Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS

SElf-Adaptive and Automated LEARNing Framework for Smart Sensors

Descrizione del progetto

Dotare i sensori di sufficiente intelligenza per rendere l’Europa più verde e digitale

L’UE sta intraprendendo un’ambiziosa transizione verde e digitale, sostenuta dai progressi nell’ambito della tecnologia dei sensori intelligenti. I sensori intelligenti, impiegati principalmente nel settore aerospaziale, aeronautico, industriale e agricolo, sono destinati a svolgere un ruolo determinante nella nuova era ecologica e digitale dell’Europa, nonostante le difficoltà presenti. Ad esempio, sebbene sia possibile estrapolare informazioni dai dati dei sensori, ciò non risulta sufficiente per garantire soluzioni per applicazioni a favore dei consumatori e dell’industria. In questo contesto, il progetto SEA2Learn, finanziato dall’UE, metterà a punto meccanismi efficienti dal punto di vista energetico e in tempo reale allo scopo di adeguare le capacità di inferenza dei sensori intelligenti con risorse limitate in base allo stimolo proveniente dall’ambiente circostante.

Obiettivo

Smart Sensors are key components for the upcoming Green and Digital European era. Recently, novel emerging electronics components – such as high energy-efficient many-core application processors featuring a power consumption of few tens of mWs – have enabled high-accurate on-device inference capabilities, i.e. Deep Learning inference, to extract high-level information from sensor data. However, this technology improvement is not sufficient to ensure robust solutions suitable for consumer and industrial applications. The main issue comes from the wide variety in real-world test conditions and, consequently, the lack at design-time of representative (labelled) sensor data, needed to train DL inference networks. For this reason, the currently used “train-once-and-deploy-everywhere” design process for edge intelligence has proved to be weak, even after an endless cyclic procedure involving data collection, model training and in-field testing.
This limitation is addressed by the SEA2Learn project by developing energy-efficient and real-time mechanisms to adapt the inference capabilities of resource-constrained smart sensors based on the stimulus from the surrounding environment. The proposed strategy, which is unprecedent in this domain, aims at placing in the same training loop multiple smart sensor nodes that interact with a Learning Agent. The latter will leverage a new class of lightweight methods belonging to the Continual Learning (CL) domain operating on unlabelled multi-sensor data. Thanks to the envisioned SEA2Learn framework, the embedded intelligence can adapt over time based on real-world data, making the design process more robust and 10-100x faster than today. To realize this vision, the fellow’s expertise in HW/SW design for embedded machine learning will be complemented by the Continual Learning knowledge of the hosting research group at KU Leuven and enriched by a tight collaboration with an SME that manufactures IoT platforms for edge computing.

Campo scientifico (EuroSciVoc)

CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/it/web/eu-vocabularies/euroscivoc.

È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione

Parole chiave

Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).

Programma(i)

Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.

Argomento(i)

Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.

Meccanismo di finanziamento

Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.

(si apre in una nuova finestra) HORIZON-MSCA-2021-PF-01

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

KATHOLIEKE UNIVERSITEIT LEUVEN
Contributo netto dell'UE

Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.

€ 175 920,00
Indirizzo
OUDE MARKT 13
3000 Leuven
Belgio

Mostra sulla mappa

Regione
Vlaams Gewest Prov. Vlaams-Brabant Arr. Leuven
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale

I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.

Nessun dato

Partner (1)

Il mio fascicolo 0 0