CORE TECHNOLOGY PLATFORM

Industrial Physical AI

PPC — Perception · Planning · Control

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.

AI RESEARCH → ENGINEERING → PHYSICAL 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.

01 · RESEARCH

AI Model · AI Agent

Vi studerer Vision AI, Domain AI og AI Agent til bedømmelse og planlægning på stedet i henhold til industrielle formål.

02 · ENGINEERING

Model Engineering · NPU Edge

Design og redesign modelstrukturen ved at overveje problemet, data, målydeevne og beregningsmæssige begrænsninger og implementer det i NPU ·Embedded-miljøet.

03 · PHYSICAL SYSTEM

Perception · Planning · Validation/Safety · Control

Sensor-, AI- og kontrollagene er forbundet med faktiske faciliteter, og udførelsesresultaterne reflekteres tilbage som feedback.

Capability Chain AI Research → AI Model Engineering / Agentic AI → NPU Edge · Embedded AI → Industrial Physical AI

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.

ILLUVATION Industrial Physical AI offentlig referencearkitektur, der fører fra AI-forskning og teknik til perception, planlægning, validering og sikkerhed, kontrol, fysisk system og feedback
ILLUVATION Industrial Physical AI Public Reference Architecture. Det faktiske konstruktionsomfang og detaljerede kontrolspecifikationer forhandles separat i henhold til projektkrav og sikkerhedspolitikker.
COLLABORATION

Omfang af teknologi/R&D/SI-samarbejde

MODEL

AI Model Engineering

Modelstrukturdesign og redesign skræddersyet til Domain AI og formål, data og computermiljø.

PERCEPTION

2D·3D Industrial Perception

Kamera, RGB-D, dybde, tilstand, objekt og rumgenkendelse ved hjælp af 3D og feltsensorer.

EDGE

NPU · Embedded AI

Placering og optimering af Edge AI til NPU-niveau computermiljø inde i produkter og udstyr.

CONTROL

MCU · PLC · PPC Integration

Validering/Sikkerhed, kontrol/systemintegration, der forbinder MCU/PLC/Controller med faktisk udstyr.

Fra opfattelse til feedback

Den forbinder bevidsthed på stedet, driftsplanlægning, sikkerhedsverifikation, faktisk facilitetsudførelse og feedback i et lukket kredsløb.

PERCEPTION

Bevidsthed om stedets forhold

Objekter, status og ændringer genkendes baseret på kamera-, RGB-D, 3D-sensor og feltsensordata.

PLANNING

Rule-Set · Agentic Planning

Vælg et foruddefineret regelsæt, eller brug JENNA Agentic AI i komplekse situationer til at oprette og justere et eksekveringskandidat regelsæt.

CONTROL

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.

Egne AI-modelaktiver

Domain AI, Industrial Perception AI og Agentic Planning AI vælges og kombineres i henhold til industrielle problemer.

DOMAIN AI

Husdyr specialiseret AI

High-Precision Weight Inference AIRGB-D Objektvægtinferens AI ved hjælp af 3D-data
Real-Time Weight Inference AIAI, der bruger kontinuerlige RGB-D-data til at udlede vægten af flere grise i realtid
Farrowing Monitoring AIAnvendelse af KI · PigTocTok til at overvåge kælvningsstatus for en so
PERCEPTION AI

universel visuel opfattelse

SwiftYOLOGeneral-Purpose Object Recognition AI udviklet af ILLUVATION
AGENTIC PLANNING AI

JENNA Agentic AI

GPU-based Agentic PlanningOn-Premise Agentic AI for Local-First Engineering. Understøtter oprettelse, modifikation og optimering af regelsæt i komplekse situationer.

Deterministic Rule-Set · JENNA Agentic AI

Planlægning konfigurerer valgfrit foruddefineret regelsæt og GPU-baseret JENNA Agentic AI afhængigt af webstedets kompleksitet.

MODE A

Predefined Deterministic Rule-Set

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
MODE B · GPU

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
Agentic Planning · Deterministic Control

Regelsættet oprettet af JENNA er verificeret af validering/sikkerhedslaget og udføres deterministisk i det industrielle kontrollag.

On-Device · On-Premise · On-Site Control

ON-DEVICE

NPU Edge Perception

Nødvendig dataindsamling og inferens på stedet udføres i et NPU-klasse computermiljø tæt på kameraer og sensorer.

ON-PREMISE

Planning / Local AI Runtime

Konfigurer planlægningsfunktioner såsom JENNA og Rule-Set-styring i det lokale lokale miljø.

ON-SITE CONTROL

Deterministic Control

Verificerede regelsæt udføres på PLC, MCU, Edge Controller og feltkontrolinfrastruktur, og sikkerhedslåse- og nødstopsystemer opretholdes.

R&D DIRECTION · DIGITAL TWIN

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.

CURRENT

Industrial Physical AI

Perception → Planning → Validation/Safety → Control → Physical System → Feedback.

R&D NOW

Digital Twin

Forskning i at udtrykke objekter, rum, faciliteter og procestilstande i Digital Twin og opdatere dem med feedback på stedet.

TARGET

DTBS

Closed-loop målsystem, der forbinder Digital Twin-status med Planlægning og Kontrol.

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 AGENTSAlgae Agent · Hoist Agent
SAFETY & CONTROLMCU · PLC Interlock
PHYSICAL SYSTEMGate · Ejector Pump · Plasma System · Hoist
FEEDBACKSensor · Equipment State · Event · CCTV
Bedømmelsen af AI Agent udføres som det endelige udstyrsoutput efter verifikation af MCU-sikkerhed/prioritetsstyring og PLC-lås.
Eksempel på udstyr til fjernelse af grønne algerTeknologi/F&U/SI samarbejdskonsultation

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.

Teknologi/F&U/SI samarbejdskonsultation