SWIRA Robotiknytt 12 September
SWIRA Robotiknytt är ett oberoende digitalt analysmagasin baserat på öppna källor. Vi bevakar utvecklingen inom industrirobotik, robotautomation, fysisk AI, humanoida robotar och intelligenta produktionssystem. Vårt fokus är inte bara på vad som händer, utan också på varför utvecklingen sker och vilka konsekvenser den får för industri, investeringar, produktivitet, lönsamhet och konkurrenskraft, med särskilt fokus på Sverige, Norden och den globala industrin.
När industriroboten börjar tänka själv – Fysisk AI flyttar in på fabriksgolvet
Under de senaste åren har artificiell intelligens framför allt förknippats med text, bilder och programvara. Nu tar AI steget ut i den fysiska världen. Det är här begreppet fysisk AI, Physical AI, kommer in. Förenklat handlar det om maskiner som kan uppfatta sin omgivning, tolka vad som händer, fatta beslut och agera utifrån situationen. För industrirobotar innebär det en utveckling från automation som huvudsakligen följer förprogrammerade instruktioner till system som i högre grad kan hantera variation och anpassa sig efter situationen. Det betyder inte att den traditionella robottekniken försvinner. Motorer, drivsystem, styrning, rörelseplanering och säkerhetsfunktioner är fortfarande grunden. AI lägger framför allt till nya möjligheter inom perception, inlärning, planering och anpassning. Det är just förmågan att hantera variation som kan bli en av fysisk AI:s största industriella fördelar.
Från programmerade rörelser till adaptiv automation
Den traditionella industriroboten är mycket effektiv när processen är stabil och förutsägbar. Den kan utföra samma rörelse tusentals gånger med hög precision och hastighet. Utmaningen uppstår när verkligheten förändras. En komponent kan ligga några centimeter fel. En produkt kan ha en annan form. Ett kablage kan ligga annorlunda än i föregående cykel. En ny produktvariant kan kräva en annan rörelsesekvens.
Kameror och 3D-sensorer kan ge roboten information om objektens position, form och orientering. Kraft- och momentsensorer kan ge information om kontakt och belastning. AI kan sedan tolka situationen och hjälpa systemet att avgöra hur uppgiften ska genomföras. Fysisk AI blir därmed särskilt intressant i produktion med många varianter, kortare serier och högre krav på flexibilitet. Traditionell automation handlar ofta om att göra samma sak perfekt. Fysisk AI handlar i högre grad om att göra rätt sak även när förutsättningarna förändras.
Nästa steg: robot foundation models
En av de viktigaste utvecklingslinjerna inom robotik är framväxten av robot foundation models och så kallade Vision-Language-Action-modeller, VLA. En VLA-modell försöker koppla samman vad roboten ser, vad den får för instruktion och vilken fysisk handling som ska utföras. Det innebär att roboten i större utsträckning kan gå från instruktion till handling utan att varje enskild rörelse behöver programmeras manuellt. Det kan förändra robotprogrammeringen i grunden.
I stället för att beskriva exakt hur roboten ska röra sig kan operatören i vissa fall beskriva vad som ska uppnås. AI-systemet kan därefter tolka uppgiften och föreslå eller generera ett sätt att utföra den. Det betyder dock inte att AI får kontroll över hela roboten.En mer sannolik industriell arkitektur är att AI-lagret tolkar uppgiften och planerar medan etablerade styr- och säkerhetssystem fortfarande bestämmer vilka rörelser roboten får utföra.
Den virtuella fabriken blir träningsmiljö
En annan central del av utvecklingen är simulering. I stället för att träna AI direkt på en fysisk robot kan tusentals eller miljontals situationer skapas i en virtuell miljö. Olika objekt, positioner, ljusförhållanden och fel kan simuleras utan att produktionen behöver stoppas. Det brukar beskrivas som ”sim-to-real” att en modell tränas i en virtuell miljö och sedan överförs till den verkliga roboten. Utvecklingen går samtidigt mot en återkoppling mellan den verkliga och den virtuella fabriken. Data från produktionen kan användas för att förbättra simuleringen, AI kan tränas och testas virtuellt och resultatet kan sedan föras tillbaka till den fysiska roboten. Det brukar beskrivas som Real2Sim2Real. Digitala tvillingar blir därmed mer än visualiseringsverktyg. De kan bli en del av själva utvecklingsmiljön för robotarnas AI.
Syntetiska data blir en viktig resurs
AI behöver data, men inom industrin kan det vara dyrt och tidskrävande att samla in tillräckligt många verkliga exempel. En robot som utför en viss uppgift några gånger per minut ger inte automatiskt tillräckligt med variation för att träna en avancerad modell.
I en simulator kan däremot samma situation skapas tusentals gånger. Objekt kan flyttas, kameravinklar förändras och olika typer av fel kan introduceras. Det skapar syntetiska data som kan användas för träning och testning. Det är särskilt värdefullt för ovanliga situationer som man helst inte vill vänta på ska inträffa i den riktiga fabriken. Samtidigt är data från verklig produktion en viktig resurs. Om många robotar samlar in information om hur uppgifter faktiskt utförs kan den användas för att förbättra framtida modeller. Det öppnar för så kallat ”fleet learning”, där erfarenheter från många robotar kan bidra till att förbättra systemen.
AI måste fungera i realtid. En robot som reagerar på en människa, ett rörligt objekt eller fysisk kontakt måste fatta snabba beslut lokalt. Därför blir ”edge AI”, där AI-modeller körs lokalt i roboten viktigt. Det handlar också om tillförlitlighet. Om en robot behöver vänta på ett svar från ett externt system kan fördröjningen bli ett problem det gör lokal beräkningskapacitet till en viktig del av Fysisk AI. En möjlig framtida arkitektur är därför relativt enkel: Molnet för träning och stora modeller. Edge för realtidsbeslut. Traditionell robotstyrning för exakt och säker rörelse.
Robotens kropp spelar fortfarande stor roll
En robot behöver fortfarande rätt mekanik, rätt gripdon och rätt sensorer. Att flytta en stel metallkomponent är relativt enkelt. Att greppa ett kablage, en textil, en plastpåse eller ett annat mjukt och deformerbart material är betydligt svårare eftersom objektet förändrar form under själva handlingen. Här kombineras AI därför med avancerad vision, kraftsensorer, taktila sensorer och bättre gripdon. Det är samspelet mellan AI och robotens fysiska förmåga som skapar fysisk intelligens.
Ju mer självständig en robot blir, desto viktigare blir säkerhetsfrågan. Ett traditionellt robotprogram är i stor utsträckning förutsägbart. Ett AI-system kan däremot välja olika handlingar beroende på situationen. Det skapar nya frågor. Vad händer när modellen gör fel? Hur upptäcks osäkra beslut? När ska roboten stanna? När ska en människa ta över? Och hur verifierar man ett system som kan anpassa sig?
En viktig egenskap hos framtidens industrirobot kan därför vara förmågan att inte agera när den är osäker. Vilket är särskilt viktigt i säkerhetskritiska miljöer. AI måste inte bara bli bättre på att lösa uppgifter. Den måste också kunna känna igen när situationen ligger utanför vad den klarar.
Cybersäkerhet blir en del av robotsäkerheten
När robotar kopplas samman med AI-plattformar, molntjänster, digitala tvillingar och industriella nätverk ökar samtidigt attackytan. Produktionsdata kan skickas mellan robotar, fabriker och molntjänster. AI-modeller kan uppdateras centralt. Nya mjukvarukomponenter kan introduceras i produktionssystemet. Därför blir OT-cybersäkerhet som skyddar fysiska processer och utrustning blir allt viktigare. Robotsäkerhet och cybersäkerhet kan därför inte längre behandlas som helt separata frågor. En angripare som lyckas påverka ett industriellt styrsystem kan i värsta fall också påverka den fysiska processen.
Från teknikdemonstration till industriell nytta
Det är lätt att imponeras av en robot som klarar en uppgift den tidigare inte kunde utföra. Men industrin kommer till slut att ställa en enklare fråga, vad tjänar vi på det? Fysisk AI blir särskilt intressant om den kan minska programmeringstid, korta omställningar, hantera fler produktvarianter, minska kassation eller göra nya arbetsuppgifter möjliga att automatisera. Det verkliga testet blir därför om roboten kan göra det tillräckligt säkert, stabilt och billigt.
Sverige står inför ett strategiskt vägval
Sverige har en stark tradition inom robotik och automation. Det ger oss en god grund för nästa steg i utvecklingen. Framtidens industri kommer dock inte enbart att avgöras av vilken robot som är snabbast eller starkast. Minst lika viktigt blir tillgången till data, AI-kompetens, simulering och förmågan att integrera olika tekniker. Förmågan att snabbt utveckla, testa och anpassa nya robotapplikationer blir också allt viktigare.
Det innebär att framtidens automationsingenjör behöver en bredare kompetens. Robotik behöver kombineras med AI, sensorer, dataanalys, simulering och cybersäkerhet. Det handlar inte om att ersätta dagens kompetenser, utan om att bygga vidare på dem och koppla samman teknikområden som tidigare ofta hanterats var för sig.
För företagen handlar nästa steg om att börja i liten skala och skapa praktisk erfarenhet. Det finns sällan behov av att förändra hela produktionen från början. Ett bättre angreppssätt kan vara att identifiera processer med hög variation, många manuella moment eller där traditionell automation kräver omfattande programmering och omställning. Genom att börja med tydliga och avgränsade tillämpningar kan företagen testa tekniken, bygga kompetens och stegvis utveckla nya arbetssätt.
Framtidens fabrik byggs i två världar
Den kanske viktigaste förändringen är att framtidens fabrik kommer att existera i två världar samtidigt. Den ena är fysisk. Där finns robotarna, människorna, komponenterna och maskinerna. Den andra är virtuell. Där finns digitala tvillingar, simuleringar, syntetiska data och AI-modeller. De två världarna kommer att kopplas samman allt tätare. Robotens erfarenheter från fabriken kan användas för att förbättra den virtuella modellen. Den virtuella modellen kan användas för att träna nästa version av robotens AI. Den nya modellen kan sedan testas innan den återförs till produktionen. Det skapar en kontinuerlig utvecklingsloop.
Slutsats – från automation till fysisk intelligens
Fysisk AI innebär inte slutet för den traditionella industriroboten, tvärtom. Det är robotens befintliga teknik, precisionen, motorerna, styrningen, sensorerna och säkerhetssystemen som ger AI en fysisk kropp. Robot foundation models, VLA-modeller, simulering, syntetiska data, edge AI och AI-agenter förändrar däremot hur robotar kan programmeras, tränas och användas.
Det innebär ett skifte från robotar som utför fördefinierade instruktioner till robotar som kan förstå sin omgivning, fatta beslut och anpassa sitt beteende. När denna intelligens kombineras med den industriella robotens beprövade fysiska kapacitet uppstår en ny typ av automation, mer flexibel, mer skalbar och betydligt närmare människans sätt att interagera med den fysiska världen.
Frågan är därför inte längre om AI kommer till fabriken, utan hur snabbt fysisk intelligens kommer att förändra den. De företag som lyckas kombinera befintlig robotik med den nya AI-tekniken kan stå inför ett stort produktivitets- och konkurrenssprång. Nästa generations industrirobot är kanske inte en helt ny maskin, utan en robot som plötsligt kan lära sig vad den ska göra.