Panasonic Holdings onthult KMC voor referentiemodellen voor fysieke AI

Op 11 november 2026 kondigde Panasonic Holdings een Manufacturing Commons-initiatief aan, met KMC als projectnaam. Het doel is om in Japan AI- en robotica-referentiemodellen te ontwikkelen via samenwerking tussen industrie, overheid en academische wereld, en deze op werkplekken in te zetten.

KMC maakt deel uit van een bredere inspanning om praktijkgestuurde fysieke AI te versnellen. Daarbij wordt AI toegepast op fysieke werkplekken door die te combineren met expertise op het gebied van productie. Het bedrijf wil onderzoeks-, ontwerp- en productieprocessen verbeteren nu AI ook buiten digitale omgevingen wordt ingezet.

De voorgestelde leercyclus begint ermee dat AI leert van de ervaring, vaardigheden en oordelen van werknemers. Werknemers gebruiken de analyses en voorstellen die daaruit voortkomen, waarna de nieuwe kennis en gegevens die tijdens dat werk worden gegenereerd, terugvloeien naar de AI om die verder te trainen. Panasonic streeft naar voortdurend leren in twee richtingen tussen mensen, werkplekken en AI, in onderzoeks-, ontwerp- en productieomgevingen.

Binnen KMC zouden organisaties technologieën, kennis en menselijke netwerken op het gebied van productie delen over de grenzen van bedrijven en organisaties heen. Panasonic wil de Japanse productiecapaciteiten bundelen in een productiemodel dat wereldwijd kan concurreren.

De aankondiging verwijst ook naar de technologievisie voor 2040 van de Technology Division, waarin technologische ontwikkeling wordt gecombineerd met gezamenlijke innovatie met partners. Daarin worden AI en cyberfysieke systemen — die digitale analyse verbinden met fysieke processen — aangewezen als gemeenschappelijke technologieën voor onderzoeksgebieden als robotica, sensoren en modelgebaseerde benaderingen.

Toepassingen voor productiegegevens en -processen

De strategie bouwt voort op ruim een eeuw ervaring met productieprocessen voor materialen en apparaten, en op het gebied van sensoren, besturing en productie. Ook maakt ze gebruik van de technieken van vakbekwame werknemers en van methoden om fysieke verschijnselen om te zetten in bruikbare gegevens. Zo is de AI-inspanning geworteld in zowel fabrieksactiviteiten als software.

Een van de productiegebieden die in de aankondiging worden genoemd, is perovskietzonnecellen van het glastype. Dankzij Panasonic-technologie voor materialen en technieken voor inkjetcoating, laserbewerking en afdichting uit de productie van beeldschermen kan energieopwekkend glas voor ramen en muren worden gemaakt. Het bedrijf wil informatica en AI inzetten voor materiaalontwikkeling en de optimalisatie van procesomstandigheden. De commerciële activiteiten begonnen in september 2026 met de verkoop van exemplaren van vóór de massaproductie. De volledige massaproductie moet in april 2029 van start gaan op de ontwikkellocatie voor massaproductietechnologie in Nagahama, in de prefectuur Shiga.

Het werk op het gebied van halfgeleiders richt zich op geavanceerde apparatuur voor de backend van de productie, voor het stapelen van chips in drie dimensies en andere toepassingen in de productie van de volgende generatie. Daarbij worden technologieën voor plasmabehandeling van oppervlakken, precisiebonding, printen, inspectie en transport gecombineerd. Een onlangs gestart AI-project voor halfgeleiderverpakking brengt onderzoek en bedrijfsontwikkeling samen. AI-analyse van procesgegevens en inspectiebeelden moet ondersteuning bieden bij kwaliteitsvoorspellingen, het zoeken naar geschikte procesomstandigheden en het vaststellen van apparatuurspecificaties.

T-Rex als voorbeeld van robotica

Een afzonderlijk onderzoeksbericht van Panasonic van 5 november 2026 laat zien welk roboticaonderzoek aan de strategie ten grondslag ligt. Panasonic Holdings en Panasonic R&D Company of America ontwikkelden T-Rex samen met onderzoekers van UC Berkeley, NVIDIA, Stanford University, Sapienza University of Rome en ItalAI. Het systeem integreert tastinformatie van de vingertoppen in een visie-taal-actiemodel, dat beelden en instructies in natuurlijke taal omzet in robotacties. Daardoor kunnen bewegingen worden bijgestuurd wanneer de contactomstandigheden veranderen.

T-Rex genereert brede acties met behulp van een visie- en taalmodule die op ongeveer 5 Hz draait, oftewel vijf updates per seconde. Een tastmodule corrigeert de beweging ondertussen op ongeveer 20 Hz. Zo kan het systeem reageren op wegglijden of te hard duwen zonder voor elke bijstelling de tragere beeldherkenning opnieuw uit te voeren. Het artikel over T-Rex beschrijft een dataset met veel tastinformatie, verzameld gedurende 100 uur, en de architectuur met een variabele verwerkingssnelheid, Mixture-of-Transformers, die deze verschillende verwerkingssnelheden mogelijk maakt.

Panasonic rapporteert een gemiddeld succespercentage van 65% voor 12 contacttaken in praktijksituaties, tegenover 35% voor de best presterende vergelijkingsmethode en 42% wanneer tastinformatie werd weggelaten. De evaluatie omvatte het omslaan van pagina’s, eieren verplaatsen, tandpasta aanbrengen, sloten ontgrendelen, kaarten verwijderen en gloeilampen indraaien. Deze taken vereisten nauwkeurige krachtregeling en het werken met vervormbare voorwerpen.

Panasonic mikt op toekomstige toepassingen zoals het plaatsen, verwijderen en vastdraaien van onderdelen in de productie, en het hanteren van flexibele of breekbare voorwerpen in de logistiek. Daarmee wil het bedrijf de belasting van werknemers verminderen en personeelstekorten verlichten. De belangrijkste toets voor KMC is of gedeelde productiekennis kan helpen om onderzoeksresultaten zoals T-Rex om te zetten in herbruikbare referentiemodellen voor productie- en logistieke werkplekken.