Apply AI: Robotica basata sull'IA per l'industria: Abilitare l'integrazione e l'adozione di sistemi (IA) (Partnership in IA, Dati e Robotica)

Risultato atteso:

La strategia Apply AI enfatizza le pipeline di accelerazione per garantire una transizione fluida dalla ricerca all'implementazione della robotica basata sull'IA. I progetti nell'ambito di questo argomento forniranno framework comuni e blocchi costitutivi riutilizzabili che possono servire molteplici settori e casi d'uso, rafforzando la capacità dell'Europa di portare la robotica basata sull'IA su larga scala.

Si prevede che i risultati del progetto contribuiscano a tutti i seguenti risultati attesi:

• Implementazione più ampia e rapida della robotica, colmando il divario tra fornitori di tecnologia e utenti finali.
• Sviluppo e implementazione di framework e soluzioni di integrazione modulari e interoperabili, inclusi protocolli standardizzati per dati, formazione e test di sicurezza, valutazione e convalida di soluzioni robotiche in casi d'uso chiave.
• Miglioramento della competitività delle industrie europee, in particolare delle PMI, attraverso lo sviluppo di sistemi robotici avanzati, sistemi intelligenti di pianificazione e controllo, tecniche di rendering del feedback utente e innovazioni all'avanguardia nell'IA.

Ambito:

Il progetto affronterà l'attuale divario europeo nelle capacità di integrazione di sistemi per soluzioni robotiche che rispondono alle varie esigenze delle industrie. Il progetto mirerà a diffondere una profonda comprensione dei componenti robotici all'avanguardia, inclusi sia hardware che software, e competenze nell'affrontare i problemi di interoperabilità per la riqualificazione degli integratori di sistemi.

Per massimizzare l'impatto e l'adattabilità dei sistemi implementati, l'approccio dovrebbe considerare gli strumenti più appropriati per accelerare i processi di integrazione e le metodologie di progettazione, formazione e inferenza dell'IA adatte, garantendo scalabilità, trasferibilità, trasparenza, robustezza, flessibilità e applicabilità nel mondo reale in diversi ambienti industriali, e dovrebbe rimanere adattabile agli ultimi sviluppi tecnologici.

I framework di integrazione promuoveranno l'uso di modelli e hardware AI ad alta efficienza energetica ('Green AI'), insieme a strategie di implementazione e operative consapevoli delle emissioni di carbonio per i sistemi robotici. Ove pertinente, i progetti dovrebbero contribuire a standard aperti e ampiamente riconosciuti per favorire l'interoperabilità e l'adozione nell'ecosistema robotico. Per migliorare la sicurezza e le prestazioni, i progetti possono includere ambienti di simulazione ad alta fedeltà o gemelli digitali come banchi di prova per la formazione, la convalida e la verifica, con misure per garantire un trasferimento fluido dalla simulazione all'implementazione nel mondo reale.

Colmando il divario tra fornitori di tecnologia e utenti finali, questi integratori consentiranno la creazione di sistemi robotici senza soluzione di continuità, affidabili e scalabili che possono essere facilmente adottati dalle industrie, in particolare dalle PMI, supportando così processi di produzione più flessibili ed efficienti.

Si prevede che il progetto fornirà:

• Un framework di integrazione modulare e implementabile, convalidato attraverso almeno tre progetti pilota industriali reali che coprono diversi scenari di riferimento per dimostrare che l'approccio può essere adattato a diverse esigenze industriali e dimensioni aziendali, incluse sia PMI che grandi produttori. Questo framework dovrebbe fornire, ad esempio, un livello software comune, interfacce standard per connettersi a flussi di lavoro esistenti e sistemi legacy, possibilmente anche per connettere vari componenti robotici, coordinare più robot e collegarli con strumenti AI aggiuntivi e ambienti IoT, nonché modelli di configurazione testati e linee guida chiare per garantire un uso sicuro ed efficiente.
• Un Integration Kit, basato su questo framework, che offre moduli pronti all'uso, configurazioni di esempio e strumenti pratici che aiutano gli integratori di sistemi e le aziende a configurare, testare ed eseguire soluzioni robotiche abilitate all'IA più rapidamente e con uno sforzo tecnico ridotto.
• Ove pertinente, i banchi di prova digital twin ad alta fedeltà dovrebbero essere collegati a ciascun progetto pilota, consentendo test e formazione sicuri e realistici prima dell'implementazione, e…