Standaard regelaars in aandrijflijnen van voertuigen, industriële machines, robots en andere fysisch dynamische systemen staan door de toegenomen complexiteit voor steeds grotere uitdagingen wat betreft bv. efficiëntie en kwaliteit. In de context van Industrie 4.0 is meer aanpassingsvermogen en autonomie vereist dan kan worden verkregen via traditionele regelaars. Hoewel AI in meerdere industriële sectoren een revolutie teweegbrengt, blijven voorbeelden waarin AI-technieken zoals ‘reinforcement learning’ (RL), (kW) vermogens en dynamische (in de orde (m)s)) fysische systemen direct aansturen bijzonder beperkt. Door af te stappen van traditionele regelaars, die weliswaar veilig zijn maar moeilijk aanpasbaar, en RL te gebruiken, zullen toekomstige regelaars in staat zijn om te leren en zich aan te passen. Dure en

onveilige experimenten op fysische systemen, zoals gebruikelijk in RL, dienen hierbij echter vermeden. We stellen daarom een fundamenteel nieuwe benadering voor die zich bevindt op het snijvlak van klassieke controle en RL (CTRLxAI). Naast het bieden van verhoogde efficiëntie en performantie (thrust) van de regelaars, wensen we de betrouwbaarheid (trust) te versterken op vlak van steekproefefficiëntie, robuustheid, veiligheid en uitlegbaarheid; allen cruciale voorwaarden voor brede industriële adoptie. Zo realiseren we onze visie CTRLxAI=T(H)RUST. Het project zal zich focussen op baanbrekende concepten die de huidige ‘state of the art’ voorbijstreven, en een antwoord bieden op de relevante uitdagingen die werden aangegeven door de industriële adviesraad. Om de adoptie in de industrie te stimuleren, zullen de baanbrekende CTRLxAI-resultaten worden gevalideerd tot TRL4-5. Het verder ontwikkelen van de projectresultaten zal Vlaamse bedrijven in staat stellen hun concurrentiekracht te vergroten en hun productievoetafdruk te verlagen, waardoor de uitstoot van CO2 en

andere broeikasgassen per capita wordt verlaagd en bijgedragen wordt tot SDG13.