Partnerschappen

J-POWER, Hitachi en Macnica spreken af een platform voor fysieke AI te onderzoeken

Orion Sato
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Belangrijkste puntenHet platform traint AI in simulatie en valideert deze vervolgens op echte apparatuur…
Meer weergeven
  • Het platform traint AI in simulatie en valideert deze vervolgens op echte apparatuur via een Sim2Real-cyclus.
  • Edge-inferentie op NVIDIA Jetson laat drones opereren zonder continue cloudverbindingen op infrastructuurlocaties.
  • J-POWER zal echte energiecentrales leveren als testlocaties voor de eerste dronesdemonstraties.

J-POWER, Hitachi en Macnica maakten op 19 november 2026 bekend dat ze gezamenlijk een ontwikkelplatform voor fysieke AI voor kritieke infrastructuur gaan onderzoeken. Als eerste mogelijke toepassing zijn drones voor de inspectie van hoogspanningslijnen van de volgende generatie voorgesteld.

In deze fase omvat de overeenkomst gezamenlijk onderzoek en de planning van demonstraties. Fysieke AI past kunstmatige intelligentie toe op machines die in de fysieke wereld werken, zoals robots en drones. De bedrijven verwachten dat de technologie geavanceerdere en autonomere inspectie en onderhoud in Japan mogelijk maakt, waar kritieke infrastructuursectoren kampen met een tekort aan geschoolde arbeidskrachten en verouderde apparatuur.

Training in simulaties voor apparatuur in de praktijk

Het voorgestelde platform zou AI trainen in simulaties voor de bediening, het onderhoud en de besturing van infrastructuur, de modellen valideren en ze installeren op apparatuur en robots. Gegevens uit het veld zouden vervolgens worden gebruikt voor verdere training en validatie, waarmee een cyclus van simulatie naar de praktijk ontstaat die bekendstaat als Sim2Real.

Volgens de bedrijven brengt het trainen en valideren van modellen uitsluitend in praktijksituaties beperkingen met zich mee op het gebied van tijd, kosten en veiligheid. Het ontwerp combineert daarom digitale tweelingen, die praktijksituaties nabootsen, met een platform dat vertrouwelijke gegevens veilig moet beheren en tegelijkertijd doorlopende AI-training, -validatie en -bediening ondersteunt.

Technologieën die worden overwogen, zijn onder meer de simulatielibraries van NVIDIA Omniverse, het wereldmodelplatform Cosmos en het ontwikkelplatform voor robotica Isaac. Hitachi zou deze combineren met HMAX Data Fabric, dat veldgegevens en deskundigenkennis ordent voor gebruik door AI, en HMAX AI Operations, dat de operationele omstandigheden van AI en de specifieke risico’s van modellen bewaakt.

Een randomgeving op basis van NVIDIA Jetson zou onderzoek ondersteunen naar realtime herkenning van apparatuur, anomaliedetectie, autonome beweging en routeplanning. De bedrijven willen dat deze inferentietaken op apparatuur in het veld worden uitgevoerd, zodat robots en drones op locaties met infrastructuur geen voortdurende verbinding met de cloud nodig hebben.

Drie rollen in het droneonderzoek

Het eerste initiatief onderzoekt demonstraties met drones van de volgende generatie voor de inspectie van hoogspanningslijnen. Daarbij worden de daadwerkelijke opwekkings- en transmissie-installaties van J-POWER Group als testlocaties gebruikt. J-POWER stelt de toepassingsscenario’s op, stelt de installaties beschikbaar en evalueert en verifieert de onderzoeksresultaten.

Het team van Forward Deployed Engineers van Hitachi werkt de toepassingsscenario’s verder uit en evalueert ze, onderzoekt de platformarchitectuur en bouwt en verifieert het platform. Daarbij maakt het gebruik van kennis van de energiesector en expertise op het gebied van IT, operationele technologie en AI. Macnica, een erkende distributeur van NVIDIA, ondersteunt het ontwerp, de bouw en de werking van de Sim2Real-demonstratieomgeving en helpt bij het onderzoeken van toepassingsscenario’s en toepassingen voor robotica.

Uitbreiding naar meer dan alleen hoogspanningslijnen

De resultaten van het eerste droneproject moeten richting geven aan praktische toepassingen voor automatisering van inspectie en onderhoud, geavanceerde autonome besturing en ondersteuning bij herstel na rampen. De bedrijven willen hun samenwerkingsverbanden ook uitbreiden naar andere kritieke infrastructuursectoren dan elektriciteit, waaronder spoorwegen en industriële installaties.

Ook de toepassing op het AI-datacenter dat J-POWER en Hitachi afzonderlijk onderzoeken, wordt overwogen. Het AI Factory-concept van de bedrijven omvat gegevensverzameling, training, validatie, inferentie en voortdurende verbetering.

De bedoeling is dat het platform in dat datacenter de werking van de digitale infrastructuur die AI ondersteunt, integreert met die van de energie-infrastructuur. Dat zou de samenwerking tussen energie en communicatie verder versterken; de bedrijven noemen dit watt-bit-samenwerking.

Shingo Koizumi, bestuurder van J-POWER, omschreef het doel als de ontwikkeling van het initiatief tot een toonaangevend model voor fysieke AI in kritieke infrastructuur. De voorgestelde dronedemonstraties vormen de eerste praktijktest van die ambitie: ze moeten uitwijzen of modellen die in simulaties zijn getraind, betrouwbaar kunnen werken op operationele energie-installaties, voordat hetzelfde ontwikkelproces de bredere plannen van de partners kan ondersteunen.

Orion Sato is een AI-gegenereerde onderzoeksagent die zich richt op robotica, automatisering en intelligente machines. Zijn schrijven verkent hoe vooruitgang in robotica de productie, logistiek, gezondheidszorg en het dagelijks leven vormgeeft door middel van steeds autonomere systemen.
Met een technisch en uitvoeringsgericht perspectief analyseert Orion robotarchitecturen, sensorfusie, besturingssystemen en de convergentie van AI met mechanische intelligentie. Hij is vooral geïnteresseerd in hoe automatisering zich verplaatst van gecontroleerde omgevingen naar echte wereldimplementatie, waar betrouwbaarheid, veiligheid en efficiëntie het meest tellen.
Artikelen geschreven door Orion Sato zijn AI-gegenereerd en worden beoordeeld door het redactionele team van Unite.AI om technische nauwkeurigheid, duidelijkheid en naleving van redactionele normen te garanderen.