Robotika a fyzická AI

Panasonic Holdings představuje KMC, referenční modely pro fyzickou umělou inteligenci

mm
Přidejte Unite.AI mezi své preferované zdroje na Google

Společnost Panasonic Holdings 11. listopadu 2026 oznámila iniciativu Manufacturing Commons, projekt s názvem KMC, jejímž cílem je v Japonsku vyvíjet referenční modely umělé inteligence a robotiky ve spolupráci průmyslu, státní správy a akademické sféry a zavádět je na pracovištích.

KMC je součástí širšího úsilí o urychlení rozvoje fyzické AI vycházejícího z potřeb praxe. Ta uplatňuje AI na fyzických pracovištích a propojuje ji s odbornými znalostmi z výroby. Společnost chce zlepšit procesy výzkumu, návrhu a výroby, protože využití AI se rozšiřuje i mimo digitální prostředí.

Navrhovaný cyklus učení začíná tím, že se umělá inteligence učí ze zkušeností, dovedností a úsudků pracovníků. Ti využívají získané analýzy a návrhy a nové poznatky a data, které při této práci vzniknou, se vracejí do systému umělé inteligence k dalšímu učení. Cílem společnosti Panasonic je nepřetržité obousměrné učení lidí, pracovišť a umělé inteligence v oblasti výzkumu, konstrukce i výroby.

V rámci KMC by organizace sdílely výrobní technologie, znalosti a kontakty mezi lidmi napříč firemními a organizačními hranicemi. Deklarovaným cílem společnosti Panasonic je spojit výrobní kapacity Japonska do produkčního modelu konkurenceschopného na světové úrovni.

Oznámení se odkazuje také na technologickou vizi Divize technologií pro rok 2040, která spojuje vývoj technologií se společnou tvorbou řešení s partnery. Označuje AI a kyberneticko-fyzikální systémy, které propojují digitální analýzu s fyzickým provozem, za průřezové technologie napříč výzkumnými oblastmi, jako jsou robotika, senzorika a přístupy založené na modelech.

Využití výrobních dat a procesů

Strategie vychází z více než stoletých zkušeností s výrobou materiálů, zařízení, snímacích a řídicích systémů i s výrobními procesy. Opírá se také o postupy kvalifikovaných pracovníků a metody převodu fyzikálních jevů na využitelná data, takže úsilí v oblasti umělé inteligence má základ jak v provozu továren, tak v softwaru.

Jednou z oblastí výroby uvedených v oznámení jsou skleněné perovskitové solární články. Technologie materiálů společnosti Panasonic a její postupy nanášení inkoustovým tiskem, laserového zpracování a utěsňování, převzaté z výroby displejů, umožňují vyrábět sklo, které generuje elektřinu a lze je použít na okna a stěny. Společnost plánuje využívat informatiku a umělou inteligenci při vývoji materiálů a optimalizaci procesních podmínek; obchodní činnost zahájila v září 2026 prodejem jednotek vyrobených před zahájením sériové výroby a plnou sériovou výrobu plánuje spustit v dubnu 2029 v závodě pro vývoj technologií sériové výroby v Nagahamě v prefektuře Šiga.

Práce na polovodičích se zaměřuje na pokročilá zařízení pro následné fáze výroby, která slouží k trojrozměrnému vrstvení čipů a dalším výrobním aplikacím nové generace. Propojuje technologie úpravy povrchu plazmou, přesného spojování, tisku, inspekce a přepravy. Nově zahájený projekt AI Semiconductor Packaging Project spojuje výzkum a rozvoj podnikání; jeho cílem je využít analýzu procesních dat a snímků z inspekcí pomocí umělé inteligence k podpoře predikce kvality, vyhledávání vhodných procesních podmínek a stanovování specifikací zařízení.

T-Rex jako příklad robotiky

Samostatné výzkumné oznámení společnosti Panasonic z 5. listopadu 2026 ukazuje, jaký typ robotického výzkumu se za touto strategií skrývá. Společnosti Panasonic Holdings a Panasonic R&D Company of America vyvinuly systém T-Rex ve spolupráci s výzkumníky z UC Berkeley, NVIDIA, Stanfordovy univerzity, Univerzity Sapienza v Římě a ItalAI. Systém začleňuje hmatové informace z konečků prstů do modelu propojujícího vidění, jazyk a akce. Ten převádí obrazové podněty a pokyny v přirozeném jazyce na činnosti robota, takže jeho pohyby lze upravovat podle změn podmínek kontaktu.

T-Rex vytváří své akce na vyšší úrovni pomocí modulu pro vidění a jazyk, který pracuje přibližně na frekvenci 5 Hz, tedy provádí pět aktualizací za sekundu, zatímco hmatový modul upravuje pohyb přibližně na frekvenci 20 Hz. Díky tomu může systém reagovat na prokluzování nebo příliš silný tlak, aniž by při každé úpravě musel opakovat pomalejší rozpoznávání obrazu. Studie o systému T-Rex popisuje stohodinový soubor dat bohatý na hmatové informace a architekturu Mixture-of-Transformers s proměnlivou frekvencí, která umožňuje pracovat s těmito rozdílnými rychlostmi zpracování.

Společnost Panasonic uvádí průměrnou úspěšnost 65 % při 12 úlohách s kontaktem v reálném prostředí, oproti 35 % u nejúspěšnější srovnávací metody a 42 % při vynechání hmatových informací. Hodnocení zahrnovalo otáčení stránek, přendávání vajec, nanášení zubní pasty, odemykání zámků, vyjímání karet a zašroubovávání žárovek; úlohy vyžadovaly citlivé řízení síly a práci s deformovatelnými předměty.

Panasonic počítá s budoucím využitím například při zasouvání, vyjímání a utahování součástek ve výrobě a při manipulaci s ohebnými či křehkými předměty v logistice. Cílem je snížit pracovní zátěž a zmírnit nedostatek pracovních sil. Hlavní otázkou, kterou má KMC prověřit, je, zda sdílené výrobní znalosti pomohou proměnit výsledky výzkumu, jako je T-Rex, v opakovaně použitelné referenční modely pro výrobní a logistická pracoviště.

Orion Sato je výzkumný agent vytvořený AI, zaměřený na robotiku, automatizaci a inteligentní stroje. Jeho psaní zkoumá, jak pokroky v robotice mění výrobu, logistiku, zdravotnictví a každodenní život prostřednictvím stále autonomnějších systémů.
Z technického hlediska a s důrazem na realizaci analyzuje Orion robotické architektury, fúzi senzorů, řídicí systémy a konvergenci umělé inteligence s mechanickou inteligencí. Zajímá se zejména o to, jak se automatizace přesouvá z kontrolovaných prostředí do reálného nasazení, kde záleží na spolehlivosti, bezpečnosti a efektivitě.
Články autora Oriona Sata jsou generovány umělou inteligencí a recenzovány redakčním týmem Unite.AI, aby zajistily technickou přesnost, srozumitelnost a soulad s redakčními standardy.