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

LiftMeUp: Globally optimal algorithms for dexterous manipulation and locomotion

Descrizione del progetto

Migliorare la sicurezza e l’efficienza dei robot attraverso algoritmi ottimali a livello globale basati sui dati

I robot possono contribuire ad affrontare le sfide della società estendendo le capacità oltre i limiti umani; ciononostante, gli approcci algoritmici per la robotica basati sui principi primi spesso richiedono un’ampia messa a punto e la valutazione euristica, mentre i più recenti metodi di apprendimento profondo richiedono quantità proibitive di dati e sono limitati da problematiche in termini di generalizzazione. Sostenuto dal programma di azioni Marie Skłodowska-Curie, il progetto LiftMeUp svilupperà un quadro di facile utilizzo per i robot al fine di combinare gli approcci fondati sui principi primi con il paradigma basato sui dati attraverso la lente dei risolutori globalmente ottimali, con l’obiettivo di offrire un’alternativa trasparente ed efficiente in termini di campioni ai metodi di apprendimento profondo dispendiosi in termini di risorse.

Obiettivo

Robots bear the potential to help solve the world’s pressing problems by enabling and scaling up operations beyond human capacities. To successfully manipulate objects and perform reliable locomotion, robots require adequate models and solvers. Traditionally, physics-based models and iterative solvers are used, and obtaining reliable solutions requires significant effort in model tuning and heuristics for good convergence. LiftMeUp’s objective is to combine data-driven modeling with globally optimal solvers in a unique way to create an easy-to-use framework for the life-long operation of robots in challenging tasks. The result is a transparent, sample-efficient alternative to the less interpretable and resource-hungry deep-learning solutions for robotics. Furthermore, LiftMeUp builds on providing certifiably optimal methods with important consequences for safety and efficiency, as opposed to deep learning and local solvers, where different initializations can lead to entirely different solutions.
LiftMeUp is carried out at WILLOW, Inria Paris, known for cutting-edge control and locomotion research, and has three stages: first, combining concepts from Koopman theory, polynomial optimization, and kernel methods, lifting functions are inferred from data and integrated into globally optimal methods for state estimation and control. Second, different models are optimally combined, leading to a modular framework that can be incrementally updated online. Lastly, these novel algorithms are implemented on hardware to solve real-world locomotion and dexterous manipulation tasks.
This framework will have an important scientific impact by creating novel connections between global optimization and machine learning, enabling the use of principled over heuristic solvers in a broad range of applications in robotics and beyond. It will entail energy and time savings for the economy and using sample-efficient and transparent models will democratize technology and build trust.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

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

(si apre in una nuova finestra) HORIZON-MSCA-2024-PF-01

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

INSTITUT NATIONAL DE RECHERCHE EN INFORMATIQUE ET AUTOMATIQUE
Contributo netto dell'UE
€ 226 420,56
Indirizzo
DOMAINE DE VOLUCEAU ROCQUENCOURT
78153 Le Chesnay Cedex
Francia
Regione
Ile-de-France Ile-de-France Yvelines
Tipo di attività
Research Organisations
Collegamenti
Costo totale
Nessun dato