Fraunhofer NeurOSmart: Những điều kỹ sư nên xác minh

Fraunhofer đã công bố nền tảng công nghệ NeurOSmart vào ngày 2 tháng 3 năm 2026. Dự án kết hợp LiDAR đặt phía trên, điều hướng chùm tia MEMS, xử lý AI ở phía cảm biến và điện toán thần kinh cho các khu vực làm việc giữa người và robot.

Thông báo này không phải là bản phát hành sản phẩm hay chứng nhận an toàn máy móc. Giá trị kỹ thuật của dự án nằm ở kiến trúc mà nó trình diễn. Kiến trúc này đưa khả năng nhận thức và hỗ trợ ra quyết định đến gần cảm biến hơn, đồng thời hướng tới việc giảm độ trễ và mức tiêu thụ năng lượng.

Fraunhofer lấy cảm hứng từ hoạt động của bộ não con người để nâng cao hiệu suất và khả năng phản hồi của các hệ thống robot. 

Fraunhofer đã công bố những gì

Bản tin nghiên cứu của Fraunhofer mô tả một khu vực làm việc chung được LiDAR giám sát từ phía trên. Các gương MEMS có thể di chuyển quét tia laser trên toàn bộ ô làm việc. Các xung phản xạ tạo ra hình ảnh ba chiều của không gian làm việc.

Fraunhofer cho biết các mô hình AI chuyên dụng đánh giá dữ liệu ở gần cảm biến. Sau đó, nền tảng hỗ trợ robot phản hồi khi một người đi vào vùng lân cận được xác định. Các đối tác dự án cho biết khoảng thời gian từ lúc thu nhận tín hiệu, đánh giá đến phản hồi cơ học là rất ngắn.

Dự án kết hợp nhiều viện nghiên cứu

NeurOSmart do Fraunhofer ISIT điều phối. Fraunhofer IPMS đóng góp chip hiệu suất cao và công nghệ bộ nhớ. Fraunhofer IMS phụ trách tiền xử lý có hỗ trợ AI và tích hợp hệ thống. Fraunhofer IWU đánh giá hệ thống cảm biến trong hoạt động cộng tác giữa người và robot. Fraunhofer IAIS phát triển các mô hình phát hiện người hiệu quả.

Việc phân công này có ý nghĩa vì robot cộng tác an toàn không phải là bài toán chỉ phụ thuộc vào một cảm biến. Quang học, điện toán, mô hình, hình học ô làm việc, động lực học robot, hệ thống điều khiển và quá trình xác nhận đều ảnh hưởng đến kết quả.

Vì sao xử lý ở phía cảm biến lại quan trọng

Một chuỗi nhận thức thông thường có thể truyền các luồng dữ liệu lớn đến máy tính trung tâm. Thiết kế đó làm tăng tải mạng và tạo thêm nhiều giai đoạn về thời gian. Xử lý ở gần cảm biến có thể giảm lượng dữ liệu truyền đi và rút ngắn đường dẫn ra quyết định.

Điều này cũng có thể thay đổi khả năng khoanh vùng lỗi. Xử lý cục bộ có thể tiếp tục khi mạng cấp cao hơn không khả dụng. Tuy nhiên, các kỹ sư phải xác định những chức năng nào vẫn hoạt động, trạng thái suy giảm được báo cáo ra sao và hành động nào sẽ diễn ra sau khi mất đồng bộ hoặc không còn đủ năng lực tính toán.

Độ trễ trung bình thấp hơn là chưa đủ đối với một chức năng bảo vệ. Thiết kế cần có thời gian phản hồi xấu nhất đã được xác minh. Ngân sách thời gian này bao gồm cảm biến, tiền xử lý, logic quyết định, truyền thông, chu kỳ quét của bộ điều khiển, phản ứng của bộ truyền động và thời gian dừng cơ học.

Phần cứng thần kinh thay đổi điều gì

Điện toán thần kinh sử dụng các cấu trúc phần cứng lấy cảm hứng từ quá trình xử lý thần kinh sinh học. Mục tiêu là thực hiện hiệu quả các tác vụ AI được lựa chọn. Fraunhofer giới thiệu phương pháp này như một cách xử lý các tác vụ nhận thức đòi hỏi nhiều năng lực tính toán với mức tiêu thụ năng lượng thấp hơn ở gần cảm biến.

Hiệu quả năng lượng có thể hỗ trợ các hệ thống nhúng bị giới hạn về khả năng làm mát và không gian trong vỏ bảo vệ. Điều này cũng có thể hỗ trợ khả năng nhận thức phân tán. Tuy nhiên, các kỹ sư vẫn nên đánh giá giới hạn nhiệt, độ chính xác của mô hình, kiểm soát cập nhật, độ bao phủ chẩn đoán và vòng đời linh kiện.

LiDAR bổ sung thông tin hình học, không tự động tạo ra sự an toàn

LiDAR đo khoảng cách dựa trên thời gian truyền và sự phản xạ của ánh sáng phát ra. Biểu diễn điểm ba chiều có thể giúp phân biệt con người, chuyển động của robot, đồ gá và ranh giới của ô làm việc.

Hiệu suất phụ thuộc vào độ phản xạ, hiện tượng che khuất, độ cao lắp đặt, trường quan sát, tình trạng nhiễm bẩn, điều kiện môi trường và thời điểm quét. Một người bị dụng cụ che khuất có thể khó quan sát hơn. Quần áo và các bề mặt có thể tạo ra những tín hiệu khác nhau. Những thay đổi trong ô làm việc có thể làm mất hiệu lực của mô hình trước đó.

Đối với logic cảm biến liên quan, hướng dẫn của PLC ProTech về các chế độ hoạt động của cảm biến quang điện cho thấy vì sao trạng thái quang học và ý nghĩa của quy trình phải được tách biệt. Các nguyên lý cảm biến khác nhau, nhưng kỷ luật trong quá trình chạy thử vẫn hữu ích.

Nhà chế tạo máy phải xác minh những gì

Một hệ thống trình diễn nghiên cứu không nên được đưa trực tiếp vào chức năng an toàn. Nhà chế tạo cần xác định các luật, tiêu chuẩn, mục tiêu giảm rủi ro và yêu cầu xác nhận áp dụng. Họ cũng phải xác định từng thành phần có được chứng nhận an toàn cho vai trò dự kiến hay không.

Tính toán thời gian dừng phải sử dụng tốc độ thực tế của robot, tải trọng, dụng cụ, hiệu suất phanh, độ trễ của bộ điều khiển và hình học tiếp cận. Khoảng cách bảo vệ phải tính đến độ không chắc chắn của phép đo và chuyển động có thể dự đoán trước.

Âm tính giả và dương tính giả gây ra những hậu quả khác nhau. Bỏ sót một người có thể gây nguy hiểm. Việc dừng sai lặp đi lặp lại có thể khiến người vận hành tìm cách vô hiệu hóa hệ thống và làm giảm niềm tin vào sản xuất. Vì vậy, quá trình xác nhận nên bao quát phạm vi phát hiện, thời gian phản hồi, hành vi khởi động lại và thông báo lỗi.

Bảo trì thay đổi khi có nhận thức bằng AI

Các thiết bị an toàn truyền thống thường có quy trình kiểm tra được xác định rõ. Nhận thức dựa trên AI bổ sung việc quản lý phiên bản mô hình, tập dữ liệu, ngưỡng độ tin cậy và các phụ thuộc phần mềm. Mọi thay đổi được phê duyệt đều cần được kiểm soát cấu hình và kiểm thử hồi quy.

Việc vệ sinh, căn chỉnh và kiểm tra vật cản vẫn rất quan trọng. Một cảm biến có vẻ đang trực tuyến nhưng có thể đã suy giảm phạm vi quan sát. Đội ngũ bảo trì cần các công cụ chẩn đoán có thể xác định tầm nhìn bị che, lỗi thời gian, tình trạng bộ xử lý quá tải và các kênh không khả dụng.

Bộ sưu tập ABB Robotics của trang web cung cấp các ví dụ về thành phần điều khiển và bảo trì robot. Những bộ phận đó tách biệt với nền tảng nghiên cứu NeurOSmart, nhưng chúng minh họa bối cảnh vòng đời mà các đội ngũ bảo trì phải đối mặt.

Các câu hỏi mua sắm vượt ra ngoài hệ thống trình diễn

Các đội ngũ mua sắm nên hỏi ai sở hữu mô hình, các bản cập nhật được phê duyệt như thế nào, cần phần cứng tính toán nào và mỗi thành phần sẽ được hỗ trợ trong bao lâu. Họ cũng nên yêu cầu bằng chứng về khả năng hoạt động trong môi trường, an ninh mạng, chẩn đoán và phản hồi xác định.

Chi phí tích hợp có thể vượt quá giá của cảm biến. Việc lập mô hình ô làm việc, thiết kế mạng, xác nhận, đào tạo người vận hành và xác nhận lại trong tương lai cần được phân công trách nhiệm rõ ràng. Việc lưu giữ dữ liệu và quyền riêng tư cũng quan trọng khi một hệ thống liên tục lập bản đồ không gian làm việc chung.

Ý nghĩa kỹ thuật

NeurOSmart cho thấy một hướng đi khả thi cho nhận thức công nghiệp: kết hợp cảm biến ba chiều với xử lý cục bộ, tiết kiệm năng lượng. Kiến trúc này có thể giảm việc di chuyển dữ liệu và hỗ trợ phản hồi nhanh hơn.

Thông báo này không loại bỏ nhu cầu đánh giá rủi ro hoặc sử dụng các biện pháp bảo vệ được chứng nhận. Đóng góp thực tiễn của dự án là một nền tảng để các kỹ sư đánh giá dựa trên các mối nguy thực tế trong ô làm việc, giới hạn thời gian, điều kiện môi trường và nhu cầu bảo trì.