Liikkuvat työkoneet toimivat vaativissa ja riskialttiissa ympäristöissä, kuten metsissä, kaivoksissa ja rakennustyömailla, joissa luotettavuudesta ja turvallisuudesta ei voida tinkiä. Rakenteellisten muutosten toteuttaminen tai autonomiaa lisäävien tekoälyratkaisujen käyttöönottaminen on näissä olosuhteissa erittäin haastavaa.
Mehdi Heydarishahnan väitöstutkimus tarkastelee työkoneiden ohjausjärjestelmiä, sähköistämistä ja autonomian lisäämistä tekoälyn hyödyntämisen ja vihreän siirtymän näkökulmista. Hän ehdottaa energialähteestä riippumatonta ohjausratkaisua liikkuville työkoneille, mikä helpottaa siirtymää dieselhydrauliikasta sähköisiin järjestelmiin. Lisäksi Heydarishahna kehitti hierarkkisia ohjauskäytäntöjä, jotka hyödyntävät oppimispohjaisia komponentteja ja takaavat järjestelmän korkean suorituskyvyn ja turvallisuuden myös haastavissa olosuhteissa ja vikatilanteissa.
Väitöskirja pureutuu myös tekoälyn tulkittavuuteen ja luotettavuuteen, jotka ovat keskeisiä haasteita niin sanotussa mustan laatikon ongelmassa, jossa tekoälyn päätöksenteko on läpinäkymätöntä ja vaikeasti selitettävää. Heydarishahnan ratkaisu ohjaa oppivien moduulien ja hallintalaitteiden välistä vuorovaikutusta, mikä tukee teollisuuden kehittyvää turvallisuusajattelua ja mahdollistaa tekoälyn asteittaisen käyttöönoton käytännön sovelluksissa.
Kahden ja puolen vuoden tutkimustyönsä aikana Heydarishahna suunnitteli ja testasi konseptin useissa raskaan kaluston järjestelmissä, kuten hydraulisessa mobiilirobotissa, sähköistetyssä manipulaattorissa ja hybridimobiilirobotissa – kaikki reaaliajassa. Hän kohtasi tutkimuksen aikana moninaisia mutta samankaltaisia piirteitä omaavia haasteita, ja kehitti yleiskäyttöisen ohjausratkaisun, joka mahdollistaa siirtymisen sähköistettyihin järjestelmiin vain vähäisin rakenteellisin muutoksin ja mukautuu myös tulevaisuuden energialähteisiin.
– Energialähteellä ei ole väliä. Meidän ei tarvitse käyttää vuosia perusteelliseen uudelleensuunnitteluun aina, kun teknologia vaihtuu. Modulaarinen ohjaus tekee päivityksistä yksinkertaisempia ja energialähteestä riippumattomia, sanoo Mehdi Heydarishahna.
Heydarishahnan mukaan tekoälyn ja oppimispohjaisten menetelmien käyttöä suurikokoisissa roboteissa ei pidä pelätä
– Nämä suorituskykyiset, autonomiset ohjaimet kannattaa ottaa käyttöön ja antaa niiden oppia – myös virheiden ja epäonnistumisten kautta – kunnes ne onnistuvat. Ensimmäinen askel on suunnitella valvontamoduuli, joka arvioi, toimiiko tekoälyohjain oikein. Sen perusteella voidaan päättää, annetaanko tekoälyohjaimen jatkaa oppimista ja toimintaa vai vaihdetaanko se perinteiseen ohjaimeen. Kun ehdot asetetaan viisaasti, tekoäly ei tuota pettymystä, hän sanoo.
Väitöstilaisuus tiistaina 2. joulukuuta
DI Mehdi Heydarishahnan tekniikan alaan kuuluva väitöskirja Robust Deep Learning Control with Guaranteed Performance for Safe and Reliable Robotization in Heavy-Duty Machinery tarkastetaan julkisesti Tampereen yliopiston tekniikan ja luonnontieteiden tiedekunnassa tiistaina 2.12.2025 klo 13.15 Hervannan kampuksen Konetalon auditoriossa K1702 (Korkeakoulunkatu 6, Tampere).
Vastaväittäjinä toimivat professori Alessandro Macchelli Bolognan yliopistosta, Italiasta ja professori Juha Röning Oulun yliopistosta. Kustoksena toimii professori Jouni Mattila Tampereen yliopiston tekniikan ja luonnontieteiden tiedekunnasta.