Descrizione Progetto
Il territorio dell’Alto Adige ospita numerose infrastrutture che richiedono un monitoraggio continuo per garantire l’operatività, l’efficienza e la sicurezza verso la collettività. Queste installazioni sono di fondamentale importanza per i settori del trasporto, turismo, generazione e trasporto di energia e telecomunicazioni. Il progetto AMPLIF-AI (Adaptive Mission Planning for LIve inFrAstructures Inspection) intende creare un sistema basato sulla intelligenza artificiale che permetterà alle squadre di ispezione di valutare in tempo reale le condizioni delle infrastrutture in vari casi applicativi nel contesto alpino. I partner svilupperanno un sistema composto da una piattaforma terrestre e aeromobili senza pilota a bordo (UAV) supervisionati dalla squadra di ispezione. L’UAV ospiterà l’intelligenza di bordo che gestirà i sensori per la navigazione e localizzazione e sensori specifici al caso studio. La piattaforma di terra sarà una base mobile e opererà come relay di comunicazione con gli UAV. Ospiterà processori di calcolo ad alte prestazioni per creare il modello tridimensionale dell’infrastruttura oggetto dell’ispezione ed arricchirlo in tempo reale con le immagini trasmesse dagli UAV. Il modello potrà essere fuso con dati disponibili da altre sorgenti. Il progetto prevede una validazione finale di un caso studio.
Il progetto AMPLIF-AI è svolto insieme ai partner:
OBIETTIVI
Il progetto AMPLIF-AI ha come obiettivo principale l’automazione e l’efficientamento delle operazioni di ispezione di infrastrutture (ad es. ponti,
linee elettriche, impianti di risalita, ...). In particolare, il progetto si concentrerà sulla realizzazione di una piattaforma hardware/software per il
monitoraggio in tempo reale attraverso l’impiego di robot senza equipaggio (semi-)autonomi, vincolati dalle condizioni al contorno tipiche delle
regioni alpine.
La piattaforma integrerà nuove soluzioni per una pianificazione di traiettorie adattativa durante la fase di acquisizione dati e di metodi innovativi basati su Intelligenza Artificiale per la loro elaborazione (ad es. per trovare difetti nell’infrastruttura).
Più nello specifico, gli obiettivi di AMPLIF-AI si possono riassumere in sette punti:
- Sviluppare nuove metodologie per modellare le attività di ispezione, assicurare che il team di monitoraggio acquisisca le informazioni necessarie a supporto delle decisioni;
- Sviluppare nuovi algoritmi per il controllo condiviso e pianificazione coordinata di piattaforme aeree e terrestri al fine di:
- mitigare i rischi durante l’ispezione dei siti e per rendere le rilevazioni accurate e complete.
- rendere l’ispezione più efficiente dal punto di vista delle emissioni e delle tempistiche.
- Sviluppare algoritmi innovativi per l’analisi in-situ e l’immagazzinamento dei dati di ispezione attraverso metodologie di Machine Learning;
- Validare e valutare l’approccio sviluppato attraverso esperimenti in-situ al fine di soddisfare gli obiettivi di cui sopra;
- Integrare i risultati della ricerca con i corsi accademici in robotica e controllo e nei programmi di dottorato;
- Disseminare i risultati contribuendo a conferenze internazionali e/o pubblicazioni in riviste indicizzate Scopus, organizzando workshop e seminari.
- Facilitare la collaborazione tra aziende e istituti di ricerca, il trasferimento tecnologico e la crossfertilizzazione attraverso la condivisione dei dati raccolti su piattaforme digitali OPEN quali ad esempio l’OpenDataHub di NOI Techpark e l’stituzione di un advisory board per catturare le esigenze del territorio e i casi d’uso più critici.
Risultati attesi
- Qualità della misura: si valuteranno le differenze di informazioni dello stato dell'infrastuttura ricavate dal sistema sviluppato in AMPLIF-AI ed i metodi tradizionali
- Affidabilità degli algoritmi: navigazione semi-autonoma nello scenario di monitoraggio; acquisizione dei punti chiave per il monitoraggio dell'infrastruttura
- Validazione sperimentale: saranno realizzate delle missioni di monitoraggio per validare il sistema sviluppato
- Coinvolgimento End User: saranno coinvolti differenti end user per i casi di studio individuati
- Efficienza monitoraggio: ci si aspetta una riduzione del tempo dedicato dalle risorse per le attività di monitoraggio
- Efficacia del monitoraggio: saranno acquisiti contenuti informativi aggiuntivi rispetto al monitoraggio tradizionale
- Usabilità del sistema: sarà compilato un questionario valutativo da parte degli end users, richiedendo feedback sull'usabilità del sistema sviluppato
Dettagli di progetto
Acronimo: AMPLIF-AI
Codice progetto: EFRE-1019
CUP: B57H23003920007
Budget: € 619.000,78 (di cui finanziato: € 529.758,21)
Programma di finanziamento: FESR 2021-2027
Partner: MAVTech Srl., Fraunhofer Italia, Libera Università di Bolzano
Durata: 01.2024 – 12.2026