Common use of Programma di Ricerca Clause in Contracts

Programma di Ricerca. Titolo della Ricerca (e sottoprogramma di ricerca): Studio e sviluppo di tecniche di apprendimento per rinforzo in ambito industriale CUPE46D17000080009 Studio e sviluppo di tecniche di apprendimento per rinforzo in ambito industriale Il programma di ricerca ha come obiettivo lo studio e lo sviluppo di tecniche di apprendimento per rinforzo in ambito industriale. La creazione di fabbriche intelligenti richiede che le macchine/robot lungo la linea di assemblaggio siano in grado di modificare i propri parametri operativi per prevenire guasti o per ripristinare il corretto funzionamento della catena di produzione. Le tecniche di apprendimento per rinforzo sono uno strumento che può permettere di raggiungere questo obiettivo, ma richiedono di essere adattate a contesti in cui l'esplorazione dei parametri di controllo non è libera in quanto soggetta a rischi. Scopo della ricerca è quindi la definizione di algoritmi di apprendimento che siano efficaci, ma sicuri. I primi due mesi saranno dedicati allo studio delle tecniche di apprendimento per rinforzo attualmente disponibili e nei successivi quattro mesi lo studio di come adattarle a scenari di controllo di macchine industriali. I restanti sei mesi saranno dedicati allo sviluppo e al test delle metodologie ideate. L'assegnista dovrà identificare gli aspetti peculiari dell'applicazione di tecniche di apprendimento per rinforzo in problemi robotici industriali. Data la criticità dell'ambito applicativo, gli algoritmi proposti dovranno essere corredati da risultati teorici relative alle garanzie che è possibile determinare rispetto alle loro prestazioni. Infine, si dovrà realizzare un prototipo che dimostri l'effettiva applicabilità della soluzione proposta.

Programma di Ricerca. Titolo della Ricerca (e sottoprogramma di ricerca): Studio Programmazione algoritmica per l'integrazione di fabbricazione digitale, robotica e sviluppo intelligenza artificiale. Sviluppo di tecniche soluzioni sostenibili per la realizzazione di apprendimento per rinforzo in ambito industriale CUPE46D17000080009 Studio architetture e sviluppo di tecniche di apprendimento per rinforzo in ambito industriale processi fabbricativi. Il programma di ricerca ha come obiettivo prevede lo studio sviluppo di soluzioni innovative basate su processi di programmazione algoritmica, fabbricazione digitale, robotica e intelligenza artificiale, che affrontino le sfide di sostenibilità di progetto, processo e prodotto in un contesto di Industria 5.0. Attività di ricerca e sviluppo da condurre presso il laboratorio Indexlab - Polo di Lecco - Politecnico di Milano sotto la supervisione di ▇▇▇▇▇▇▇▇▇ ▇▇▇▇▇▇▇ Guidare la ricerca e l'analisi strategica che individuerà e valuterà le soluzioni per costruire nuove capacità di ricerca e sviluppo in Indexlab; Assistere nella sperimentazione di nuove tecnologie e fornire un feedback ai team di progetto; Utilizzare tecniche di analisi avanzate per la ricerca, la progettazione e lo sviluppo di tecniche tecnologie a supporto di apprendimento nuovi sistemi di costruzione; Sviluppare algoritmi e processi di ML per rinforzo ottimizzare processi di fabbricazione digitale; Stampare 3D e fresare mock-up e provini con diversi materiali presso il laboratorio Indexlab di Lecco; Sviluppare metodi per integrare la realtà aumentata nei processi fabbricativi; Sviluppare presentazioni e comunicare suggerimenti in ambito industriale. La creazione modo proattivo; In caso di fabbriche intelligenti richiede che le macchine/robot lungo la linea di assemblaggio siano in grado di modificare i propri parametri operativi per prevenire guasti o per ripristinare il corretto funzionamento della catena di produzione. Le tecniche di apprendimento per rinforzo sono uno strumento che può permettere di raggiungere questo obiettivoPI, ma richiedono di essere adattate a contesti in cui l'esplorazione dei parametri di controllo non è libera in quanto soggetta a rischi. Scopo della ricerca è quindi la definizione di algoritmi di apprendimento che siano efficaci, ma sicuri. I primi due mesi saranno dedicati allo studio delle tecniche di apprendimento per rinforzo attualmente disponibili e nei successivi quattro mesi lo studio di come adattarle a scenari di controllo di macchine industriali. I restanti sei mesi saranno dedicati allo sviluppo e al test delle metodologie ideate. L'assegnista dovrà identificare gli aspetti peculiari dell'applicazione di tecniche di apprendimento per rinforzo in problemi robotici industriali. Data la criticità dell'ambito applicativo, gli algoritmi proposti dovranno essere corredati da risultati teorici relative alle garanzie che è possibile determinare rispetto alle loro prestazioni. Infine, si dovrà realizzare un prototipo che dimostri l'effettiva applicabilità della soluzione propostafirmare NDA.

Programma di Ricerca. Titolo della Ricerca (e sottoprogramma di ricerca): Studio Sviluppo di tecniche di Apprendimento per Rinforzo per applicazioni reali Sviluppo di tecniche di Apprendimento per Rinforzo per applicazioni reali Il progetto si propone di sviluppare e sviluppo di applicare tecniche di apprendimento per rinforzo per risolvere problemi concreti in ambito industriale CUPE46D17000080009 Studio settori quali robotica, automazione industriale, assistenza sanitaria e sviluppo finanza. Attraverso l'ottimizzazione di tecniche algoritmi di apprendimento per rinforzo RL avanzati e l'applicazione pratica in ambito industriale Il programma di ricerca ha come obiettivo lo studio contesti reali, ▇▇▇▇▇▇▇ a migliorare l'efficienza e lo sviluppo di tecniche di apprendimento per rinforzo la sicurezza delle operazioni, contribuendo al progresso in ambito industriale. La creazione di fabbriche intelligenti richiede che le macchine/robot lungo la linea di assemblaggio siano in grado di modificare i propri parametri operativi per prevenire guasti o per ripristinare il corretto funzionamento della catena di produzione. Le tecniche di apprendimento per rinforzo sono uno strumento che può permettere di raggiungere questo obiettivo, ma richiedono di essere adattate a contesti in cui l'esplorazione dei parametri di controllo non è libera in quanto soggetta a rischiquesti campi critici. Scopo della ricerca è quindi la definizione di algoritmi di apprendimento che siano efficaci, ma sicuri. I primi due mesi saranno dedicati allo studio delle tecniche di apprendimento per rinforzo attualmente disponibili e nei successivi quattro mesi lo studio di come adattarle a scenari di controllo di macchine industrialiapplicativi reali. I restanti sei mesi saranno dedicati allo sviluppo e al test delle metodologie ideate. L'assegnista dovrà identificare gli aspetti peculiari dell'applicazione di tecniche di apprendimento per rinforzo in problemi robotici industrialireali. Data la criticità dell'ambito applicativo, gli algoritmi proposti dovranno essere corredati da risultati teorici relative alle garanzie che è possibile determinare rispetto alle loro prestazioni. Infine, si dovrà realizzare un prototipo che dimostri l'effettiva applicabilità della soluzione proposta.

Programma di Ricerca. Titolo della Ricerca (e sottoprogramma di ricerca): Studio e sviluppo Sviluppo di tecniche di apprendimento Apprendimento per rinforzo in ambito industriale CUPE46D17000080009 Studio e sviluppo Rinforzo per Industria 4.0 Sviluppo di tecniche di apprendimento Apprendimento per rinforzo in ambito industriale Rinforzo per Industria 4.0 Il programma di ricerca ha come obiettivo lo studio e lo sviluppo di tecniche di apprendimento per rinforzo in ambito industriale. La creazione di fabbriche intelligenti richiede che le macchine/robot lungo la linea di assemblaggio siano in grado di modificare i propri parametri operativi per prevenire guasti o per ripristinare il corretto funzionamento della catena di produzione. Le tecniche di apprendimento per rinforzo sono uno strumento che può permettere di raggiungere questo obiettivo, ma richiedono di essere adattate a contesti in cui l'esplorazione dei parametri di controllo non è libera in quanto soggetta a rischi. Scopo della ricerca è quindi la definizione di algoritmi di apprendimento che siano efficaci, ma sicuri. I primi due mesi saranno dedicati allo studio delle tecniche di apprendimento per rinforzo attualmente disponibili e nei successivi quattro mesi lo studio di come adattarle a scenari di controllo di macchine industriali. I restanti sei mesi saranno dedicati allo sviluppo e al test delle metodologie ideate. L'assegnista dovrà identificare gli aspetti peculiari dell'applicazione di tecniche di apprendimento per rinforzo in problemi robotici industriali. Data la criticità dell'ambito applicativo, gli algoritmi proposti dovranno essere corredati da risultati teorici relative alle garanzie che è possibile determinare rispetto alle loro prestazioni. Infine, si dovrà realizzare un prototipo che dimostri l'effettiva applicabilità della soluzione proposta.

Programma di Ricerca. Titolo della Ricerca (e sottoprogramma di ricerca): Studio e sviluppo Sviluppo di tecniche di apprendimento Apprendimento per rinforzo in ambito industriale CUPE46D17000080009 Studio e sviluppo Rinforzo per Industria 4.0 Sviluppo di tecniche di apprendimento Apprendimento per rinforzo in ambito industriale Rinforzo per Industria 4.0 Il programma di ricerca ha come obiettivo lo studio e lo sviluppo di tecniche di apprendimento per rinforzo in ambito industriale. La creazione di fabbriche intelligenti richiede che le macchine/robot lungo la linea di assemblaggio siano in grado di modificare i propri parametri operativi per prevenire guasti o per ripristinare il corretto funzionamento della catena di produzione. Le tecniche di apprendimento per rinforzo sono uno strumento che può permettere di raggiungere questo obiettivo, ma richiedono di essere adattate a contesti in cui l'esplorazione dei parametri di controllo non è libera in quanto soggetta a rischi. Scopo della ricerca è quindi la definizione di algoritmi di apprendimento che siano efficaci, ma sicuri. I primi due mesi saranno dedicati allo studio delle tecniche di apprendimento per rinforzo attualmente disponibili e nei successivi quattro mesi lo studio di come adattarle a scenari di controllo di macchine industriali. I restanti sei mesi saranno dedicati allo sviluppo e al test delle metodologie ideate. L'assegnista dovrà identificare gli aspetti peculiari dell'applicazione di tecniche di apprendimento per rinforzo in problemi robotici industriali. Data la criticità dell'ambito applicativo, gli algoritmi proposti dovranno essere corredati da risultati teorici relative alle garanzie che è possibile determinare rispetto alle loro prestazioni. Infine, si dovrà realizzare un prototipo che dimostri l'effettiva applicabilità della soluzione proposta.