Fraunhofer NeurOSmart: o que os engenheiros devem verificar

A Fraunhofer anunciou a plataforma tecnológica NeurOSmart em 2 de março de 2026. O projeto combina LiDAR suspenso, direcionamento de feixe por MEMS, processamento de IA no sensor e computação neuromórfica para áreas de trabalho humano-robô.

O anúncio não é o lançamento de um produto nem uma certificação de segurança de máquinas. Seu valor de engenharia está na arquitetura que demonstra. Ela aproxima a percepção e o suporte à decisão do sensor, buscando menor latência e menor consumo de energia.

A Fraunhofer baseia-se no funcionamento do cérebro humano para aumentar a eficiência e a capacidade de resposta dos sistemas robóticos. 

O que a Fraunhofer anunciou

O comunicado de pesquisa da Fraunhofer descreve uma área de trabalho compartilhada monitorada de cima por LiDAR. Espelhos MEMS móveis fazem a varredura do laser pela célula. Os pulsos refletidos criam uma representação tridimensional da área de trabalho.

A Fraunhofer afirma que modelos de IA especializados avaliam os dados próximos ao sensor. A plataforma então dá suporte à resposta de um robô quando uma pessoa entra em uma área de proximidade definida. Os parceiros do projeto relatam um caminho curto entre a captura do sinal, a avaliação e a resposta mecânica.

O projeto combina vários institutos

O NeurOSmart é coordenado pela Fraunhofer ISIT. A Fraunhofer IPMS contribui com chips de alto desempenho e tecnologia de memória. A Fraunhofer IMS trabalha no pré-processamento apoiado por IA e na integração de sistemas. A Fraunhofer IWU avalia o sistema de sensores em colaboração humano-robô. A Fraunhofer IAIS desenvolve modelos eficientes de detecção de pessoas.

Essa divisão é importante porque a robótica colaborativa segura não é um problema de um único sensor. Óptica, computação, modelos, geometria da célula, dinâmica do robô, controles e validação afetam o resultado.

Por que o processamento no sensor é importante

Uma cadeia convencional de percepção pode transmitir grandes fluxos de dados para um computador central. Esse projeto aumenta a carga da rede e introduz várias etapas de temporização. O processamento próximo ao sensor pode reduzir os dados transmitidos e encurtar o caminho da decisão.

Ele também pode alterar a contenção de falhas. O processamento local pode continuar quando uma rede de nível superior estiver indisponível. No entanto, os engenheiros precisam definir o que permanece funcional, como os estados degradados são informados e qual ação ocorre após a perda de sincronização ou da capacidade computacional.

Uma latência média menor não é suficiente para uma função de proteção. O projeto precisa de um tempo de resposta máximo verificado. Esse orçamento inclui detecção, pré-processamento, lógica de decisão, comunicações, ciclo de varredura do controlador, reação do acionamento e tempo de parada mecânica.

O que o hardware neuromórfico muda

A computação neuromórfica usa estruturas de hardware inspiradas no processamento neural biológico. O objetivo é executar cargas de trabalho de IA selecionadas com eficiência. A Fraunhofer apresenta essa abordagem como uma forma de processar tarefas exigentes de percepção com menor consumo de energia próximo ao sensor.

A eficiência energética pode ajudar sistemas embarcados com capacidade limitada de resfriamento e espaço no invólucro. Ela também pode dar suporte à percepção distribuída. Ainda assim, os engenheiros devem avaliar limites térmicos, precisão do modelo, controle de atualizações, cobertura diagnóstica e ciclo de vida dos componentes.

O LiDAR acrescenta geometria, não segurança automática

O LiDAR mede a distância com base no tempo e na reflexão da luz emitida. Uma representação tridimensional em pontos pode ajudar a distinguir pessoas, movimentos do robô, dispositivos e limites da célula.

O desempenho depende da refletividade, oclusão, altura de montagem, campo de visão, contaminação, condições ambientais e tempo de varredura. Uma pessoa escondida por ferramentas pode ser mais difícil de observar. Roupas e superfícies podem retornar sinais diferentes. Alterações na célula podem invalidar um modelo anterior.

Para uma lógica de detecção relacionada, o guia da PLC ProTech sobre modos de operação de sensores fotoelétricos mostra por que o estado óptico e o significado do processo precisam ser separados. Os princípios de detecção são diferentes, mas a disciplina de comissionamento continua sendo útil.

O que os fabricantes de máquinas precisam verificar

Um demonstrador de pesquisa não deve ser inserido diretamente em uma função de segurança. Os fabricantes precisam determinar as leis, normas, metas de redução de riscos e requisitos de validação aplicáveis. Eles também devem identificar se cada componente possui classificação de segurança para a função pretendida.

O cálculo de parada deve usar a velocidade real do robô, a carga útil, as ferramentas, o desempenho dos freios, o atraso do controlador e a geometria de aproximação. A distância de proteção deve levar em conta a incerteza da medição e os movimentos previsíveis.

Falsos negativos e falsos positivos têm consequências diferentes. A não detecção de uma pessoa pode causar danos. Paradas incômodas repetidas podem incentivar desvios e reduzir a confiança na produção. A validação deve, portanto, abranger a cobertura de detecção, o tempo de resposta, o comportamento de reinicialização e a sinalização de falhas.

A manutenção muda com a percepção por IA

Dispositivos de segurança tradicionais geralmente têm procedimentos de teste definidos. A percepção baseada em IA acrescenta controle de versões de modelos, conjuntos de dados, limites de confiança e dependências de software. Toda alteração aprovada precisa de controle de configuração e testes de regressão.

A limpeza, o alinhamento e as verificações de obstrução continuam importantes. Um sensor que parece estar conectado pode ter sua cobertura degradada. As equipes de manutenção precisam de diagnósticos que identifiquem visões bloqueadas, falhas de temporização, sobrecarga do processador e canais indisponíveis.

A coleção de robótica ABB do site apresenta exemplos de componentes de controle e serviço de robôs. Essas peças são separadas da plataforma de pesquisa NeurOSmart, mas ilustram o contexto de ciclo de vida enfrentado pelas equipes de manutenção.

Perguntas de aquisição além do demonstrador

As equipes de aquisição devem perguntar quem é o proprietário do modelo, como as atualizações são aprovadas, qual hardware computacional é necessário e por quanto tempo cada componente terá suporte. Elas também devem solicitar evidências sobre desempenho ambiental, cibersegurança, diagnósticos e resposta determinística.

O custo de integração pode exceder o preço do sensor. A modelagem da célula, o projeto da rede, a validação, o treinamento dos operadores e a revalidação futura precisam ter responsabilidades definidas. A retenção de dados e a privacidade também são importantes quando um sistema mapeia continuamente uma área de trabalho compartilhada.

Importância para a engenharia

O NeurOSmart mostra uma direção viável para a percepção industrial: combinar detecção tridimensional com processamento local e energeticamente eficiente. Essa arquitetura pode reduzir a movimentação de dados e dar suporte a respostas mais rápidas.

O anúncio não elimina a necessidade de avaliação de riscos nem de medidas de proteção certificadas. Sua contribuição prática é uma plataforma que os engenheiros podem avaliar em relação aos perigos reais da célula, aos limites de temporização, às condições ambientais e às necessidades de manutenção.