Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Controllo e Machine Learning per Industria 4.0 |
|---|---|
| Titolo del progetto di ricerca in inglese | Control and Machine Learning for Industry 4.0 |
| Settore Concorsuale | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | ING-INF/04 - AUTOMATICA |
| Descrizione sintetica in italiano | Il progetto di ricerca si pone come obiettivo lo sviluppo e l'applicazione di nuovi approcci di controllo per sistemi dinamici complessi e larga-scala di interesse industriale risultanti dalla combinazione sinergica della teoria classica del controllo e degli approcci basati sul machine learning. Il risultato atteso della ricerca sarà un insieme di metodi e strumenti che contribuiscano allo sviluppo di tecniche di controllo innovative ed affidabili in ambito industriale. Il candidato contribuirà al progetto sviluppando nuove metodologie ed integrandole in ambiente simulativo appropriato HIL. L'approccio di controllo dovrà fondere i paradigmi standard della teoria del controllo con gli strumenti di apprendimento guidati dai dati o nell'identificazione del sistema. Il/la candidato/a inoltre riprodurrà gli approcci proposti sia in un Digital Twin industriale sia su un robot ABB disponibile in laboratorio. |
| Descrizione sintetica in inglese | The goal of the research project is the development and the application of new control approaches for complex dynamical systems resulting from the synergic combination of the classical control theory and the existing learning-driven tools. The expected research outcome will be a set of methods and tools that can contribute to the development of reliable control techniques, able to be employed in a wide variety of domains. The candidate will contribute to the project by designing an appropriate simulated environment, to be used as a case study, on which the developed control strategies can be adequately tested and compared. The developed control approach should merge the standard control theory paradigms with the powerful of the data-driven learning tools in system identification or policy learning. Moreover, he/she will also reproduce the designed approaches on a real robotic plant in order to test their effective employment in a real-world domain. |
| Data del bando | 21/06/2021 |
| Numero di assegnazioni per anno | 1 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
OTHER |
| Nazionalità dei candidati |
OTHER |
| Sito web del bando | https://web.units.it/concorsi/ricerca/conc-42279 |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Importo annuale | 22390 |
| Valuta | Euro |
| Massima durata dell'assegno (mesi) | 12 |
| Nome dell'Ente finanziatore | Università degli Studi di Trieste |
|---|---|
| Tipologia dell'Ente | Academic |
| Paese dell'Ente | Italy |
| Città | Trieste |
| Sito web | https://www.units.it/ |
| assegni@amm.units.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 23/07/2021 |
|---|---|
| Come candidarsi | https://pica.cineca.it/units (rif. PICA 21ar618-7) |