Resilient Reasoning Robotic Co-operating Systems (R3-COP)
Az autonóm rendszerek lesznek a beágyazott rendszerek egyik fontos megjelenési formái a közeljövőben, pusztán azért is, mert az alkalmazási területük rendkívül szerteágazó, az otthoni alkalmazásoktól a közlekedésig és gyártásig sok mindenre kiterjed. Ennek megfelelően az autonóm rendszereket az ARTEMIS SRA egyik célpontjaként azonosították.
Manapság azonban túl sok különböző megközelítés és platform létezik, így az ilyen rendszerek megvalósítása nem gazdaságos (kivéve a gyártósorokat, ahol a robotok használata már elterjedt)). Emellett, ahogy az ilyen rendszerek egyre inkább egy területen dolgoznak és együttműködnek emberekkel, egyre sürgetőbbé válik, hogy olyan módszereket dolgozzunk ki, amik garantálják az intelligens autonóm rendszerek szolgáltatásbiztonságát, ezen belül biztonságosságát és robusztusságát. A projekt célja intelligens számítási platform valamint olyan tesztelési és értékelési módszerek kidolgozása, amelyek hatékonyan alkalmazhatók komplex autonóm rendszerek esetén.
A projektben a BME célkitűzései a következő területekre fókuszálnak:
1. Beágyazott intelligencia kutatása: A gépi tanulás alapvető szerepe beágyazott rendszerekben az intelligens és robusztus viselkedés biztosítása olyan körülmények esetén is, amelyek tervezési időben nem teljes körűen átláthatók. A gépi tanulással kapcsolatos kutatások a különböző algoritmusok és eszközök lehetőségeinek és korlátainak megállapításával kapcsolatos szakértői tudást terjesztik ki. A gépi tanulás ez alapján megjelenik majd a működő rendszer komponenseiben.
2. Autonóm rendszerek scenario alapú tesztelése: A scenario (forgatókönyv) alapú tesztelés célja algoritmusok és eszközök kidolgozása a kooperáció és az autonóm működés automatikus tesztelésére. A cél elérése érdekében új teszt fedettségi mértékek és egy új scenario nyelv kidolgozása valósul meg, ami támogatja a kontextusváltás, az adaptív viselkedés és a kooperáció leírását. A scenariok alapján a robusztusság tesztek generálása automatikusan történik majd, figyelembe véve a hibamintákat, a szélsőséges környezeti hatásokat és az extrém viselkedést.
