RTT-GSD 09/IINF-04

2 giorni fa

Smart working, Italia Università degli Studi di Trieste Tempo pieno

pTipologia di impegno didattico: /ppL’impegno didattico del ricercatore, nell’ambito del settore scientifico-disciplinare, sarà rivolto allo svolgimento di attività di insegnamento coerenti con i contenuti fondanti del settore, con particolare riferimento alla teoria dei sistemi dinamici, al controllo automatico, ai metodi di controllo avanzato e alle tecniche data-driven e learning-based. L’attività didattica comprenderà la titolarità o il supporto a corsi di laurea triennali, magistrali e di dottorato, con insegnamenti inerenti al controllo dei sistemi complessi, alla robotica, ai sistemi autonomi e all’integrazione tra automazione e intelligenza artificiale. Sarà inoltre richiesto il contributo alla progettazione di percorsi formativi in-novativi, anche in lingua inglese, con attenzione agli sviluppi più recenti del settore, quali digital twin, sistemi multi-agente e applicazioni industriali avanzate. Il ricercatore sarà altresì impegnato nelle attività di tutorato e supervisione di tesi di laurea e di dottorato, favorendo l’integrazione tra didattica e ricerca e promuovendo un approccio metodologico orientato alla risoluzione di problemi reali, anche in collaborazione con il contesto industriale. /ppTipologia di impegno scientifico: /ppL’impegno scientifico richiesto al ricercatore si inserisce, in collaborazione con Fincantieri secondo quanto definito in apposita convenzione, nel contesto dell’automatica, dell’intelligenza artificiale e dei sistemi dinamici complessi, con particolare riferimento allo sviluppo di metodologie avanzate di controllo data-driven e learning-based per sistemi reali, caratterizzati da incertezza, non linearità e vincoli operativi. L’attività comprenderà la progettazione, l’analisi e la validazione di algoritmi di controllo basati su reinforcement learning, model predictive control e tecniche di controllo model-free, con attenzione al problema del trasferimento sim-to-real e all’integrazione tra modelli e dati. Particolare rilievo sarà dato allo studio di sistemi multi-agente e robotici, inclusi droni epiattaforme autonome, anche nell’ambito di architetture digital twin e ambienti simulativi avanzati, con applicazioni in scenari industriali complessi. In tale prospettiva, si prevede in particolare un contributo significativo alla digitalizzazione e automazione dei processi di produzione dei mezzi navali, attraverso lo sviluppo di soluzioni intelligenti per il monitoraggio, la coordina-zione e il controllo di flotte di sistemi autonomi e per l’ottimizzazione delle operazioni produttive e logistiche. L’attività si svolgerà in stretta sinergia con contesti interdisciplinari e collaborazioni nazionali e internazionali, favorendo il trasferimento tecnologico e l’impatto applicativo dei risultati della ricerca. /p #J-18808-Ljbffr