Updated: 11 July 2024 - 4:41pm by S. Martinez
Start:2023 / End:2026
Principal investigator: Concepción Alicia Monje Micharet
Funder:
CDTI/AEI MIG-20232029 | PLEC2023-010218
Flexibilización en la robótica industrial: Aplicación de tecnologías de Inteligencia Artificial y Aprendizaje Automático para factorías con alta capacidad de adaptación y resiliencia
En la mayoría de los procesos de producción de productos más o menos complejos, la manipulación y el montaje de los mismos son unos de los procesos centrales en toda la cadena de producción. Las estrategias de automatización clásicas, como las que se utilizan en la industria de automoción o de bienes de consumo, con altos volúmenes de inversión y largos tiempos de recuperación, no son factibles en el caso de ciclos de vida de producto cada vez más cortos y/o productos que evolucionan rápidamente para adaptarse a necesidades específicas de determinados clientes.
El objetivo principal de ADAPTA es concebir e implementar un modelo productivo flexible y reconfigurable que dote a las fábricas de una alta capacidad de adaptación y resiliencia ante cambios en el entorno. Ese objetivo general se sustenta sobre soluciones robóticas flexibles que incorporan los avances de la inteligencia artificial y el uso de infraestructuras digitales, y se materializa en 5 objetivos parciales:
- Mejorar las capacidades de percepción de los sistemas robóticos, tanto por medio de imágenes como por la monitorización del contacto en procesos de manipulación
- Desarrollar sistemas de manipulación que permitan adaptarse a situaciones desconocidas o cambiantes con mínima intervención humana
- Acelerar el proceso de definición de tareas de ensamblado y manipulación mediante técnicas de aprendizaje por demostración
- Contribuir al desarrollo de sistemas de producción basados en arquitecturas de control abiertas, que consideren la presencia de seres humanos y la interacción con los mismos
- Habilitar infraestructuras digitales para la interoperabilidad, la compartición segura y soberana de datos y la gestión del ciclo de vida de modelos ML
- Desarrollar sistemas de manipulación que permitan adaptarse a situaciones desconocidas o cambiantes con mínima intervención humana
- Acelerar el proceso de definición de tareas de ensamblado y manipulación mediante técnicas de aprendizaje por demostración
- Contribuir al desarrollo de sistemas de producción basados en arquitecturas de control abiertas, que consideren la presencia de seres humanos y la interacción con los mismos
- Habilitar infraestructuras digitales para la interoperabilidad, la compartición segura y soberana de datos y la gestión del ciclo de vida de modelos ML