Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Intelligenza distribuita affidabile per la mobilità di persona fragili - REXASIPRO |
|---|---|
| Titolo del progetto di ricerca in inglese | REliable & eXplAinable Swarm Intelligence for People with Reduced mObility - REXASIPRO |
| Campo principale della ricerca | Engineering |
| Sottocampo della ricerca | Communication engineering |
| Area CUN | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | ING-INF/04 - AUTOMATICA |
| Descrizione sintetica in italiano | Nell’ambito del progetto Europeo REliable & eXplAinable Swarm Intelligence for People with Reduced mObility (REXASI-PRO), l'attività di ricerca oggetto della presente proposta prevede lo sviluppo di tecniche di controllo robusto per sistemi a guida autonoma (in particolare sedie a rotelle a guida autonoma/comando vocale) alle quali combinare approcci machine learning che permettano di inferire informazioni “imparate” dall’ambiente (incerto) in cui il sistema è operato garantendo il soddisfacimento di specifici vincoli operativi, meccanici, e di sicurezza. L’obiettivo finale è quello di combinare in maniera efficace elementi del controllo predittivo con quelli del machine learning, relativamente a stima degli stati, ottimizzazione dinamica, e learning. In questo modo si potranno ottenere prestazioni simili a quelli di un MPC classico ma contemporaneamente consentendo anche un apprendimento continuo e la possibilità di affrontare ambienti incerti. |
| Descrizione sintetica in inglese | In the context of the European Project Reliable & Explainable Swarm Artificial Intelligence for People with Reduced mObility (REXASI-PRO), the objective of this research activity foresees the development of robust control techniques for autonomous driving systems (in particular autonomous wheelchairs) combine with machine learning approaches. This would allow to infer information "learned" from the (uncertain) environment in which the system is operated, guaranteeing the satisfaction of specific operational, mechanical, and safety constraints. The ultimate goal is to effectively combine elements of predictive control with those of machine learning, in relation to state estimation, dynamic optimization, and learning. In this way it will be possible to obtain performances similar to those of a classic MPC but at the same time also allowing continuous learning and the possibility of facing uncertain environments. |
| Data del bando | 19/10/2022 |
| Numero di assegnazioni per anno | 1 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
EUROPE |
| Nazionalità dei candidati |
EUROPE |
| Sito web del bando | http://www.ieiit.cnr.it/ |
| Destinatari dell'assegno di ricerca (of target group) |
More Experienced researcher or >10 yrs (Senior) |
|---|
| Nome dell'Ente finanziatore | CNR - IEIIT |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | TORINO |
| Codice postale | 10129 |
| Indirizzo | Corso Duca degli Abruzzi, 24 |
| Sito web | http://www.ieiit.cnr.it/ |
| Sito web | https://bandi.urp.cnr.it/assegni/faces/pubblica/RisultatoCercaAssegniPubblica.jsp |
| fabrizio.dabbene@ieiit.cnr.it | |
| Telefono | 0115645416 |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | H2020 |
|---|
| Data di scadenza del bando | 02/11/2022 |
|---|---|
| Come candidarsi | http://www.ieiit.cnr.it/ |