La macro tematica di ricerca copre svariati ambiti: dalla progettazione human-centered dei sistemi al motion-control; dalla identificazione di sistemi dinamici al controllo in tempo reale dei processi, sino alla previsione del comportamento al fine di poter implementare sistemi di decision-making; dai metodi innovativi di percezione avanzata per veicoli autonomi in contesti non o solo parzialmente strutturati alle strategie di stima e percezione cooperativa per reti di robot.
Dal punto di vista metodologico, sono investigate tecniche di physics-based modeling, hybrid analytics e deep-reinforcement learning. Queste tecniche sono impiegate per il Task & Motion planning, per lo sviluppo di abilità percettive e cognitive di robot e veicoli autonomi e per il controllo di sistemi robotici interagenti con l’ambiente circostante, oltre che per il controllo (model based) e l’ottimizzazione in tempo reale di performance e consumi energetici di processi produttivi.
Inoltre, queste tecniche permettono la previsione del comportamento atteso del sistema, di potenziali anomalie/deviazioni e del consumo di risorse (energia elettrica, termica, etc.), integrabili in architetture event-based e rolling horizon, oltre che potenziare l’accuratezza di soluzioni di virtual commissioning di linee tramite simulazione in anello chiuso.
La macro tematica ambisce a sviluppare tecnologie integrabili con le soluzioni tecniche più all’avanguardia, come soluzioni di controllo distribuito/cooperativo o soluzioni PC based per il motion control e la gestione di macchine per processi robotizzati, processi sottrattivi/additivi, basati su architetture ridondanti.
