Automoweren ser en lille gren, bremser op, drejer væk – og efterlader præcis dér en stribe græs, der ikke er slået. To ture senere bliver den stadig ikke stående ved en flad slange. Og ved den stenede græskant kører den så forsigtigt, at kanten enten forbliver åben, eller at robotten ved vending alligevel kommer tilbage ind i det problematiske område. Præcis mellem disse situationer afgør de nye Husqvarna Automower NERA med AI Vision, om teknikken aflaster i egen have – eller om der kræves ekstra kontrol.
NERA-generationen fra 2026 med kamera er et ungt system. Dens adfærd afhænger i høj grad af kort, placering, underlag, modtagelsessituation og softwareversion. Enkelte positive eller negative erfaringer er derfor ingen garanti for adfærden i den næste have – og de har udtrykkeligt ingen udelukkende virkning. Langtidsoplevelser med de nye Vision-modeller er i sommeren 2026 stadig sparsomme og er endnu ikke tilstrækkelige til pålidelige udsagn om kontinuerlig drift eller interval for knivskift.
Husqvarna NERA med AI Vision 2026: Hvilke modeller er nye – og for hvem?
Til EU-markedet hører Automower 405VE NERA, 410VE NERA, 430V NERA og 450V NERA til den nye modelgruppe med integreret AI Vision. Kameraet skal genkende objekter foran robotten, klassificere dem og behandle dem forskelligt afhængigt af risiko. Derudover arbejder det med infrarød understøttelse, så objektsgenkendelsen grundlæggende forbliver brugbar i mørke.
Valget af model bør ikke starte med antallet af kvadratmeter. En værdi som 600 m² eller 900 m² beskriver et sammenhængende, fornuftigt forbundet arbejdsområde – ikke størrelsen på en tilfældig, kringlede grund. To adskilte plæneøer, en smal passage bag huset og en lang tur tilbage til ladestationen kan i praksis betyde mere end ekstra 200 m² på databladen.
| Kontrolpunkt | Det afgørende i praksis |
|---|---|
| Arbejdsområde | Se på et sammenhængende område i stedet for at lægge enkeltdele sammen. |
| Zoner | Flere zoner fungerer kun komfortabelt, hvis overgange og bak-kørsler forbliver logiske. |
| Øer uden forbindelse | De er kritiske: Robotten kan ikke skifte selvstændigt mellem dem. |
| Modtagelse og forbindelse | Satellitkorrektion, mobilnet eller WLAN skal passe til kortlægnings- og returlogikken. |
| Kanter | Sten, bedkanter, mure og terrasser kræver en realistisk kortlægning. |
Vision og RTK henholdsvis EPOS løser forskellige opgaver. Kameraet hjælper især med genkendelse i nærzonen og med at undvige synlige objekter; i praksis kan man især pålideligt vurdere det ved gode lysforhold. Satellitpositionering, kort samt WLAN eller LTE leverer derimod grundlaget for zoneplanlægning, virtuelle grænser og logikken for hjemkørslen. Kameraet erstatter ikke denne struktur.
Hvor pålideligt genkender AI Vision små grene, ukrudt og slanger?
Det ærlige svar er: AI Vision kan være nyttigt, men genkender ikke alle objekter lige pålideligt og behandler ikke hvert genkendt objekt, som ejeren forventer. Mange brugere beretter om en overforsigtig reaktion på små grene, enkelte ukrudtsplanter eller visuelt iøjnefaldende totter græs. Robotten undviger, selvom en klassisk plæneklipperrobot sandsynligvis bare ville have kørt hen over stedet.
Det beskytter ikke automatisk bedre. Det ændrer først og fremmest kørselsforløbet: flere små undvigelseskørsler, restarealer på urolige steder og til tider ekstra køretid. På fora bliver det ofte kritiseret, at især få dage gammelt vildt ukrudt eller små kviste behandles som relevante forhindringer. For en velholdt, jævn græsplæne er denne forsigtighed ofte behagelig. I en have med natursten, barkkant, uregelmæssige totter og liggende grene kan den derimod mærkbart øge interaktionshyppigheden – ikke nødvendigvis gennem hårde sammenstød, men gennem omveje, stop og undvigelser.
Omvendt kan der ikke udledes en kollisionsgaranti fra kameraet. Et dokumenteret praksistilfælde viser, at en vision-model har kørt hen over en haveslange, selv om der var aktiv registrering. Flade, tynde eller farvemæssigt diskrete genstande er særligt krævende: De skal ikke kun dukke op i kamerabilledet, men også vurderes af systemet som ikke-passérbare.
Hvad betyder det for hverdagen?
- Små grene og synligt ukrudt kan føre til unødvendige omveje.
- Flade slanger, ledninger eller lave genstande er ikke et acceptabelt testgrundlag for beskyttelsesfunktionen.
- Løse sten og hårde kanter hører ikke ind under kategorien „kameraet vil nok se det“.
- Et godt kamera reducerer potentielle kollisioner, men erstatter ikke en ren arbejdsflade.
AI Vision er et supplement til haveordenen, ikke en tilladelse til slanger, sten eller genstande, der ligger permanent i klippezonen.
Små forhindringer, høje kanter, sten: Hvor AI Vision når sine grænser
Den skarpt formulerede påstand om, at AI Vision i vanskelige haver dokumenterbart skulle medføre flere kontakter, afbrydelser og dermed tidligere knivskive-/knivtallerken-/knivslid, kan i øjeblikket ikke bevises. Der findes ingen pålidelig bruger-række, der sammenligner kontaktantal eller knivens driftstid før og efter aktivering af Vision. Den, der sælger denne kæde som en sikker kendsgerning, går længere end de hidtidige erfaringer giver belæg for.
Praktisk set er der dog noget andet, der er mere sandsynligt: En visuelt urolig have skaber flere beslutninger. Lave sten, enkelte fliser langs græskanter, opstående metalkanter, små grene og ujævne afgrænsninger kan enten blive genkendt som en forhindring eller først blive relevante, når robotten nærmer sig, drejer og korrigerer. Dermed øges behovet for kontrol. Det er et problem for klippebilledet og tidsplanen – og selvfølgelig også for kniv(e), skruer og knivskive ved faktisk kontakt.
I vores tests med plæneklippere viser det sig igen og igen: Det er ikke kun antallet af køretimer, der alene afgør knivenes tilstand. En enkelt kontakt med grus, sten eller en opstående kant kan gøre en kniv hurtigere sløv end mange normale klipninger. AI Vision kan reducere sådanne kontakter, men den kan ikke garantere, at robotten vurderer hvert fladt eller kantnært forstyrrelsespunkt i tide.
Hvorfor er græskanter med sten og mure særligt kritiske?
Kantzonen er ikke en formindsket del af den frie plænes midte. Her mødes virtuelle grænser, kørebevægelser, drejningsmoment ved vending, mulig positionsafvigelse og reelle forhindringer. Netop ældre NERA-erfaringer viser, at objektgenkendelse i det direkte område ved afgrænsningen kan fungere anderledes eller være begrænset. For 2026 AI-Vision-modellerne er det ikke et bevis på identisk adfærd, men et klart kontrolpunkt ved opsætningen.
Kortet afbilder ikke haven, men en kørelære. Derfor skal den virtuelle grænse ligge ved den synlige, reelle kant – ikke langs en teoretisk pæn linje i planen. Husk desuden, at robotten svinger ud ved vending og ikke kører som på en lige skinne. En række sten, en mur eller en afslutning ved en terrasse, som ser ufarlig ud i kortvisningen, kan blive kontaktpunktet ved drejning.
Regel 1: Placér den virtuelle afgrænsning ved den reelle kant, især ved hegn, mur, terrasse og væg. Træk den ikke så tæt på et kollisionspunkt, at robotten ved indkøring eller vending ikke længere har bevægelsesrum.
Snævre passager og korte gennemkørsler fortjener en egen prøvekørsel. Det, der fungerer på et stort samlet område, behøver ikke at køre stabilt gennem et 90-graders knæk, mellem to plante-sten eller hen over et langt transportområde. Det afgørende spørgsmål handler ikke kun om „Kan robotten komme igennem?“, men om „Kommer den reproducerbart igennem efter flere klippekørsler og på hjemvejen?“
Den virkelige have har sten, kanter og svingmanøvrer. Kortet kender kun grænser og logik – derfor skal kortlægningen testes ved den mest udfordrende kant, ikke på det smukkeste stykke græs.
Virker Husqvarna AI Vision virkelig om natten og under træer?
Ja, den infrarøde (IR) understøttelse skal gøre det muligt at genkende objekter også om natten – men de uafhængige langsigtede erfaringer, især med natteydelsen i de nye NERA-Vision-modeller, er endnu for tynde til at man kan udlede en pålidelig rutineanbefaling ud fra dem. Der findes positive enkeltrapporter om drift under træer og i mørke. Ligeledes er der mange spørgsmål om, hvor stabilt systemet virkelig forbliver ved tæt bladhvælv, fugtig kameralinse og svingende kvalitet i positionsdata.
Til praktisk planlægning anbefaler vi, at du primært lægger klippetiderne i lyse timer. Lad ikke nat eller skumring være alene baseret på kameraets undvigelse – hverken ved små genstande eller ved uoverskuelige kanter. IR-teknologien er et ekstra sikkerheds- og komfortelement, ikke en generel tilladelse til at slå græs uden opsyn i alle haveprofiler.
Under træer er Vision heller ikke en erstatning for en holdbar positionsløsning. Kameraet kan hjælpe robotten med at fortsætte sit arbejde, hvis satellitsituationen lokalt er svagere. Områdeplanlægningen, den virtuelle grænse og tilbagevenden til ladestationen afhænger dog stadig af kortet, positionsdata og en fornuftig forbindelse. WLAN eller LTE fungerer her ikke som et “backup” til kameraet, men understøtter positionskorrektionen, områdelogikken og systemets kommunikation.
Mere autonomi eller mere tilsyn? Setup-tjekket til komplekse haver
Om en 405VE, 410VE, 430V eller 450V NERA arbejder komfortabelt, afgøres allerede før den første komplette klippeplan. Tjek ikke kun kvadratmeterne, men også antallet af zoner, forbindelsesvejene og længden på returkørslen. Øer uden en meningsfuld forbindelse er kritiske: Du har brug for en separat fremgangsmåde, manuel flytning eller en anden løsning.
Ved problemer som „Robotten kører væk fra kanten og efterlader en frynset stribe“ bør fejlsøgningen begynde i denne rækkefølge:
- App-kort og virtuelle grænser: Ligger grænsen virkelig ved den synlige græskant, eller er den af forsigtighed blevet trukket for langt ind?
- Ladestation og forbindelsesområde: Passer dens placering til dækningen af det område, hvor robotten har brug for positionsdata og kortlogik?
- Positionsstabilitet: Er der ved randområder, under træer eller i passager genkendelige spring i satellit-, RTK-/EPOS-, WLAN- eller LTE-forbindelsen?
- Først derefter mekanik: Kontrollér knive, klippetallerken, klippehøjde, græsrester og eventuelle skader.
Regel 2: Test returkørslen til ladestationen, før den endelige opsætning, med en til to komplette returkørsler over den samme kritiske rute – fx forbi terrasse, port, hegn eller en smal passage. Først når disse kørsler fungerer fejlfrit, er konfigurationen egnet til hverdagen.
Et system kan teknisk „køre“ og alligevel ikke være behageligt. Hvis robotten dagligt skal vige udenom en urolig kant, efterlader enkelte områder eller regelmæssigt skal korrigere på returrejsen, er det ikke en ideel autonom drift. Ofte hjælper mere klare no-go-zoner, en ændret overgang mellem zoner eller en bevidst mere generøst styret afgrænsning mere end yderligere forsøg med følsomheden i objektgenkendelsen.
Knive, klippetallerken og ujævnt underlag: Hvad man ved om slid
For de nye Husqvarna Vision-modeller findes der i øjeblikket ingen solide beviser for, at AI Vision alene medfører et tidligere skift af reserveknive. Det skal adskilles tydeligt fra hverdagens erfaring: Råt terræn, løse sten, hårde kanter på plænen, grene og efterladte genstande forkorter grundlæggende levetiden for reserveknive – uanset om der er monteret et kamera.
AI kan hjælpe med at undgå hårde sammenstød. Men hvis den i en rodet have viger meget forsigtigt, opstår der oftere restarealer og flere ekstra manøvrer i stedet for automatisk flere skader på knivene. Det bliver først virkelig kritisk, når knive eller tallerkener gentagne gange rammer grus, sten, metal-kant eller et fast forhindringsmateriale. Kontrollér derfor ikke kun skarpheden på knivene, men også fri bevægelse, skrueforbindelser og ophobninger af græs under klippetallerkenen.
Hvis du arbejder regelmæssigt på hårde kantområder med din Husqvarna, og du ikke bare vil lade en beskadiget eller ujævnt kørende enhed fortsætte, finder du i vores kategori passende knivskive til Husqvarna Automower et fornuftigt udvalg til planlagt udskiftning. Det afgørende er altid den nøjagtige modelkompatibilitet – en klippetallerken er ikke en universaldel.
Hvornår bør knive og tallerkener kontrolleres?
- Efter en hørbar sten-kontakt eller ved at køre hen over en hård genstand.
- Hvis snitbilledet pludselig virker frynset.
- Hvis der på ét sted permanent bliver stående en stribe græs, selvom kortet og køreruten passer.
- Hvis der har samlet sig græs, jord eller tråde under klippetallerkenen.
- Hvis enkelte knive bevæger sig tungt eller virker synligt beskadigede.
AI Vision kan ikke gøre knive uforgængelige. Den bedste forebyggelse mod slitage er en kortlagt, stenfri kørezone med kontrollerede kanter og frit bevægelige knive.
Købs-check: Til hvilke grunde giver AI Vision mening?
AI Vision passer især godt til en græsplæne, der i vid udstrækning hænger sammen, med tydelige grænser, få genstande der ligger permanent, og en fornuftig forbindelse mellem alle zoner. Her kan kameraet give reel aflastning: Robotten reagerer på pludseligt liggende genstande, uden at hver eneste lille ting først skal planlægges som en spærrezon.
Du bør planlægge mere overvågning, hvis din have indeholder mange lave sten, naturstenskanter, skiftende genstande, høje græskanter, smalle passager eller adskilte øer. Det betyder ikke, at en NERA ikke kan fungere der. Det betyder kun, at virtuelle grænser, no-go-zoner og bakmanøvrer skal planlægges væsentligt mere omhyggeligt.
Den bedste mini-tjekliste før køb består af to spørgsmål: Er der græsøer uden en fornuftig forbindelse? Og hvor lang, smal eller sårbar over for forstyrrelser er tilbagevejen fra den fjerneste zone til ladestationen? Hvis begge svar bliver ubehagelige, bør modelvalget ikke kun afhænge af den maksimale angivelse af areal.
Ofte stillede spørgsmål
Kan AI Vision genkende små grene og ukrudt pålideligt?
Nej, ikke altid på den ønskede måde: Den kan genkende små grene eller ukrudt og derefter vige for forsigtigt. Tidlige brugerberetninger beskriver især ved små, egentlig harmløse genstande fejlklassificeringer og unødvendige undvigemanøvrer.
Kan jeg undlade no-go-zoner, hvis min NERA har AI Vision?
Nej, ved slanger, vandsteder, stenkanter, høje kanter og vedvarende kritiske områder bør no-go-zoner stadig bruges. Kameraet er et dynamisk supplement, men ikke en erstatning for sikker planlægning af områder.
Kører Husqvarna Automower NERA med AI Vision om natten?
Ja, IR-understøttelsen er beregnet til genkendelse af objekter i mørke, men klippevinduer bør i komplekse haver helst ligge om dagen. Der er endnu for få uafhængige langsigtede erfaringer med den reelle natteydelse for de nye modeller.
Medfører AI Vision hurtigere slid på knivene?
Nej, et dokumenterbart øget slid alene via AI Vision er indtil videre ikke blevet bevist. Knive slides især på grund af kontakt med sten, grus, hårde kanter, grene og andre genstande – og netop disse risici bør kort, haveopbygning og regelmæssig kontrol reducere.
Hjælper kameraet ved dårligt satellitmodtagelse under træer?
Ja, det kan lokalt understøtte klippearbejdet, men det erstatter ikke et stabilt grundlag for position og kort. For virtuelle grænser, zoner og sikker tilbagevenden skal modtagelse, korrigeringsdata og forbindelsen i hele det relevante område planlægges fornuftigt.
Konklusion: AI Vision er en hjælp – men ikke en undskyldning for svære kanter
Husqvarna Automower NERA-modellerne 405VE, 410VE, 430V og 450V bringer i 2026 en interessant kombination af AI Vision, IR-nattefunktion og virtuel styring af arealer. Deres stærkeste praktiske værdi ligger i, at synlige objekter på plænen kan håndteres anderledes og potentielt mere skånsomt end en robot uden kamera.
Den reelle grænse ligger ved lave forhindringer, urolige kanter og kompleks havegeometri. Mange brugere beretter om for forsigtig undvigelse ved småting; samtidig viser mindst ét praktisk tilfælde, at også en slange kan blive kørt over. Det medfører ikke en dom over teknikken, men en klar anbefaling: Kortlæg kanter i virkeligheden, sikre kritiske zoner, teste returruter og kontrollere knive samt klippetallerken efter kontakt eller et dårligt klippesynsbillede i tide.
Kommentarer