Tilbake til søkeresultatene

IKTPLUSS-IKT og digital innovasjon

ROBPLAN; Autonomous robot missions with AI-based planning and acting

Alternativ tittel: Autonome robotoppdrag med AI-basert planlegging og handling

Tildelt: kr 12,0 mill.

Industrien og offentlig sektor ønsker robotløsninger med høy grad av autonomi som kan operere trygt og effektivt i stadig mer komplekse operasjoner. Og det er gjort mye forskning på å realisere slike systemer. Spesielt har forskning og utvikling på automatiserte funksjoner for robothandlinger (f.eks. griping, kollisjonsunngåelse, baneplanlegging), samt automatisk "høy-nivå" operasjonsplanlegging kommet langt. Men selv for enkle oppdrag eksploderer planleggingskompleksiteten raskt. Videre blir automatisk planlegging ofte utført som en "offline" prosess der miljøet en robot opererer i antas å være statisk, dvs. "stå stille". Miljøene som roboter og vi mennesker opererer i er imidlertid i mange tilfeller ikke statiske. For å møte disse behovene, vil vi utvikle i ROBPLAN-prosjektet nye metoder innen et vitenskapelig område innen AI kalt automatisert planlegging og handling (AI-planlegging). AI-planlegging handler om å gjøre det mulig for roboter å koordinere sine evner (f.eks. griping, situasjonsforståelse) og håndtere endringer og begrensninger i sine omgivelser for å lykkes med å oppnå sine oppdrag. For å oppnå slik AI-planlegging vil vi bygge på teknikker fra symbolsk AI (dvs. klassisk AI), som involverer strukturert forkunnskap om verden. Og vi vil forbedre disse teknikkene med ikke-symbolsk AI (f.eks. maskinlæring), som kan brukes for å lære av nye data og tilpasse seg endringer i verden. Vi vil demonstrere prosjektresultater på industrirelevante bruksområder med mobile roboter og ubemannede luftfartøyer (UAV) for blant annet inspeksjon. Prosjektmålene vil bli oppnådd i et tett samarbeid mellom et forskningsinstitutt (SINTEF, prosjektleder), et universitet (NTNU), en sluttbruker i industrien (Equinor) og en industriell droneleverandør (ScoutDI). Prosjektresultater vil skape muligheter for robotikk innen en rekke sektorer som arbeider med inspeksjon og vedlikehold, så vel som andre områder som f.eks. innen landbruk og helsetjenester. Den nåværende statusen (per november 2021) er at vi har identifisert begrensninger på robotressurser (f.eks. tid, batteri osv.) som en av de viktigste industri-use-casene for AI-planlegging. Og for å adressere use-casene forsker vi på AI-planleggingsmetoder og hvordan de kan integreres i eksisterende (f.eks. ROSPLAN) og nye programvarearkitekturer for planlegging og utførelse - i tråd med målsetningen for ROBPLAN. Dessuten har vi presentert prosjektet på en internasjonal konferanse om robotikk og AI (https://raic-2021.b2match.io/ ). Vi har også etablert en nettside for prosjektet: https://www.sintef.no/en/prosjekter/2021/robplan/

In ROBPLAN we will move the research front by developing methods for AI-based planning and acting - AI planning - to enable robust autonomous robot missions. We will demonstrate results on industrial use cases with mobile manipulators and Unmanned Aerial Vehicles (UAVs) for inspection and maintenance (I&M). The global I&M market is estimated at 450 billion EUR. The industry and public sector are pushing for robotic solutions with high level of autonomy that can operate safely and efficiently in increasingly complex operations. And great strives have been done to realize stand-alone automated functions for robot acting (e.g., grasping, collision avoidance), as well as for high-level automated planning of missions. However, even for simple missions, the planning complexity quickly explodes, and high-level planning is often performed as an "offline" process where the world is assumed to be static. To enable real-life fully autonomous single- and multi-robot missions, we need robots that can balance long-term planning with the ability to react to immediate events. To meet this need we will develop methods in the ROBPLAN project to tightly combine planning and acting by building on techniques from symbolic AI approaches enhanced by non-symbolic AI. Moreover, we will develop methods for distributed robot decision-making during planning and acting to enable multi-robot autonomous missions with and without humans in the loop. We will demonstrate results on I&M use cases within the oil and gas industry, but project results will also be applicable in other application domains where autonomous robots are increasingly deployed and can benefit from a higher level of autonomy in operations; agri-food, healthcare and manufacturing. The combination of new scientific results beyond the state of the art and real-life demonstration will increase impact of results both in research and industry.

Publikasjoner hentet fra Cristin

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Budsjettformål:

IKTPLUSS-IKT og digital innovasjon