dengan pemrosesan lokal yang hemat energi. Arsitektur tersebut dapat mengurangi perpindahan data dan mendukung respons yang lebih cepat.

Pengumuman ini tidak menghilangkan kebutuhan akan penilaian risiko atau tindakan protektif tersertifikasi. Kontribusi praktisnya adalah platform yang dapat dievaluasi oleh teknisi berdasarkan bahaya nyata di sel kerja, batas waktu, kondisi lingkungan, dan kebutuhan pemeliharaan.