Bild: Philip Liljenberg, Johnér Bildbyrå AB
Bild: Philip Liljenberg, Johnér Bildbyrå AB
Forskningsprojekt I det här forskningsprojektet utvecklas en fysikinformerad digital tvilling av en bergbrytare som görs autonom med hjälp av djupinlärning.
Målet är att skapa fysikaliskt informerad autonom manipulering av granulerat material. Tanken är att lära en dynamisk modell och det aktuella tillståndet för fragmenterat material i miljön för en mekanisk manipulator. Inlärningen sker i en virtuell miljö där ett stort antal olika material och tillstånd kan representeras, liksom olika manipulatorer och olika sensorer för att skapa syntetiska träningsdata.
Målet med projektet är att utveckla och utforska: i) en digital tvilling till en bergbrytare, det vill säga en simulator som exakt fångar fysiken hos brytare och stenar, och som möjliggör rendering av syntetiska sensordata och maskininlärning genom massiva simuleringar på ett högpresterande datorkluster. ii) olika nivåer av autonom kontroll av bergbrytare genom fysikaliskt informerade djupa neurala nätverk som tränats i en virtuell miljö. iii) lösningar för att överföra observationer i den fysiska domänen till den virtuella (real2sim) och av tränade neurala nätverk som förutsäger åtgärder från den simulerade till den fysiska domänen (sim2real).
