AI-modeller · AI-agenter
Vi studerer Vision AI, Domain AI og AI Agent til bedømmelse og planlægning på stedet i henhold til industrielle formål.
Kerneteknologiplatform
Industrial Physical AI
PPC — Perception · Planlægning · Styring
Vi designer AI-modeller efter feltformål, implementerer 2D/3D Industrial Perception og NPU Edge AI i produkter og faciliteter, og forbinder den eksekvering, der har bestået Validering/Sikkerhed, med det industrielle kontrollag.
Referencearkitektur
Forbinder alt fra forskning til fysiske systemer til ét teknologisk system.
AI Model·AI Agent Baseret på forskning og modelkonstruktion forbinder den Perception, Planlægning, Validering/Sikkerhed, Kontrol, Fysisk System og Feedback i én lukket sløjfe.
Afprøvet i felten
Udstyr til fjernelse af grønne alger Industrial Physical AI integreret kontrol
I 2026 har vi bygget et lukket Industrial Physical AI-system, der forbinder RGB-D·RADAR·CCTV-baseret genkendelse, on-site AI Agent, MCU sikkerheds-/kontrollag, PLC-sammenlåsning og faktisk facilitetsfeedback på 2026-miljøsteder.
PerceptionRGB-D · RADAR · CCTV
AI-agenterAlgae Agent · Hoist Agent
Validering · StyringMCU · PLC Interlock
Fysisk systemSluse · Ejektorpumpe · Plasmasystem · Hejs
FeedbackSensor · Udstyrsstatus · Hændelse · CCTV
Bedømmelsen af AI Agent udføres som det endelige udstyrsoutput efter verifikation af MCU-sikkerhed/prioritetsstyring og PLC-lås.
AI-forskning → Udvikling → Fysisk system
Vi forsker i AI og forbinder det med feltcomputermiljøer og faktiske faciliteter.
Industrial Physical AI af ILLUVATION tager AI Model·AI Agent-forskningen som sit udgangspunkt og forbinder til anerkendelse, bedømmelse og sikker udførelse af faktiske industrielle systemer gennem ingeniør- og kantplacering skræddersyet til formålet, data og beregninger.
Model Engineering · NPU Edge
Design og redesign modelstrukturen ved at overveje problemet, data, målydeevne og beregningsmæssige begrænsninger og implementer det i NPU ·Embedded-miljøet.
Perception · Planlægning · Validation/Safety · Styring
Sensor-, AI- og kontrollagene er forbundet med faktiske faciliteter, og udførelsesresultaterne reflekteres tilbage som feedback.
Kompetencekæde AI-forskning → AI-modeludvikling / Agentic AI → NPU Edge · Embedded AI → Industrial Physical AI
Samarbejde
Omfang af teknologi/R&D/SI-samarbejde
AI-modeludvikling
Modelstrukturdesign og redesign skræddersyet til Domain AI og formål, data og computermiljø.
2D·3D Industrial Perception
Kamera, RGB-D, dybde, tilstand, objekt og rumgenkendelse ved hjælp af 3D og feltsensorer.
NPU · Embedded AI
Placering og optimering af Edge AI til NPU-niveau computermiljø inde i produkter og udstyr.
MCU · PLC · PPC Integration
Validering/Sikkerhed, kontrol/systemintegration, der forbinder MCU/PLC/Controller med faktisk udstyr.
PPC-arkitektur
Fra opfattelse til feedback
Den forbinder bevidsthed på stedet, driftsplanlægning, sikkerhedsverifikation, faktisk facilitetsudførelse og feedback i et lukket kredsløb.
Bevidsthed om stedets forhold
Objekter, status og ændringer genkendes baseret på kamera-, RGB-D, 3D-sensor og feltsensordata.
→
Rule-Set · Agentbaseret planlægning
Vælg et foruddefineret regelsæt, eller brug JENNA Agentic AI i komplekse situationer til at oprette og justere et eksekveringskandidat regelsæt.
→
Validering/Sikkerhed · Deterministisk udførelse
Efter at have verificeret eksekveringskandidaterne med sikkerhedsbetingelser, udføres de i det industrielle kontrollag såsom Edge Controller, MCU og PLC, og resultaterne tilbageføres.
Centrale AI-modelaktiver
Egne AI-modelaktiver
Domain AI, Industrial Perception AI og Agentic Planning AI vælges og kombineres i henhold til industrielle problemer.
Husdyr specialiseret AI
AI til højpræcis vægtinferensRGB-D Objektvægtinferens AI ved hjælp af 3D-data
AI til vægtinferens i realtidAI, der bruger kontinuerlige RGB-D-data til at udlede vægten af flere grise i realtid
Leveringsovervågning AIAnvendelse af KI · PigTocTok til at overvåge kælvningsstatus for en so
universel visuel opfattelse
SwiftYOLOGeneral-Purpose Object Recognition AI udviklet af ILLUVATION
JENNA Agentic AI
GPU-baseret agentplanlægningOn-Premise Agentic AI for Local-First Engineering. Understøtter oprettelse, modifikation og optimering af regelsæt i komplekse situationer.
Planlægning
Deterministic Rule-Set · JENNA Agentic AI
Planlægning konfigurerer valgfrit foruddefineret regelsæt og GPU-baseret JENNA Agentic AI afhængigt af webstedets kompleksitet.
Foruddefineret deterministisk regelsæt
På steder med klare drifts- og sikkerhedsforhold opbygges en handlingsplan ved hjælp af et forudverificeret regelsæt.
- Forklarlige driftsforhold
- Verificerbar kontrollogik
- Stabil drift baseret på faste regler
JENNA Agentic AI
Vi understøtter oprettelse, ændring og optimering af regelsæt på steder, hvor justeringer af driftsplanen er påkrævet i henhold til flere forhold og situationsmæssige ændringer.
- Kontekstbaseret planlægningsstøtte
- Outputresultater i Rule-Set-format
- Anvend validering/sikkerhed før udførelse
Agentbaseret planlægning · Deterministisk styring
Regelsættet oprettet af JENNA er verificeret af validering/sikkerhedslaget og udføres deterministisk i det industrielle kontrollag.
Lokalt orienteret udvikling
På enheden · Lokalt installeret · Styring på stedet
NPU-edge-perception
Nødvendig dataindsamling og inferens på stedet udføres i et NPU-klasse computermiljø tæt på kameraer og sensorer.
Planlægning / Lokalt AI-kørselsmiljø
Konfigurer planlægningsfunktioner såsom JENNA og Rule-Set-styring i det lokale lokale miljø.
Deterministisk styring
Verificerede regelsæt udføres på PLC, MCU, Edge Controller og feltkontrolinfrastruktur, og sikkerhedslåse- og nødstopsystemer opretholdes.
Forskningsretning · Digital tvilling
Industrial Physical AI til DTBS
Gennem Digital Twin research undersøger vi i øjeblikket måder at udtrykke objekter, rum, faciliteter og procestilstande på og opdatere dem med feedback. DTBS — Digital Twin Based System er et avanceret målsystem.
Industrial Physical AI
Perception → Planlægning → Sikkerhedsvalidering → Styring → Fysisk system → Feedback.
Digital tvilling
Forskning i at udtrykke objekter, rum, faciliteter og procestilstande i Digital Twin og opdatere dem med feedback på stedet.
DTBS
Closed-loop målsystem, der forbinder Digital Twin-status med Planlægning og Kontrol.
Samarbejde
Industrial Physical AI Fælles implementering
Vi diskuterer AI fælles forskning, 2D/3D Perception/Sensor/Edge-kombination, MCU/PLC/udstyrsintegration, SI-konstruktion og omfanget af fælles F&U.
Drøft teknisk samarbejde