Opis projektu
Głowice wykorzystujące uczenie głębokie rzucone na głęboką wodę
Znaczenie robotów rośnie bardzo szybko – wykonują one coraz to nowe zadania i znajdują zastosowanie w nowych rozwiązaniach. Roboty są często szybsze lub dokładniejsze niż ludzie, mogą przyswajać znacznie więcej danych, a być może stanowią też początek maszyn, które będzie można wysłać w miejsca zbyt niebezpieczne dla człowieka. Wyposażenie ich w zdolność uczenia głębokiego jeszcze bardziej zbliżyło je do ludzi pod względem konstrukcyjnym i funkcjonalnym – po raz pierwszy udało się im osiągając dokładność rozpoznawania na takim poziomie. Finansowany przez UE projekt DeeperSense zwiększy możliwości przyszłych robotów w zakresie wykrywania środowiska. W tym celu wykorzystanie zostaną sztuczna inteligencja i mechanizmy uczenia głębokiego, które posłużą do łączenia informacji wizualnych i niewizualnych w sposób właściwy ludziom. Pierwszym zastosowaniem nowej technologii będzie złożone i nieznane środowisko, w którym pracują autonomiczne roboty podwodne.
Cel
The main objective of DeeperSense is to significantly improve the capabilities for environment perception of service robots to improve their performance and reliability, achieve new functionality, and open up new applications for robotics. DeeperSense adopts a novel approach of using Artificial Intelligence and data-driven Machine Learning / DeepLearning to combine the capabilities of non-visual and visual sensors with the objective to improve their joint capability of environment perception beyond the capabilities of the individual sensors. As one of the most challenging application areas for robot operation and environment perception, DeeperSense chooses underwater robotics as a domain to demonstrate and verify this approach. The project implements DeepLearning solutions for three use cases that were selected for their societal relevance and are driven by concrete end-user and market needs. During the project, comprehensive training data are generated. The algorithms are trained on these data and verified both in the lab and in extensive field trials. The trained algorithms are optimized to run on the on-board hardware of underwater vehicles, thus enabling real-time execution in support of the autonomous robot behaviour. Both the algorithms and the data will be made publicly available through online repositories embedded in European research infrastructures. The DeeperSense consortium consists of renowned experts in robotics and marine robotics, artificial
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
- inżynieria i technologiainżynieria elektryczna, inżynieria elektroniczna, inżynieria informatycznainżynieria elektronicznarobotykaroboty autonomiczne
- inżynieria i technologiainżynieria elektryczna, inżynieria elektroniczna, inżynieria informatycznainżynieria elektronicznaczujniki
- nauki przyrodniczeinformatykasztuczna inteligencjauczenie maszynoweuczenie głębokie
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSzczegółowe działanie
H2020-ICT-2020-2
System finansowania
RIA - Research and Innovation actionKoordynator
67663 Kaiserslautern
Niemcy