A kutatási téma járműirányítási feladatok kapcsán szeretné megvizsgálni, hogy milyen kontextusban és hogyan lehetséges közvetlenül a mért adatokból valamilyen irányítási célt elérni (tervezés), illetve megvizsgálni a már megtervezett illetve megvalósított irányítás minőségét (performancia analízis és validáció). Új kutatási terület a gépi tanulásra és hatékony számítási és optimalizálási módszerekre épülő korszerű irányítások kidolgozása. Ennek célja a klasszikus irányítástervezési eljárások kombinálása tanuló struktúrákkal a valós idejű implementálás érdekében.
Célunk olyan modellezési eljárások kifejlesztése, amik képesek a jelenlegi identifikációs eljárások statisztikai megbízhatóságát ötvözni a gépi tanuláson alapuló módszerek effektivitásával és flexibilitásával. Kiemelt cél, a teljes modellezési folyamat (toolchain) automatizálása az adatgyűjtéstől a verfikációig és a modellezésben, mind a fizikai interpretálhatóság megőrzése, mind a nem ismert, fizikailag nehezen leírható, összefüggések és dinamikai sajátosságok feltérképezése.
Feladatok:
- Optimális irányítás kidolgozása gépi tanulás segítségével.
- A komplex, számításigényes nemlineáris optimalizációs feladatok gépi tanulással történő támogatása az egyszerűbb valósidejű implementálhatóság érdekében.
Várható eredmények:
Öntanuló, fizikailag értelmezhető és adaptív modellezési algoritmusok és az ehhez kapcsolódó kísérlet tervezési és verfikációs eljárások kidolgozása, ezek implementációja valós rendszereken, az ipari alkalmazhatóság demonstrációja
Megerősítéses tanulás alapú optimalizáció, trajektória tervezési módszerek
- Megerősítéses tanulás módszertani kutatásainak megkezdése. Folytonos beavatkozójelet alkalmazó RL struktúrák tervezése és tanítása. Pályakövetés megvalósítása tervező ágens segítségével és előre tekintő szenzorinformációk felhasználásával. Autópálya forgalomban történő közlekedés kezelése RL tanuló ágens segítségével.
- Optimális trajektória tervező és végrehajtó algoritmusok kutatása, a gépi tanulás és modern irányításelmélet kombinálásával. Megerősítéses tanulást alkalmazó tervező és modell prediktív kontrollt alkalmazó végrehajtó fejlesztése. Robusztusság és biztonság garantálása lineáris változó paraméterű irányítás alkalmazásával.
AGV járművek töltésének, rendelkezésre állásának és ütemezésének összehangolása
- Belső logisztikai feladatokat ellátó autonóm szállítójárművek (AGV) esetén alapkövetelmény változó igények mellett is a járművek megfelelő töltöttségének és rendelkezésre állásának biztosítása. A szállítórendszer digitális ikermodelljén végzett számítások és szimuláció segítségével cél olyan ütemezési politika meghatározása, amely megvalósítja a rendszer működésék fenti, ellentétes kritériumok szerinti összehangolását.
- A digitális ikermodellen végzett szimulációs vizsgálatok mellett valódi tapasztalat nyerhető a SZTAKI győri Ipar 4.0 mintarendszerében működő autonóm járművek dokkolással kiegészített töltésének megvalósításával. Itt cél olyan dokkoló megvalósítása, amely egyben a pozicionáló rendszer kalibrálást is lehetővé teszi. Ezáltal a teljes rendszer digitális ikermodellje időről időre frissíthető a fizikai mérésekből származó információkkal.