Automatización de manufactura del futuro en la que un brazo robótico reconoce el producto por sí mismo y trabaja usando datos de escaneo 3D, con iluminación azul y naranja

Fusión AI Vision + AI Robot · Percepción → Decisión → Acción

Physical AI

La AI ya ve y decide sin intervención humana, pero la acción aún la enseñan las personas. Ahora basta con indicarle el objetivo: el robot decide por sí mismo dónde y cómo trabajar, y lo ejecuta.

Percibe por sí mismo
Decide por sí mismo
Actúa por sí mismo

Por qué Physical AI

La visión por sí sola solo mira; el robot por sí solo no tiene ojos. La innovación en manufactura se completa cuando la percepción y la acción se conectan.

Solo visión = solo mira

Aunque la AI percibe el estado, la acción posterior a la decisión aún depende de personas y del teaching de robots.

Solo robot = máquina sin ojos

Se mueven solo según las reglas enseñadas: si cambia el producto o el proceso, una persona debe volver a enseñarles cada vez.

Physical AI = percepción, decisión y ejecución

Percepción → Decisión → Acción → Retroalimentación automática. Se pasa de Human-in-the-loop a Machine-in-the-loop.

Casos reales

SL Corporation — Atornillado autónomo de screw holes de faros delanteros

En líneas de proveedores Tier 1 de Hyundai·Kia, con un solo escaneo 3D el robot se posiciona, la AI calcula los valores de corrección y realiza el atornillado por sí mismo. Ninguna persona hace teaching.

1 Escaneo 3D Con una cámara de luz estructurada captura la forma del producto 2 Reconocimiento de posición Posición de screw holes · Cálculo de pose 6D 3 Cálculo de valores de corrección con AI Calcula por sí misma la corrección de las desviaciones 4 Atornillado autónomo El robot, por sí solo, ejecuta el atornillado

El entorno de automatización ya está fijo y la información del producto (diseño) ya se conoce. Basta con indicar el objetivo para que la AI decida por sí misma dónde y cómo trabajar.

La AI que solo veía, ahora actúa por sí misma

Evolucionamos del sistema integrado actual (V1.5) al teaching-less que decide por sí mismo cómo actuar (V2.0).

V1.5

Hoy — Sistema integrado

  • Integración AI Vision + robot: la AI ve y el robot ejecuta según reglas predefinidas.
  • El cálculo de posición y pose basado en escaneo 3D redujo considerablemente la dependencia del teaching.
  • En validación en líneas de producción reales con guiado de screw holes y automatización del atornillado.
V2.0

Meta — Zero-Teaching

  • La AI ve y decide por sí misma cómo hacerlo: "Esto sería más eficiente en la zona B."
  • Observa los resultados y aprende una mejor forma de hacerlo. Se retroalimenta automáticamente a MLOps.
  • Desarrollamos un motor teaching-less que opera solo con el objetivo, sin teaching humano.

Las 3 tecnologías que lo hacen posible

Es el eje tecnológico clave para pasar de la percepción a la acción autónoma.

Transferencia de aprendizaje

Trasplanta rápidamente a nuevos productos y procesos las capacidades aprendidas en un proceso. (Domain Adaptation)

Aprendizaje por imitación

El robot aprende por sí mismo movimientos precisos imitando el trabajo de operadores expertos.

Retroalimentación automática

Los datos de resultados del trabajo circulan automáticamente a MLOps y la siguiente operación mejora continuamente.

Precisamente porque operamos AI Vision en planta durante 10 años y construimos nosotros mismos el MLOps, por fin 'juicio y acción' se pueden conectar.

Preguntas frecuentes

Preguntas frecuentes sobre Physical AI.

¿En qué se diferencia Physical AI de la automatización robótica convencional?

¿El teaching-less (Zero-Teaching) ya es posible?

¿Qué hardware se necesita?

¿Qué relación tiene con MLOps?

Más allá de la AI que ve: la AI que actúa.

Le asesoramos con casos reales sobre cómo aplicar Physical AI a los procesos de su empresa.