Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Studio, sviluppo e simulazione di una piattaforma Federated learning e controllore PID integrata per la gestione dell’interazione robot-operatore in un ambiente industriale |
|---|---|
| Titolo del progetto di ricerca in inglese | Decentralized federated learning for AI and Cobot manufacturing convergence. |
| Settore Concorsuale | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | - |
| Descrizione sintetica in italiano | L'obiettivo è definire, progettare, implementare e successivamente convalidare e ottimizzare l'efficienza di una piattaforma di Federated Learning (FL) all’interno delle reti industriali. Ciò implica la raccolta di dati da sensori diversificati e dispositivi industriali all'interno di un ambiente collaborativo uomo-robot. L'obiettivo è poi implementare la proposta piattaforma FL per identificare i movimenti, nonché individuare e tracciare la posizione in tempo reale dell'operatore all'interno di una cella industriale sperimentale. Per accelerare il processo di addestramento del FL, la piattaforma FL si integrerà con un controller roporzionale-Integrale-Derivativo (PID). Questa fusione mira a incrementare la velocità di addestramento degli algoritmi FL, e la sua efficacia sarà verificata all'interno di una rete industriale.erator safety within industrial networks. |
| Descrizione sintetica in inglese | The goal is to define, design, implement, and subsequently validate and enhance the efficiency of a Federated Learning (FL) platform within industrial networks. This involves gathering data from diverse sensors and industrial devices within a collaborative human-robot environment. The objective is to then deploy the proposed FL platform to identify the movements, as well as locate and track the real-time position of the operator within an experimental industrial cell. To expedite the training process of FL, the FL platform will integrate with a Proportional-Integral Derivative (PID) controller. This amalgamation aims to accelerate the training pace of FL algorithms, and its effectiveness will be verified within an industrial network. The overarching outcome is the optimization of actions through these algorithms, ultimately elevating manufacturing performance while upholding a robust level of operator safety within industrial networks. |
| Data del bando | 24/05/2024 |
| Numero di assegnazioni per anno | 1 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
OTHER |
| Nazionalità dei candidati |
EUROPE |
| Sito web del bando | http://www.ieiit.cnr.it |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|
| Nome dell'Ente finanziatore | CNR-IEIIT |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Milano |
| Codice postale | 20133 |
| Indirizzo | c/o Politecnico di Milano – Piazza L. da Vinci, 32 |
| Sito web | http://www.ieiit.cnr.it |
| sanaz.kianoush@cnr.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 28/06/2024 |
|---|---|
| Come candidarsi | https://www.ieiit.cnr.it/it/modulistica |