Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Explainable, Safe, Contact-Aware Planning and Control for Heavy Machinery Manipulation and Navigation

Opis projektu

Głębokie sieci neuronowe umożliwiające automatyczną adaptację maszyn

W sektorach, takich jak roboty ziemne, leśnictwo czy logistyka miejska, zwiększona autonomia maszyn może zaowocować wyższym wzrostem gospodarczym i pomóc nam pokonać najpilniejsze problemy, wśród których najczęściej wymienia się niedobory siły roboczej i niekorzystny wpływ na środowisko w postaci niszczenia gleby czy zużycia paliwa. Jednak wykorzystywane do tych zadań maszyny mają trudności z dostosowaniem się do różnorodności prac i terenu. Z tego względu zespół finansowanego ze środków UE projektu XSCAVE zamierza wykorzystać głębokie sieci neuronowe do stworzenia funkcji automatycznego uczenia się specyficznych dla określonego terenu strategii kopania, przesyłania i nawigacji. W tym celu uczeni opracują szybkie, bezpieczne i wytłumaczalne modele adaptacyjnego kopania i nawigacji, co będzie oznaczać ogromny krok w kierunku autonomicznych systemów dla sektora robót ziemnych, leśnictwa i logistyki. Modele te umożliwią maszynom planowanie i dostosowywanie swoich działań na podstawie informacji dotyczących zadań i warunków terenowych. Demonstracja wyników projektu odbędzie się we współpracy z firmami zajmującymi się robotami ziemnymi, leśnictwem i logistyką.

Cel

Earth-Moving, Forestry, and Urban Logistics are sectors where increased autonomy can spur drastic economic growth along with addressing some core societal (e.g. address labor shortage) and environmental problems (e.g. minimize soil damage, fuel consumption). Yet there are persisting challenges related to variations of tasks/environments that are intricately linked to the terrain-machine contact encountered during navigation and manipulation. For example, an Excavator machine used in Earth-Moving needs to adapt to different types of terrain (ground) underneath (loose soil, rocks of different shapes and sizes), for scooping. Such task and environment adaptation require machines to modify their “perception-to-action” mapping based on online observations from different sensing modalities. XSCAVE will leverage the exceptional representation and approximation capabilities of deep neural networks to automatically learn the terrain/specific adaptation of excavation, forwarding, and navigation strategies from data. The overall objective of XSCAVE is (i) to develop capabilities for learning performant (high-speed), safe (stable, contact-aware), and explainable perception-to-action models for terrain adaptive excavation and navigation strategies and (ii) demonstrate step-change in autonomy for Excavation, Forwarding and Navigation tasks prevalent in Earth-Moving, Forestry and Logistics industries. To this end, XSCAVE aims to re-imagine deep-learned models as neural networks augmented with parameterized structured priors derived from physics, optimization, and classical search to bring domain knowledge into the learning pipeline. The fundamental innovations at the algorithmic level will translate to unprecedented ability for the machines to plan, control and adapt their actions depending on the task and terrain contact conditions. The end-results will be demonstrated in partnership with Novatron (earth-moving), Komatsu (forestry), and Clevon (outdoor logistic vehicles).

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. Więcej informacji: Europejski Słownik Naukowy.

Aby użyć tej funkcji, musisz się zalogować lub zarejestrować

Słowa kluczowe

Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.

Program(-y)

Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.

Temat(-y)

Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.

System finansowania

Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.

HORIZON-RIA - HORIZON Research and Innovation Actions

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.

(odnośnik otworzy się w nowym oknie) HORIZON-CL4-2024-DIGITAL-EMERGING-01

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

TARTU ULIKOOL
Wkład UE netto

Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.

€ 1 107 375,00
Koszt całkowity

Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.

€ 1 107 375,00

Uczestnicy (10)

Moja broszura 0 0