Ewch i’r prif gynnwys

Yn ystod y blynyddoedd diwethaf gwelwyd cynnydd sylweddol o ran roboteg a deallusrwydd artiffisial, fel bod robotiaid a pheiriannau yn gallu cyflawni tasgau heriol yn awtonomaidd. Gall ymchwil mewn roboteg a deallusrwydd artiffisial greu effaith enfawr ar ddiwydiant ac ar y gymdeithas, trwy ddatblygu atebion ar y cyd i heriau sy’n cael eu gyrru gan y byd go iawn.

Mae'r grŵp Roboteg a Pheiriannau Deallus Awtonomaidd(RAIM) yn cynnal ymchwil sylfaenol i lywio a thrin awtonomaidd, golwg peiriannol/synhwyro craff, a mwy, a hynny i greu robotiaid awtonomaidd a systemau deallus sy’n gallu ymdrin â phroblemau heriol mewn amgylcheddau heb strwythur, gan gynnwys gofal iechyd, ynni, amaethyddiaeth, gweithgynhyrchu, a gwyddor yr amgylchedd.

Mae gennym bedwar prif aelod a mwy na 13 aelod cyswllt o bob disgyblaeth yn yr Ysgol Beirianneg. Oherwydd ein hystod eang o arbenigedd, gallwn gymhwyso ein gwaith mewn sawl maes ymchwil sy’n cael effaith fawr. Mae rhai o’r rhain yn cynnwys:

  • canfyddiad robotiaid a dysgu gan robotiaid
  • llywio a thrin awtonomaidd
  • cydweithredu rhwng robotiaid a bodau dynol
  • golwg robotiaid a pheiriannol
  • synhwyro clyfar a phrosesu signalau

Ymchwil

Ein nod yw rhoi lefel uwch o awtonomi i systemau di-griw, gan roi’r gallu i fod yn fwy ymwybodol o sefyllfaoedd, lleoleiddio a mapio, synhwyro aml-foddol, dysgu gan robotiaid, trin awtonomaidd, cynllunio llwybrau, a chydweithio rhwng robotiaid a bodau dynol. Mae hyn yn cynnwys canfyddiad robotiaid, lle rydym yn anelu at wella gallu gwybyddol robotiaid trwy ddefnyddio galluoedd canfyddiadol uwch, megis y golwg, i ddeall amgylcheddau a dehongli ystumiau bodau dynol.

Mae ein meysydd ymchwil presennol yn cynnwys:

Canfyddiad a dysgu gan robotiaid

Rydym yn rhagweld gallu gwybyddol uwch ymhlith robotiaid trwy ddefnyddio galluoedd canfyddol aml-foddol uwch, a hunanddysgu parhaus, er mwyn deall yr amgylchedd mewn tri dimensiwn, rhagweld sefyllfaoedd drwy ddysgu peirianyddol, a chefnogi pobl wrth iddynt wynebu problemau go iawn. Mae hyn yn cynnwys:

  • prosesu gan synwyryddion deallus/ymasiad synwyryddion ar gyfer synwyryddion amlfodd, megis camerâu cyfrifiadurol a Lidar, ar gyfer mapio amgylcheddol a lleoleiddio gan robotiaid, gan gynnwys amgylcheddau nad ydynt yn gallu defnyddio GPS
  • dysgu a chynllunio gan robotiaid ar gyfer atebion llywio diogel a dibynadwy ar gyfer systemau awtonomaidd a robotiaid symudol i weithredu mewn amgylcheddau byd go iawn sy'n hanfodol i ddiogelwch, yn ddeinamig, a heb strwythur
  • dysgu a chynllunio gan robotiaid ar gyfer tasgau trin awtonomaidd, fel cydosod robotig a chynllunio symudiadau.

Cydweithrediad rhwng robotiaid a bodau dynol

Mae ein gwaith yn y maes hwn yn cyflwyno bodau dynol i ddolen rheolaeth robotig, gan gyflwyno heriau mwy technegol fel:

  • dealltwriaeth amgylcheddol drwy adnabod gwrthrychau gweledol ac adnabod osgo ar gyfer cydio a thrin mewn man gweithio heb strwythur
  • monitro ymddygiad dynol a’i ddeall
  • cynllunio tasgau ar y cyd ar gyfer robotiaid a bodau dynol, neu fwy nag un robot
  • rhaglennu robotiaid trwy arddangos, lle mae robotiaid yn dysgu sgiliau newydd trwy arsylwi arddangos gan weithredwyr dynol.

Monitro iechyd strwythurol awtonomaidd

Mae gennym brofiad helaeth mewn monitro iechyd strwythurol (SHM), yn benodol allyriadau acwstig ac acwsto-uwchsoneg. Ein nod yw datblygu atebion ar gyfer SHM awtonomaidd, trwy integreiddio ein system allyriadau acwstig pŵer isel a diwifr mewn systemau awtonomaidd. Byddai hyn yn lleihau’r gofynion o ran nifer y synwyryddion sydd eu hangen i fonitro strwythurau mawr megis pontydd neu dyrbinau, ac integreiddio deallusrwydd artiffisial er mwyn optimeiddio’r gwaith o gasglu, rheoli a holi data.

Modelau dysgu dwfn

Mae poblogrwydd gwyliadwriaeth fideo a'r cynnydd helaeth mewn cynnwys fideo ar y we wedi golygu mai fideo yw un o'r adnoddau data sy'n tyfu gyflymaf. Mae dulliau dysgu dwfn wedi bod yn llwyddiannus mewn llawer o feysydd golwg cyfrifiadurol, gan gynnwys adnabod gweithredu a gweithgarwch dynol. Fodd bynnag, er mwyn bod yn hyderus wrth ragfynegi, mae angen i'w penderfyniadau fod yn dryloyw ac yn esboniadwy. Nod ein hymchwil yn y maes hwn yw datblygu algorithmau sy'n gallu esbonio'r penderfyniadau y mae’r dulliau dysgu dwfn yn eu gwneud, yn benodol wrth eu cymhwyso i adnabod gweithgarwch dynol. Mae'r ymchwil hwn yn ganlyniad i gydweithio â'r Ysgol Cyfrifiadureg a Gwybodeg.

Prosiectau

Prosiect: PHYDL: Dysgu Gwahaniaethol ar sail Ffiseg ar gyfer Triniaeth Robotig o Gyfryngau Gludiog a Gronynnog

  • Ze Ji, Yukun Lai
  • Ariannwr: EPSRC New Horizons
  • Hydref 2022 – Hydref 2024
  • Gwerth: 250k

Prosiect: Dysgu Atgyfnerthu ar gyfer llywio awtonomaidd gyda lleoleiddio sy’n seiliedig ar GNSS

  • Ze Ji
  • Ariannwr: Spirent Communications
  • Gwerth: £32,000
  • 2021 – 2024

Prosiect: BIM a Gefeilliaid Digidol i gefnogi’r gwaith o Arolygu Strwythurol Pontydd Clyfar

  • Haijiang Li, Ze Ji, Abhishek Kundu
  • Ariannwr: Innovate UK/KTP (gyda phartner yn y diwydiant: Centregreat Rail)
  • Medi 2021 – Medi 2024
  • Gwerth: £280,000

Prosiect: DIGIBRIDGE: Gefeilliaid digidol wedi'u llywio gan ffiseg sy’n cefnogi gwaith cynnal a chadw pontydd clyfar

  • Haijiang Li, Abhishek Kundu, Ze Ji
  • Partneriaid yn y diwydiant: Centregreat Rail, Crouch Waterfall, Centregreat Engineering)
  • Ariannwr: SmartExpertise/WEFO
  • Gwerth: £111,884
  • Tachwedd 2021 - Rhagfyr 2022

Prosiect: Dysgu Gweithredol gan Robotiaid ar gyfer Trin Deunyddiau Gronynnog a Gludiog drwy Dynnu, Ffurfio ac Ychwanegu

  • Ze Ji
  • Ariannwr: Y Gymdeithas Frenhinol
  • Mawrth 2020 - Mawrth 2022
  • £17,812

Prosiect: Gweithgynhyrchu Ychwanegion a Roboteg i Gefnogi Gwell Ymateb i Hyblygrwydd Cynyddol

  • Gwerth: £232,012
  • Ariannwr: WEFO (trwy ASTUTE), yn cydweithio â Continental Teves
  • Chwefror 2018 – Chwefror 2019
  • Rossi Setchi, Ze Ji

Prosiect: Ailadeiladu a nodweddu ymddygiadau tasgu ar ffurf 3D mewn prosesu SLM drwy gyfuno delweddau o gamerâu niferus.

  • Gwerth: £40,000
  • Ebrill 2019 – Ebrill 2020
  • Ze Ji, Samuel Bigot, Rossi Setchi

Prosiect: Gwthio ffiniau delweddu arwyneb 3D seiliedig ar olwg.

  • Ze Ji, Jing Wu, Rossi Setchi
  • £40,000,
  • Ariannwr: Renishaw a Chronfa Partneriaid Strategol Caerdydd,
  • Ebrill 2018 - Ebrill 2019

Prosiect: SRS - System roboteg cysgodi aml-rôl ar gyfer byw'n annibynnol

  • Prosiect FP7 yr UE,
  • EUR 5 136 039,
  • Ariannwr: Comisiwn y Cymunedau Ewropeaidd,
  • Chwefror 2010 – Chwefror 2013

Prosiect: IWARD - Heidio robotiaid deallus ar gyfer presenoldeb, adnabod, glanhau a danfon

  • Cyfanswm cost: EUR 3 880 067,
  • Ariannwr: Comisiwn y Cymunedau Ewropeaidd,
  • Ionawr 2007 - Ionawr 2010

Cwrdd â'r tîm

Arweinydd grŵp

Picture of Ze Ji

Dr Ze Ji

Uwch Ddarlithydd (Addysgu ac Ymchwil)

Telephone
+44 29208 70017
Email
JiZ1@caerdydd.ac.uk

Aelodau'r grŵp

Picture of Yulia Hicks

Dr Yulia Hicks

Uwch Ddarlithydd - Addysgu ac Ymchwil

Telephone
+44 29208 75945
Email
HicksYA@caerdydd.ac.uk
Picture of Seyed Amir Tafrishi

Dr Seyed Amir Tafrishi

Darlithydd mewn Roboteg a Systemau Ymreolaethol

Telephone
+44 29208 76176
Email
TafrishiSA@caerdydd.ac.uk

Aelodau cysylltiol

Picture of Samuel Bigot

Dr Samuel Bigot

Darllenydd - Pennaeth Rhyngwladol Peirianneg Fecanyddol a Meddygol

Telephone
+44 29208 75946
Email
BigotS@caerdydd.ac.uk
Picture of Daniel Gallichan

Dr Daniel Gallichan

Darlithydd mewn Delweddu Meddygol

Telephone
+44 29208 70045
Email
GallichanD@caerdydd.ac.uk
Picture of Ze Ji

Dr Ze Ji

Uwch Ddarlithydd (Addysgu ac Ymchwil)

Telephone
+44 29208 70017
Email
JiZ1@caerdydd.ac.uk
Picture of Abhishek Kundu

Dr Abhishek Kundu

Uwch Ddarlithydd - Addysgu ac Ymchwil

Telephone
+44 29208 75953
Email
KunduA2@caerdydd.ac.uk
Picture of Jonny Lees

Dr Jonny Lees

Pennaeth Adran, Peirianneg Drydanol ac Electronig
Darllenydd

Telephone
+44 29208 74318
Email
LeesJ2@caerdydd.ac.uk
Picture of Agustin Valera Medina

Yr Athro Agustin Valera Medina

Cyd-gyfarwyddwr y Sefydliad Arloesi Sero Net
Athro - Addysgu ac Ymchwil

Telephone
+44 29208 75948
Email
ValeraMedinaA1@caerdydd.ac.uk
Picture of Jianzhong Wu

Yr Athro Jianzhong Wu

Pennaeth yr Ysgol, Peirianneg.

Telephone
+44 29208 70668
Email
WuJ5@caerdydd.ac.uk
Picture of Yue Zhou

Dr Yue Zhou

Darlithydd mewn Systemau Seiber Ffisegol

Email
ZhouY68@caerdydd.ac.uk

Cyfleusterau

Labordy Roboteg a Systemau Awtonomaidd

Sefydlwyd y Labordy Roboteg a Systemau Awtonomaidd yn 2016 ac fe'i rheolir gan Dr Ze Ji. Mae'n darparu cyfleusterau robotig blaengar, gan gynnwys dau robot cydweithredol Kuka LBR iiwa, un triniwr symudol Robotnik VOGUE+, tri robot symudol Kuka (Youbot), nifer o Turtlebots, quadcopters a llawer o synwyryddion datblygedig, megis camerâu 3D manylder uwch (e.e., golwg golau strwythuredig a stereo), Lidar, RTK GPS, a PCB i gefnogi ystod eang o weithgareddau ymchwil.

Offer yn y labordy

  • Robotnik Vogue+:
  • Kuka Youbot (x3)
  • Robotiaid Cydweithredol Kuka iiwa lbr (x2)
  • Camerâu manylder uwch:
    • Camera 3D Zivid
    • Camera 3D Roboception Stereo
    • Camerâu RealSense
    • Camerâu diwydiannol (GigE)
  • Delweddu arwyneb 3D diffiniad uchel ar raddfa fawr yn seiliedig ar robotiaid (Stereo Ffotometrig Aml-olwg
  • Dronau Cydweithredol Awtonomaidd ac USVs (Cerbydau Arwyneb Di-griw)

Labordy Technoleg Ffactorau Dynol

Labordy rhyngddisgyblaethol yw hwn a sefydlwyd rhwng yr Ysgolion Peirianneg, Cyfrifiadureg a Gwybodeg a Seicoleg o dan gyfarwyddydDr Yulia Hicks,yr Athro David Marshalla'rAthro Simon Rushtonyn y drefn honno.

Mae'r cyfarpar allweddol yn cynnwys:

  • Systemau Dal Symudiadau gan gynnwys system 16 Camera 480Hz marciwr isgoch Phasespace 80 (Traciwr 3 Person) a sawl traciwr electromagnetig.
  • Camera Fideo Lliw 3dMD 4D gyda Chyfradd Ffrâm 100Hz a lliw + allbwn pwyntiau 3D.
  • Cyfrifiaduron personol pwerus gyda GPUs lluosog.

Rhagor o wybodaeth am y Labordy Technoleg Ffactorau Dynol.

Camau nesaf

Ymchwil sy’n gwneud gwahaniaeth

Mae ein hymchwil yn gwneud gwahaniaeth i fywydau pobl wrth i ni gweithio ar draws disgyblaethau er mwyn ymgodymu â phrif heriau sy’n wynebu’r gymdeithas, yr economi ac ein hamgylchedd.

Ymchwil ôl-raddedig

Mae ein graddau ymchwil yn rhoi'r rhyddid i chi i archwilio pwnc arbennig mewn dyfnder ymhlith ymchwilwyr blaenllaw.

Ein heffaith ymchwil

Mae'r astudiaethau achos hyn yn rhoi sylw i rai o'r meysydd lle rydym yn cael effaith ymchwil gadarnhaol.