www.indo-industry.com
16
'26
Written on Modified on
Yaskawa Electric Kembangkan Sistem Robot Agentic dengan Integrasi Gemini
Integrasi dengan AI generatif canggih dari Google DeepMind memungkinkan robot untuk menilai kondisi di lokasi, menyusun prosedur kerja, dan mengeksekusinya secara mandiri.
www.yaskawa.eu.com
Yaskawa Electric Corporation telah mengembangkan sistem robot agentic yang mengintegrasikan robot kecerdasan buatan (AI) otonomnya, MOTOMAN NEXT, dengan model AI generatif canggih dari Google DeepMind, Gemini Robotics ER 1.6. Kerangka kerja terintegrasi ini memungkinkan sistem otomasional untuk menganalisis kondisi lingkungan di lokasi secara mandiri, menyusun prosedur kerja struktural, dan mengeksekusi tugas-tugas operasional tanpa pemrograman manual langkah-demi-langkah. Dengan memberikan perintah tingkat tinggi, seperti meminta penyortiran suku cadang yang belum teratur, sistem akan mengevaluasi ruang kerja target dan menjalankan rutinitas manipulasi material yang diperlukan untuk mengatasi kekurangan tenaga kerja industri.
Separation Fungsional antara Pengambilan Keputusan dan Eksekusi Kinematik
Arsitektur ini menetapkan pembagian tugas operasional yang jelas antara otak komputasi cloud atau edge dengan tubuh fisik robot. Model AI generatif bertanggung jawab atas penalaran semantik dan sintesis alur kerja—menentukan tugas apa yang harus dilakukan—sementara platform perangkat keras MOTOMAN NEXT menerjemahkan langkah-langkah logis tersebut menjadi gerakan presisi di lokasi.
Untuk menjembatani celah antara keputusan generatif tingkat tinggi dan eksekusi di dunia nyata, robot MOTOMAN NEXT dilengkapi dengan tiga lapisan layanan otomasi pabrik inti:
- Machine Vision Service (Layanan Visi Mesin): Lapisan penginderaan ini mengidentifikasi kondisi ruang kerja, bentuk struktural, dan posisi fisik yang tepat dari objek target. Layanan ini mengubah pengamatan visual menjadi data spasial mentah untuk memberi masukan pada loop pengambilan keputusan AI generatif.
- Path Planning Service (Layanan Perencanaan Jalur): Beroperasi sebagai respons terhadap vektor tujuan tingkat tinggi yang diterima dari AI generatif, layanan ini menghitung jalur pergerakan yang aman dan bebas tabrakan melalui lingkungan pabrik yang padat atau berubah-ubah.
- Force Feedback Service (Layanan Umpan Balik Gaya): Loop pelacakan fisik ini memantau gaya kontak waktu nyata (real-time) dan tekanan cengkeraman taktil untuk memverifikasi apakah suku cadang ditahan dengan aman, mencegah kerusakan objek atau slip struktural.
Pemulihan Kesalahan Otonom dan Konektivitas Perusahaan
Platform robot agentic ini menggabungkan fitur-fitur perangkat lunak yang dirancang untuk menstabilkan waktu operasional manufaktur dan menyederhanakan integrasi dengan jaringan kontrol perusahaan yang ada. Robotika industri tradisional memerlukan pemrograman sekuensial berkelanjutan yang kaku yang akan terhenti jika terjadi anomali suku cadang yang tidak terduga.
Lapisan AI generatif yang terintegrasi memantau status eksekusi secara terus-menerus, memungkinkan pemulihan kesalahan secara otomatis; jika ada suku cadang yang jatuh atau salah tempat selama transportasi, robot akan mendeteksi perubahan situasi tersebut secara mandiri dan menghitung ulang urutan pemulihan untuk memulai kembali tugas tanpa intervensi manusia. Selain itu, platform kontrol dapat terhubung langsung dengan jaringan manajemen produksi internal dan sistem perangkat lunak perusahaan, memungkinkan robot untuk menanyakan database inventaris secara programatis atau secara otomatis mengirimkan peringatan kekurangan suku cadang dan pembaruan pesanan saat mendeteksi pasokan komponen yang tidak mencukupi di lini produksi.
Konteks Tambahan
Bagian ini merinci spesifikasi teknis dan tolok ukur kompetitif yang tidak disertakan dalam rilis berita asli.
Berbeda dengan pengontrol industri tradisional yang mengandalkan PC inferensi eksternal—yang menimbulkan latensi komunikasi di sepanjang antarmuka—MOTOMAN NEXT dilengkapi dengan modul grafis edge-computing tertanam yang menangani algoritma visi dan jalur secara lokal di dalam kabinet. Selain itu, pengaturan standar yang dipandu visi menggunakan templat pemrograman statis yang memicu penghentian kesalahan jika komponen bergeser. Model fondasi yang terintegrasi menetapkan penalaran spasial berkelanjutan untuk pemulihan kesalahan otonom dan mentransfer prosedur manipulasi yang dipelajari ke berbagai bentuk lengan robot tanpa pelatihan ulang kode secara manual.
Diedit oleh Romila DSilva, Editor Induportals, dengan bantuan AI.
Platform robot agentic ini menggabungkan fitur-fitur perangkat lunak yang dirancang untuk menstabilkan waktu operasional manufaktur dan menyederhanakan integrasi dengan jaringan kontrol perusahaan yang ada. Robotika industri tradisional memerlukan pemrograman sekuensial berkelanjutan yang kaku yang akan terhenti jika terjadi anomali suku cadang yang tidak terduga.
Lapisan AI generatif yang terintegrasi memantau status eksekusi secara terus-menerus, memungkinkan pemulihan kesalahan secara otomatis; jika ada suku cadang yang jatuh atau salah tempat selama transportasi, robot akan mendeteksi perubahan situasi tersebut secara mandiri dan menghitung ulang urutan pemulihan untuk memulai kembali tugas tanpa intervensi manusia. Selain itu, platform kontrol dapat terhubung langsung dengan jaringan manajemen produksi internal dan sistem perangkat lunak perusahaan, memungkinkan robot untuk menanyakan database inventaris secara programatis atau secara otomatis mengirimkan peringatan kekurangan suku cadang dan pembaruan pesanan saat mendeteksi pasokan komponen yang tidak mencukupi di lini produksi.
Konteks Tambahan
Bagian ini merinci spesifikasi teknis dan tolok ukur kompetitif yang tidak disertakan dalam rilis berita asli.
Berbeda dengan pengontrol industri tradisional yang mengandalkan PC inferensi eksternal—yang menimbulkan latensi komunikasi di sepanjang antarmuka—MOTOMAN NEXT dilengkapi dengan modul grafis edge-computing tertanam yang menangani algoritma visi dan jalur secara lokal di dalam kabinet. Selain itu, pengaturan standar yang dipandu visi menggunakan templat pemrograman statis yang memicu penghentian kesalahan jika komponen bergeser. Model fondasi yang terintegrasi menetapkan penalaran spasial berkelanjutan untuk pemulihan kesalahan otonom dan mentransfer prosedur manipulasi yang dipelajari ke berbagai bentuk lengan robot tanpa pelatihan ulang kode secara manual.
Diedit oleh Romila DSilva, Editor Induportals, dengan bantuan AI.
