AUTOMATA

Il progetto di ricerca: AUTOMated enriched digitisation of Archaeological liThics and cerAmics

Il progetto AUTOMATA, finanziato nell’ambito del programma europeo Horizon, sta sviluppando una nuova generazione di workflow assistiti dall’intelligenza artificiale per l’analisi non distruttiva dei reperti archeologici. Il progetto riunisce competenze nei settori dell’archeologia, della robotica, della visione artificiale, dell’archeometria e della data science, con l’obiettivo di creare gemelli digitali arricchiti di oggetti fisici attraverso pipeline di acquisizione automatizzate.

Al centro del progetto vi è l’integrazione di modelli 3D, imaging iperspettrale, analisi XRF e spettroscopia Raman in un quadro analitico unificato gestito tramite automazione robotica. L’obiettivo è consentire analisi del patrimonio culturale più rapide, scalabili e riproducibili, preservando al contempo l’integrità di materiali archeologici fragili.

Miningful contribuisce allo sviluppo di flussi di lavoro per l’integrazione dei dati basati sull’intelligenza artificiale e di framework analitici fondati sul machine learning per la digitalizzazione archeologica multimodale. Il suo ruolo è focalizzato sulla progettazione di pipeline computazionali in grado di trasformare output eterogenei provenienti da diversi sistemi di acquisizione in rappresentazioni digitali coerenti, interpretabili e diagnosticamente significative. In particolare, Miningful sviluppa le metodologie di analisi statistica, machine learning e Explainable AI alla base del framework di calibrazione automatica, che comprendono la modellazione degli spazi di feature, l’anomaly detection, la classificazione della qualità delle misurazioni, la stima dell’incertezza e le strategie di feedback adattivo applicate a dataset fotogrammetrici, iperspettrali, XRF e Raman. Attraverso l’integrazione multimodale dei dati, l’apprendimento statistico e approcci di intelligenza artificiale, Miningful contribuisce a colmare il divario tra l’acquisizione grezza dei dati dai sensori e i processi decisionali intelligenti, consentendo la generazione di asset digitali arricchiti che non sono soltanto accurati dal punto di vista geometrico e spettrale, ma anche computazionalmente interpretabili e adatti a successive attività di analisi automatizzata.

Le Challenge

L’analisi e l’interpretazione, nell’ambito dei beni culturali, si basano, tradizionalmente, su flussi di lavoro frammentati che coinvolgono molteplici strumenti, procedure manuali e dataset tra loro scollegati. Ciò comporta diverse limitazioni:

i processi analitici richiedono tempi elevati e risultano difficili da riprodurre;
i dataset multimodali rimangono scarsamente integrati;
le procedure di acquisizione manuale introducono variabilità e vincoli operativi;
la scalabilità delle analisi dei materiali ad alta risoluzione resta limitata.

La sfida di AUTOMATA consiste nella creazione di un ambiente di acquisizione automatizzato e intelligente, capace di generare gemelli digitali arricchiti che combinano informazioni geometriche, chimiche e spettrali all’interno di un unico quadro analitico. Il progetto utilizza sistemi robotici e tecniche di elaborazione dei dati assistite dall’intelligenza artificiale per ridurre la frammentazione dei flussi di lavoro nelle scienze del patrimonio culturale, aumentando al contempo la profondità delle analisi e l’efficienza operativa.

Obiettivi della ricerca

Il progetto si concentra su tre temi di ricerca:

acquisizione multimodale automatizzata, attraverso lo sviluppo di workflow automatizzati in grado di posizionare e acquisire autonomamente i dati dai reperti mediante molteplici tecnologie di rilevamento, tra cui fotogrammetria 3D, imaging iperspettrale, fluorescenza a raggi X (XRF) e spettroscopia Raman;
generazione di gemelli digitali arricchiti, mediante la creazione di rappresentazioni digitali che vanno oltre la semplice ricostruzione geometrica, incorporando direttamente informazioni materiali e chimiche all’interno di modelli tridimensionali spazialmente coerenti;
interpretazione assistita dall’intelligenza artificiale, attraverso lo sviluppo di metodi di machine learning e di tecniche computazionali a supporto della validazione dei dati, del rilevamento di anomalie, della correlazione multimodale e dell’interpretazione di dataset analitici complessi.

Metodi

Il contributo di Miningful all’interno di AUTOMATA è focalizzato sullo sviluppo di metodologie basate su AI per l’integrazione multimodale dei dati, l’arricchimento semantico e la generazione di gemelli digitali intelligenti. Il progetto produce dataset altamente eterogenei provenienti da molteplici sistemi di acquisizione – tra cui geometrie 3D, imaging iperspettrale, misurazioni XRF e spettroscopia Raman – ciascuno caratterizzato da differenti risoluzioni spaziali, strutture del segnale, livelli di incertezza e geometrie di acquisizione. Una delle principali sfide di ricerca consiste nel trasformare questi output analitici frammentati in rappresentazioni digitali coerenti e interpretabili. Per affrontare questa sfida, Miningful contribuisce allo sviluppo di pipeline computazionali progettate per:

allineare spazialmente dati analitici multimodali;
normalizzare output provenienti da sistemi di acquisizione eterogenei;
identificare correlazioni tra caratteristiche spettrali e geometriche;
generare livelli semantici arricchiti all’interno dell’ambiente del gemello digitale.

Il flusso di lavoro basato sull’intelligenza artificiale studia come le tecniche di machine learning e di fusione dei dati possano supportare l’interpretazione automatizzata di signature materiali complesse. A tal fine, il progetto sperimenta metodologie dedicate a:

estrazione multimodale di feature;
riconoscimento di pattern spettrali;
rilevamento di anomalie;
integrazione dei dati che tenga conto dell’incertezza.

Anziché considerare ciascuna modalità di acquisizione come un livello analitico isolato, il sistema mira a creare rappresentazioni interconnesse capaci di collegare morfologia, composizione chimica e caratteristiche dei materiali all’interno di un unico modello computazionale. Uno degli obiettivi principali della ricerca è lo sviluppo di pipeline scalabili assistite dall’intelligenza artificiale, in grado di ridurre lo sforzo interpretativo manuale e, al contempo, aumentare la riproducibilità dei processi analitici. Questo approccio consente il passaggio da semplici ricostruzioni tridimensionali statiche a gemelli digitali intelligenti, capaci di supportare attivamente l’interpretazione archeologica, le analisi per la conservazione e future attività di ricerca. Il framework risultante concepisce i gemelli digitali non semplicemente come repliche visive dei reperti, ma come ambienti analitici dinamici, arricchiti da informazioni sui materiali leggibili e machine-readable.