Il Dipartimento di Elettronica, Informazione e Bioingegneria del Politecnico di Milano è partner del progetto ELO-X, che mira a sviluppare tecniche avanzate di ottimizzazione e di apprendimento automatico per sistemi industriali, formando al contempo 15 dottori di ricerca per guidarne i processi di sviluppo e di trasferimento tecnologico.
ELO-X ha una durata di quattro anni, ed è finanziato dalla Commissione Europea nell'ambito dei prestigiosi progetti Marie Skłodowska Curie con un contributo di 4,5 milioni di euro.
Il progetto è coordinato dall’Università di Friburgo e vi partecipano l’ETH di Zurigo e il Politecnico di Milano, che formeranno 3 dei 15 ricercatori finanziati, insieme ad altre prestigiose università e aziende: EPF di Losanna, KU Leuven, Politecnico di Bucarest, Bosch, Siemens Industrial Software, Atlas-Copco, Tool-TEMP, e la startup italiana ODYS.
Nel progetto, l'unità di ricerca del Dipartimento di Elettronica, Informazione e Bioingegneria del Politecnico di Milano, coordinata dal Prof. Lorenzo Fagiano e dal Prof. Riccardo Scattolini, svilupperà metodi per incorporare in modo efficiente l’uso di reti neurali ricorrenti in strategie di controllo predittivo, consentendo così l'uso di tecniche di apprendimento automatico anche in applicazioni critiche per la sicurezza, nonché metodi per progettare sistematicamente architetture di controllo multi-livello per sistemi autonomi, in cui l'ottimizzazione numerica e l'apprendimento automatico sono impiegati a diverse scale temporali e con varie priorità tra livelli gerarchici interagenti.
Questi metodi saranno applicati a tecnologie innovative, come droni ad ala rotante per applicazioni civili e sistemi di energia eolica di alta quota, così come in applicazioni civili e industriali, tra cui l'ottimizzazione di complessi sistemi di controllo del clima per edifici.
Il gruppo di ricerca del Dipartimento di Ingegneria Meccanica e di Processo dell’ETH di Zurigo si concentrerà invece sullo sviluppo di algoritmi decisionali basati sull'ottimizzazione, che possono adattarsi continuamente a nuovi dati e informazioni in ambienti mutevoli, bilanciando le necessità di esplorazione dell’ambiente e di miglioramento delle prestazioni e garantendo sempre la sicurezza durante il funzionamento. Gli algoritmi sviluppati saranno implementati con tecniche efficienti e utilizzati in applicazioni innovative, quali la guida autonoma di veicoli.