DEEP IIoT

Type de projet

Durée

Site officiel

Le projet en quelques lignes

IoT-NGIN introduit de nouveaux concepts de recherche et d’innovation, agissant comme le « moteur de l’Internet des Objets (IoT) » qui alimentera la prochaine génération d’IoT dans le cadre de l’Internet de Nouvelle Génération européen (Next Generation Internet – NGI).

IoT-NGIN révèle une méta-architecture basée sur des motifs (patterns) qui englobe les architectures IoT évolutives, existantes et futures. Le projet optimise également les communications IoT/M2M et 5G/MCM, notamment grâce à l’utilisation de microservices sécurisés dès la conception, afin d’étendre le paradigme de l’edge cloud.

En outre, il permet aux systèmes IoT de devenir auto-adaptatifs et autonomes, via des techniques d’apprentissage fédéré préservant la vie privée, ainsi que par l’intelligence ambiante avec support en réalité augmentée pour les utilisateurs humains. La cybersécurité distribuée et la protection de la vie privée dans l’IoT, utilisant par exemple des identités auto-souveraines et des technologies de registres distribués interconnectés (DLTs) pour implémenter des jumeaux numériques au niveau méta, comptent également parmi les priorités clés du projet.

La solution proposée permettra au consortium IoT-NGIN d’intégrer une plateforme de prototypage industriel IIoT, s’inscrivant dans l’écosystème 6TRON, et de développer une nouvelle famille de composants IIoT compatibles avec la méta-architecture IoT-NGIN. Cela aura un impact direct sur les PME européennes.

La solution apportée soutiendra les PME dans le cadre de l’appel à projets ouvert n°2, en leur offrant un environnement de prototypage industriel rapide permettant de réduire les coûts, les délais et les efforts liés à l’industrialisation.

Le projet DEEP IIoT accompagnera CATIE dans sa feuille de route 6TRON et ses travaux sur les technologies d’IA embarquée, permettant à court terme le développement de :

• Stratégies d’apprentissage sobres en données, capables à la fois de minimiser la quantité de données nécessaires et de compléter les données existantes ; et au niveau des systèmes embarqués, le développement d’algorithmes d’apprentissage embarqués permettant un apprentissage itératif, régulier, voire fédératif (distribué).

• Outils adaptés au domaine de l’embarqué et développés en Europe : contribuant au développement de chaînes d’outils souveraines, permettant de passer de solutions de prototypage rapide dans le cloud, éventuellement sur des serveurs locaux et privés, à des solutions embarquées optimisant la mise en œuvre, en accompagnant la conception et la configuration des architectures.