Fraunhofer NeurOSmart: Co inżynierowie powinni zweryfikować

Firma Fraunhofer ogłosiła platformę technologiczną NeurOSmart 2 marca 2026 r. Projekt łączy LiDAR umieszczony nad obszarem roboczym, sterowanie wiązką MEMS, przetwarzanie AI po stronie czujnika oraz obliczenia neuromorficzne na potrzeby obszarów pracy człowieka i robota.

Ogłoszenie nie dotyczy wprowadzenia produktu ani certyfikacji bezpieczeństwa maszyny. Wartość inżynieryjna projektu wynika z prezentowanej architektury. Przenosi ona percepcję i wspomaganie podejmowania decyzji bliżej czujnika, dążąc jednocześnie do zmniejszenia opóźnień i zużycia energii.

Firma Fraunhofer czerpie z funkcjonowania ludzkiego mózgu, aby zwiększać wydajność i szybkość reakcji systemów robotycznych. 

Co ogłosiła firma Fraunhofer

Komunikat badawczy Fraunhofer opisuje wspólny obszar pracy monitorowany z góry za pomocą LiDAR-u. Ruchome lustra MEMS skanują obszar roboczy wiązką laserową. Odbite impulsy tworzą trójwymiarową reprezentację stanowiska pracy.

Firma Fraunhofer informuje, że wyspecjalizowane modele AI oceniają dane w pobliżu czujnika. Platforma wspiera następnie reakcję robota, gdy człowiek znajdzie się w określonej odległości. Partnerzy projektu podają, że ścieżka między rejestracją sygnału, jego oceną a reakcją mechaniczną jest krótka.

Projekt łączy kilka instytutów

Koordynatorem projektu NeurOSmart jest Fraunhofer ISIT. Fraunhofer IPMS wnosi układy scalone o wysokiej wydajności i technologie pamięci. Fraunhofer IMS pracuje nad wspomaganym przez AI przetwarzaniem wstępnym i integracją systemu. Fraunhofer IWU ocenia system czujników we współpracy człowieka z robotem. Fraunhofer IAIS opracowuje wydajne modele wykrywania osób.

Ten podział ma znaczenie, ponieważ bezpieczna robotyka współpracująca nie jest problemem dotyczącym pojedynczego czujnika. Optyka, obliczenia, modele, geometria stanowiska, dynamika robota, układy sterowania i walidacja wpływają na wynik.

Dlaczego przetwarzanie po stronie czujnika ma znaczenie

Konwencjonalny łańcuch percepcji może przesyłać duże strumienie danych do centralnego komputera. Taka konstrukcja zwiększa obciążenie sieci i wprowadza kilka etapów czasowych. Przetwarzanie w pobliżu czujnika może ograniczyć ilość przesyłanych danych i skrócić ścieżkę decyzyjną.

Może ono również zmienić sposób ograniczania skutków awarii. Przetwarzanie lokalne może być kontynuowane, gdy sieć wyższego poziomu jest niedostępna. Inżynierowie muszą jednak określić, które funkcje pozostają aktywne, sposób sygnalizowania stanów zdegradowanych oraz działanie po utracie synchronizacji lub dostępnej mocy obliczeniowej.

Niższe średnie opóźnienie nie wystarcza w przypadku funkcji ochronnej. Konstrukcja wymaga zweryfikowanego czasu reakcji w najgorszym przypadku. Budżet ten obejmuje wykrywanie, przetwarzanie wstępne, logikę decyzyjną, komunikację, cykl skanowania sterownika, reakcję napędu oraz mechaniczny czas zatrzymania.

Co zmienia sprzęt neuromorficzny

Obliczenia neuromorficzne wykorzystują struktury sprzętowe inspirowane biologicznym przetwarzaniem neuronowym. Celem jest wydajne wykonywanie wybranych obciążeń AI. Firma Fraunhofer przedstawia to podejście jako sposób przetwarzania wymagających zadań percepcji przy niższym zużyciu energii w pobliżu czujnika.

Efektywność energetyczna może pomóc systemom wbudowanym z ograniczonym chłodzeniem i niewielką przestrzenią w obudowie. Może również wspierać rozproszoną percepcję. Inżynierowie powinni nadal oceniać limity cieplne, dokładność modelu, kontrolę aktualizacji, pokrycie diagnostyczne i cykl życia komponentów.

LiDAR dodaje geometrię, ale nie zapewnia automatycznie bezpieczeństwa

LiDAR mierzy odległość na podstawie czasu i odbicia emitowanego światła. Trójwymiarowa reprezentacja punktowa może pomóc w rozróżnianiu ludzi, ruchu robota, oprzyrządowania i granic stanowiska.

Wydajność zależy od współczynnika odbicia, przesłaniania, wysokości montażu, pola widzenia, zanieczyszczeń, warunków otoczenia i czasu skanowania. Osoba zasłonięta przez oprzyrządowanie może być trudniejsza do wykrycia. Odzież i powierzchnie mogą zwracać różne sygnały. Zmiany na stanowisku mogą unieważnić wcześniejszy model.

W powiązanym obszarze logiki detekcji przewodnik PLC ProTech dotyczący trybów pracy czujników fotoelektrycznych pokazuje, dlaczego stan optyczny należy oddzielić od znaczenia procesowego. Zasady detekcji są różne, ale dyscyplina uruchamiania pozostaje użyteczna.

Co muszą zweryfikować producenci maszyn

Demonstratora badawczego nie należy bezpośrednio włączać do funkcji bezpieczeństwa. Producenci muszą określić obowiązujące przepisy, normy, cele redukcji ryzyka i wymagania walidacyjne. Muszą również ustalić, czy każdy komponent ma klasę bezpieczeństwa odpowiednią do zamierzonej roli.

Obliczenia zatrzymania muszą uwzględniać rzeczywistą prędkość robota, obciążenie, oprzyrządowanie, skuteczność hamulców, opóźnienie sterownika i geometrię dojazdu. Odległość ochronna musi uwzględniać niepewność pomiaru i możliwy do przewidzenia ruch.

Fałszywe wyniki negatywne i fałszywe wyniki pozytywne mają różne konsekwencje. Niewykrycie osoby może doprowadzić do obrażeń. Powtarzające się nieuzasadnione zatrzymania mogą zachęcać do omijania zabezpieczeń i zmniejszać zaufanie do produkcji. Walidacja powinna zatem obejmować zakres detekcji, czas reakcji, zachowanie podczas ponownego uruchamiania i sygnalizowanie usterek.

Konserwacja zmienia się wraz z percepcją AI

Tradycyjne urządzenia bezpieczeństwa często mają określone procedury testowe. Percepcja oparta na AI dodaje wersjonowanie modeli, zbiory danych, progi ufności i zależności programowe. Każda zatwierdzona zmiana wymaga kontroli konfiguracji i testów regresyjnych.

Czyszczenie, wyrównanie i kontrole przesłonięcia nadal mają znaczenie. Czujnik, który wydaje się działać, może mieć ograniczony zakres detekcji. Zespoły utrzymania ruchu potrzebują diagnostyki identyfikującej zasłonięte pole widzenia, usterki czasowe, przeciążenie procesora i niedostępne kanały.

Kolekcja robotyki ABB w serwisie przedstawia przykłady komponentów sterowania i serwisowania robotów. Części te są niezależne od platformy badawczej NeurOSmart, ale pokazują kontekst cyklu życia, z którym mierzą się zespoły utrzymania ruchu.

Pytania zakupowe wykraczające poza demonstrację

Zespoły zakupowe powinny zapytać, kto jest właścicielem modelu, w jaki sposób zatwierdzane są aktualizacje, jaki sprzęt obliczeniowy jest wymagany oraz jak długo każdy komponent będzie wspierany. Powinny również żądać dowodów dotyczących parametrów środowiskowych, cyberbezpieczeństwa, diagnostyki i deterministycznego czasu reakcji.

Koszt integracji może przewyższać cenę czujnika. Modelowanie stanowiska, projekt sieci, walidacja, szkolenie operatorów i przyszła ponowna walidacja wymagają jasno określonej odpowiedzialności. Retencja danych i prywatność również mają znaczenie, gdy system stale mapuje wspólny obszar roboczy.

Znaczenie inżynieryjne

NeurOSmart pokazuje wiarygodny kierunek rozwoju percepcji przemysłowej: połączenie detekcji trójwymiarowej z lokalnym, energooszczędnym przetwarzaniem. Taka architektura może ograniczyć przesyłanie danych i wspierać szybsze reakcje.

Ogłoszenie nie eliminuje potrzeby przeprowadzania oceny ryzyka ani stosowania certyfikowanych środków ochronnych. Praktyczny wkład projektu stanowi platforma, którą inżynierowie mogą oceniać pod kątem rzeczywistych zagrożeń na stanowisku, limitów czasowych, warunków środowiskowych i potrzeb związanych z utrzymaniem ruchu.