ABB viser hvad fysisk AI skal kunne før fabrikken siger ja

Industrivirksomheder har længe haft samme problem med AI på gulvet: modellen ser flot ud i demoen, men virkeligheden er beskidt, ujævn og fuld af små variationer. ABB og NVIDIA prøver nu at lukke det hul med RobotStudio HyperReality, som er planlagt til anden halvdel af 2026. Løsningen kobler ABB's RobotStudio med NVIDIA Omniverse, så hele automationsceller kan testes fysisk korrekt, før der bliver sat hardware op.

💡 Hvor gevinsten ligger ABB siger op til 40 procent lavere idriftsættelsesomkostninger, op til 50 procent hurtigere vej til produktion og en adfærdsmatch på 99 procent mellem simulation og fysisk anlæg.

Det lyder teknisk, men konsekvensen er meget jordnær. Når robotter bliver trænet og valideret i en troværdig simulation, falder behovet for dyre fysiske prototyper. Det betyder færre forsinkelser, færre stop i produktionen og mindre behov for at bygge om, når anlægget møder virkelige emner, skiftende lys og små afvigelser i materialer.

ABB peger også på præcision. Ved at kombinere syntetiske træningsdata med Absolute Accuracy falder positioneringsfejl fra 8 til 15 millimeter til omkring 0,5 millimeter. Det er ikke en marginal forbedring. Det er forskellen på en løsning, der kun fungerer i test, og en løsning, der kan bruges i montage, sortering og kvalitetskritiske processer. Foxconn tester allerede teknologien i samling af forbrugerelektronik, og Workr vil vise systemer, der kan tage nye dele ind på få minutter uden specialiseret programmering.

ABB vurderer også, at den digitale tilgang kan skære opsætning og idriftsættelse med op til 80 procent. Det er relevant langt ud over klassisk industri. Danske forsyninger, hospitalers tekniske drift, affaldsanlæg og store værkstedsmiljøer har samme behov for stabil automation og samme lave tolerance for driftsfejl.

For danske virksomheder og offentlige organisationer er læringen klar. Fysisk AI skal vurderes som en driftsinvestering, ikke som en smart demo. Man bør kræve dokumentation for, hvor tæt simulationen ligger på det virkelige anlæg, hvordan syntetiske data bliver bygget, og hvem der har ansvar, når modellen møder en situation, den ikke er trænet til. Det rigtige første skridt er et afgrænset produktionsflow eller en enkelt celle med tydelige mål for kvalitet, tempo og nedetid. Hvis teknologien skal give afkast, skal den kunne stå sin prøve, før den får adgang til gulvet.