Tecnologie multispettrali non a contatto basate su IA per tutela ambientale ed economia circolare
Partners: Novasis Innovazione S.r.l. – Fondazione Links – Cogne Acciai Speciali Spa – Fondazione Clement Fillietroz Onlus

Il progetto EMERALD si pone l’obiettivo di ricercare soluzioni innovative sensoristiche e di visione iper emulti spettrali, non a contatto, abbinate all’utilizzo di algoritmi basati su intelligenza artificiale implementati su piattaforme di edge computing, al fine di individuare e classificare oli minerali, materiali plastici e rifiuti tessili negli ambiti della tutela e monitoraggio ambientale nonché dell’economia circolare. Più in dettaglio, verranno realizzati alcuni prototipi integrati in tre contesti applicativi: UC1, individuazione e classificazione automatica di lubrificanti, oli ed emulsioni derivanti da sversamenti accidentali nel sistema idrico interno nell’impianto di trattamento del partner CAS(stabilimento di Aosta, prototipo di TRL 7); UC2, classificazione automatica di plastiche mediante l’impiego di un nastro trasportatore e di un sensore remotizzato movimentato da robot antropomorfo;UC3, classificazione automatica di rifiuti tessili mediante l’impiego di un nastro trasportatore e un sensore in fibra movimentato da robot antropomorfo. Gli UC 2 e 3 saranno dimostrati nel Tech Vision Lab Novasis, con prototipi di TRL 6, e simulazione di ambiente industriale grazie al supporto dei partner esterni del progetto, Proplast e Retex.Green.

Risk of Inundation and Landslide Environmental monitoring
Partners: Hextra Srl – Fastalp Srl – Università della Valle d’Aosta

La Strategia di Specializzazione Intelligente (S3) regionale evidenzia l’importanza del monitoraggio del territorio per garantire sicurezza e conoscenza dei fenomeni ambientali, promuovendo lo sviluppo di tecnologie innovative per proteggere le risorse naturali. Il progetto R.I.S.E. (Risk of Inundation and Landslide Environmental monitoring) risponde a questa sfida con un approccio integrato che combina soluzioni tecnologiche avanzate e studi sulle dinamiche cognitive e sociali. Il sistema si basa sull’integrazione dei dati provenienti da ISPRA, Protezione Civile e sensori IoT sviluppati nel progetto e posizionati capillarmente sul territorio. Questi dati vengono elaborati da una piattaforma avanzata che, tramite algoritmi sviluppati nel progetto, genera punteggi di rischio per segnalare le criticità ai soggetti locali. Lo studio sulla percezione del rischio, parte integrante del progetto, non si limita a valutare la consapevolezza dei cittadini, ma guida il design delle modalità di comunicazione delle allerte. Questo garantisce che le informazioni elaborate dalla piattaforma siano trasmesse in modo chiaro, efficace e calibrato sulle esigenze del territorio, integrando tecnologia e sensibilizzazione per un monitoraggio più avanzato e una gestione più consapevole dei rischi.

Ottimizzazione Integrata per lo Stampaggio Plastico Sostenibile §
Partners: Qtool Srl – Politecnico di Torino – Eltek Srl – Honestamp Srl

Il Progetto mira a sviluppare soluzioni innovative per la simulazione di geometrie estremamente complesse e la prototipazione avanzata, con ricadute significative in diversi settori industriali. Una parte fondamentale riguarda l’ottimizzazione del condizionamento termico degli stampi, ottenuta grazie a metodi numerici multi-scala in grado di gestire flussi e scambi termici in configurazioni complesse. Parallelamente, è prevista la progettazione di dispositivi micro fluidici monouso per antibiotici mirati, affrontando la sfida della resistenza antimicrobica. La collaborazione tra università (PoliTo) e imprese (QTool, Eltek, Honestamp) permette di integrare competenze diverse: ricerca accademica, software e ottimizzazione di processo, analisi sostenibilità(LCA), prototipazione in ambienti industriali. Ogni partner contribuisce con specifiche risorse e know-how, garantendo un approccio sinergico in cui modelli avanzati, sistemi software, prototipi fisici e validazioni in campo si completano a vicenda. L’obiettivo finale è fornire soluzioni altamente performanti, ecocompatibili e immediatamente trasferibili nel tessuto produttivo.

Sistema di Monitoraggio Avanzato di Infrastrutture di Linea in Artificial Intelligence 
Partner: Blue Engineering s.r.l. – Politecnico di Torino

Il progetto prevede la realizzazione di un sistema evoluto assistito da algoritmi di Intelligenza Artificiale e funzioni di Computer Vision, di monitoraggio di linee elettriche di media e bassa tensione e di infrastrutture civili di servizio alla cittadinanza su reti ripartite sul territorio (come gli impianti di risalita), e basato operativamente su droni in grado di svolgere autonomamente e automaticamente(senza assistenza umana) le mansioni di rilevamento, riconoscimento di ostacoli e minacce di impatti futuri, potenziali malfunzionamenti e disfunzioni in formazione, operando in auto ricarica e scaricamento dati, permettendo di rendere più sicure ed efficienti le operazioni di rilevamento e controllo e di incrementarne la frequenza grazie ai minori costi ed alla maggiore agilità complessiva; questo consentendo quindi ai tecnici specializzati di effettuare interventi mirati, anche in senso preventivo grazie alla identificazione di problemi funzionali in evoluzione, solo dove e quando necessario, con l’obiettivo di ridurre l’impiego dell’uomo nei compiti a basso valore aggiunto e routinari.

Energia e Turismo in Aree Montane Fragili: Strategie e misurazioni per il Decoupling
Partners: CVA Spa – Università della Valle d’Aosta

Con l’attuale modello di sviluppo, la crescita della popolazione presente nel territorio valdostano (dovuta all’afflusso turistico) genera una (più che proporzionale) crescita delle emissioni di gas inquinanti (ad es. per climatizzazione e la mobilità), assieme ad una significativa produzione di rifiuti solidi. Questi fenomeni mettono in crisi un territorio fragile come quello valdostano e la sua sostenibilità ambientale. Il progetto mira a realizzare il disaccoppiamento (decoupling) tra afflusso turistico e produzione di inquinanti, per conciliare sviluppo economico e salvaguardia dell’ambiente. Il progetto ha le seguenti finalità: minimizzare i consumi energetici da fonti fossili e la produzione di inquinanti; favorire l’utilizzo di risorse rinnovabili (per il comfort abitativo e per il trasporto). L’obiettivo viene raggiunto attraverso la realizzazione di un approccio integrato basato su dati ambientali, energetici e turistici; l’uso di simulazioni ad agenti integrate con avanzati metodi statistici; la realizzazione di scenari di consumo; la proposta di linee guida per ridurre l’impatto energetico del turismo; la sensibilizzazione degli operatori turistici. L’obiettivo finale è contribuire a realizzare un modello di sviluppo turistico a zero emissioni.

Efficientamento dell’autotrazione avanzata attraverso algoritmi di machine learning
Partners: Podium Engineering Srl

Sistema di Machine Learning per il Adattamento e il Real-Time del Trazione e della Dinamica dei Veicoli, con ottimizzazione per l’Innovazione e la Validazione Energetica Progetto di Sviluppo di un Sistema di Controllo Basato su Machine Learning per Veicoli Avanzati: Il progetto vuole sviluppare un sistema di controllo innovativo per veicoli, basato su algoritmi di machine learning, che permettono al sistema di apprendere e adattarsi a condizioni variabili senza essere programmato in modo esplicito. L’obiettivo è creare un modello capace di simulare il comportamento del veicolo in real-time, stimando dinamica, consumo energetico e distribuzione delle forze. Il sistema ottimizza i controlli della powertrain, come traction control, torque vectoring e frenata rigenerativa, per massimizzare l’efficienza energetica. Il sistema verrà implementato su una centralina automotive et estato con la tecnica hardware-in-the-loop (HIL), che consente di validare il software interfacciandolo con hardware reale in scenari simulati. Infine, le prestazioni saranno validate in un simulatore di guida, dove un pilota verificherà l’efficacia del sistema in condizioni dinamiche, confermando i miglioramenti ottenuti.

Mobilità in una logica di navigazione urbana sostenibile
Partners: TI Telematica informatica Srl – Fastalp Srl

Il progetto prevede lo sviluppo di una soluzione dedicata alla Pianificazione Urbana sostenibile che, intende migliorare l’utilizzo dei trasporti privati ai fini di ridurre l’impatto ambientale, migliorando al contempo la qualità della vita nelle città. Si basa su un approccio integrato che considera diversi aspetti, tra cui l’efficienza energetica, la riduzione delle emissioni inquinanti, la valorizzazione dello spazio pubblico e del benessere dei cittadini. Tale applicazione digitale prefigge l’obiettivo di gestire la disponibilità di spazi urbani di stallo mediante gemelli digitali (parcheggi coperti, parcheggi raso, parcheggi privati, spazi di raccolta) e collegarne la mobilità degli utenti in una logica di navigazione urbana sostenibile in funzione della disponibilità degli spazi di parcheggio, in modo efficiente e ecologicamente sostenibile. Tale obiettivo prevede l’utilizzo del mezzo e la sua conduzione in funzione di una sicura e certa riservazione dello spazio di parcheggio/stallo attraverso una piattaforma web e app mobile, unito all’ IOT; Tale Applicazione si colloca nel perimetro delle Tecnologie innovative per lo Sviluppo di app per la mobilità, sistemi di gestione del traffico intelligenti, in perfetta confluenza con la futura mobilità dei veicoli autonomi.

W_Plus_Mappatura sicura del territorio
Partners: Akhet Srl – Ingeolab Srl

Archeologia preventiva e bonifica bellica: due procedure obbligatorie e tra loro interferenti che rientrano nella fase autorizzativa della progettazione di opere pubbliche e di pubblica utilità. Hanno diversi punti in comune ma sono spesso  svolte in parallelo o, nella maggior parte dei casi, in sequenza. Ogni anno vengono rivenuti circa 60.000 ordigni bellici di diverso tipo, dal proiettile d’artiglieria alle mine, granate, bombe a mano inesplose e altre munizioni di armi pesanti sepolte dalle truppe in ritirata. La loro presenza rappresenta un grave pericolo per la popolazione e ostacola lo sviluppo di infrastrutture. Inoltre, le attuali tecniche di bonifica sono lente e costose. Il progetto W_Plus vuole cambiare radicalmente questo approccio. L’idea è quella di integrare le due procedure, creando un sistema intelligente in grado di analizzare i dati provenienti da diverse fonti (mappe e fotografie storiche, immagini satellitari, ecc.) al fine di individuare le aree a maggior rischio in modo molto preciso. L’utilizzo di algoritmi di intelligenza artificiale permetterà di selezionare la tipologia di indagine più adatta a ciascuna area, ottimizzando così le risorse. In questo modo, si potranno concentrare le indagini solo dove sono davvero necessarie, riducendo costi e tempi.