Customer : H2020 VOJEXT
Category : Robotics
Tags : JinZone

Navigazione robot

JinZone è un progetto che mira a creare un servizio in grado di supportare robot in ambito manifatturiero, nelle fasi di mappatura, localizzazione e navigazione di spazi. Combina tecniche consolidate di intelligenza artificiale con uno strato proprietario di reasoner e orchestratore sviluppato da Elif Lab, che sfrutta il modello mentale freudiano e la sua formalizzazione matematico-algoritmica proprietaria per creare un nuovo paradigma di AI.
In questo modo, Jinzone mantiene i vantaggi di tecnologie di navigazione note, ma può sfruttare un ulteriore strato di astrazione, ragionamento e controllo che opera – come il modello della mente – su rappresentazioni astratte. Questa tecnologia adattiva permette di intervenire per orientare meglio le attività senza costosi riaddestramenti, di operare in ambienti dinamici e caotici e di avere un maggiore controllo di tutte le fasi. Le decisioni sono prese dal robot sono trasparenti e possono essere valutate e reindirizzate. Inoltre, JinZone rende più facile di altre tecnologie operare in ambienti sconosciuti o da mappare, riducendo il tempo di introduzione dei robot in nuovi contesti.

Algoritmi implementati: 

▪Algoritmo di ricostruzione oggetti a partire da immagini SIFT (Scale-invariant feature transform)
▪Algoritmo A* per calcolo e programmazione di percorsi ottimali
▪Reasoner e controller proprietario di Elif Lab, capace di gestire in maniera armoniosa le informazioni provenienti dai movimenti e dagli stimoli esterni e di generare dinamicamente e in modo adattivo sequenze di azioni per raggiungere il risultato desiderato
▪Componente semantica che consente la comunicazione trasparente delle scelte del robot e permette al robot di assorbire le indicazioni degli operatori e degli utenti.

Infrastruttura:

▪Client server
▪MQTT protocol

Il progetto JinZone è stato selezionato nella open call VOJEXT e attualmente è finanziato nel contesto del programma Europeo Horizon 2020 research and innovation, grant agreement No 952197