Skip to main content
European Commission logo
français français
CORDIS - Résultats de la recherche de l’UE
CORDIS
CORDIS Web 30th anniversary CORDIS Web 30th anniversary

Safe and Trusted Human Centric Artificial Intelligence in Future Manufacturing Lines

Description du projet

Une technologie d’IA novatrice pour les environnements de fabrication à la fois dynamiques et imprévisibles

Les systèmes d’intelligence artificielle (IA) contribuent à une amélioration continue de la production dans le secteur manufacturier. Mais afin d’être applicables et fiables pour effectuer des tâches généralement attribuées à des humains dans un contexte de fonctionnement dynamique, il faut qu’ils soient à la fois sûrs et ajustables, c’est-à-dire capables de réagir face à différentes situations, menaces de sécurité, événements imprévisibles ou dans des environnements spécifiques. Le projet STAR, financé par l’UE, relèvera ce défi en concevant de nouvelles technologies permettant la mise en œuvre de systèmes d’IA centrés sur l’homme, normalisés, sûrs, fiables et éprouvés dans des environnements de fabrication. Le projet entend chercher puis intégrer des technologies d’IA de pointe comme les dispositifs d’apprentissage actif ou de réalité simulée, l’IA explicable, les jumeaux numériques centrés sur l’homme, les techniques avancées d’apprentissage de renforcement et les mécanismes de cyberdéfense, afin de permettre le déploiement en toute sécurité de systèmes d’IA sophistiqués dans les chaînes de production.

Objectif

AI systems in industrial plants must be safe, trusted and secure, even when operating in dynamic, unstructured and unpredictable environments. STAR is a joint effort of AI and digital manufacturing experts towards enabling the deployment of standard-based secure, safe reliable and trusted human centric AI systems in manufacturing environments. STAR will research and make available to novel technologies that will enable AI systems to acquire knowledge in order to take timely and safe decisions in dynamic and unpredictable environments. Moreover, it will research technologies that enable AI systems to confront sophisticated adversaries and to remain robust against security attacks. STAR’s will research and integration leading edge AI technologies with wide applicability in manufacturing environments, including:
•Active learning systems that boost safety and accelerate the acquisition of knowledge.
•Simulated reality systems that accelerate Reinforcement Learning (RL) in human robot collaboration scenarios.
•Explainable AI (XAI) systems that boost the transparency of industrial systems and increase the trust on them.
•Human Centric digital twins enabling worker monitoring for safer and trustful production processes.
•Advanced RL techniques for optimal navigation of mobile robots and for the detection of safety zones in industrial plants.
•Cyber-defence mechanisms for sophisticated poisoning and evasion attacks against deep neural networks operating over industrial data.
These technologies will be validated in challenging scenarios in manufacturing lines in the areas of quality management, human robot collaboration and AI-based agile manufacturing. STAR will eliminate security and safety barriers against deploying sophisticated AI systems in production lines. The results will be fully integrated into existing EU-wide initiatives (EFFRA, AI4EU), as a means of enabling researchers and the European industry to deploy and leverage advanced AI solutions in production lines.

Appel à propositions

H2020-ICT-2018-20

Voir d’autres projets de cet appel

Sous appel

H2020-ICT-2020-1

Coordinateur

NETCOMPANY - INTRASOFT
Contribution nette de l'UE
€ 213 750,00
Adresse
PLACE DU CHAMP DE MARS 5/10
1050 Bruxelles / Brussel
Belgique

Voir sur la carte

Région
Région de Bruxelles-Capitale/Brussels Hoofdstedelijk Gewest Région de Bruxelles-Capitale/ Brussels Hoofdstedelijk Gewest Arr. de Bruxelles-Capitale/Arr. Brussel-Hoofdstad
Type d’activité
Private for-profit entities (excluding Higher or Secondary Education Establishments)
Liens
Coût total
€ 722 750,00

Participants (16)