Projekt · Dnr 2018-01764 · Källa: Vinnova
ECSEL 2017 RIA PRYSTINE KTH
- Koordinator
- Kungliga Tekniska högskolan, Institutionen Maskinkonstruktion
- Projekttid
- 2018-05-01 till 2021-10-29 (avslutat)
- Beviljat bidrag
- 4 318 473 SEK
- Diarienummer
- 2018-01764
Beskrivning
PRYSTINE’s har haft som övergripande mål att ta fram feltoleranta perceptionssystem för att möjliggöra personsäker autonom körning i både landsbygd och i städer, med tekniska mål som att förbättra tillförlitlighet och prestanda, och ta fram feltoleranta systemarkitekturer. KTHs del har fokuserat på systemarkitektur, varianthantering och dynamisk riskhantering. De uppsatta målen har nåtts samtidigt som nya forskningsfrågor har identifierats. En sådan inriktning är insikten att större vikt behöver läggas på fordonets samverkan och stöd från en intelligent infrastruktur. Projektet har bidragit till att etablera forskargruppen på Mekatronik som en av de ledande grupperna inom pålitliga autonoma fordon. Utfallet inkluderar inbjudna fördrag (>10), deltagande i internationella initiativ (t.ex. i ”The Autonomous”), 4 doktorsavhandlingar (2 klara, 2 snart klar), 15-talet vetenskapliga publikationer, framtagande av en testbädd AD-EYE, samt slutligen införande av resultat i utbildning på KTH. Projektet har också lett till nya samarbeten, forskningsprojekt, och synergier med andra forskningssatsningar, specifikt kompetenscentrumet TECoSA.
Hittar Vinnova inte sidan? Sök på diarienumret hos Vinnova.
Liknande
-
Precog: Kravhantering för säkra maskininlärningsbaserade perceptionssystem för autonom mobilitet
RISE RESEARCH INSTITUTES OF SWEDEN AB · 2021-11-01 · 500 000 SEK · Projekt
Förstudien Precogs mål var att inleda arbete mot en samordning av högnivåförväntningar på maskininlärningsbaserade perceptionssystem inom autonom mobilitet. Precog genomförde en förberedande intervjustudie inför ett större projekt genom att 1) identifiera potentiella partners och 2) analysera utmani…
-
Säkrare automatisering med friktionsuppskattning från däck- och perceptionsbaserad sensoravkänning (SAFE-RIDE)
Volvo Personvagnar AB · 2025-11-19 · 3 278 500 SEK · Projekt
Projektet är att utforma en inbyggd vägfriktionsberäknare genom aktiv sammanslagning av perceptionsbaserade och däckbaserade uppskattningar. En handfull toppmoderna AD/ADAS-funktioner kommer att studeras med hjälp av den sammanslagna friktionskunskapen. Med de framväxande datadrivna metoderna och hö…
-
Generativ AI för att förbättra miljöförhållandena i träningsdata för perceptionssystem.
Repli5 AB · 2024-11-11 · 2 000 000 SEK · Projekt
Projektets ursprungliga mål har uppnåtts. Repli5 har framgångsrikt bekräftat att generativ AI kan användas för att utöka träningsdata för perceptionssystem. Vi har levererat tekniska bevis tillsammans med betalande kunder inom både fordons- och försvarssektorn och inlett ett djupgående forsknings- o…
-
Djupt multimodalt lärande för fordonstillämpningar
ZENSEACT AB · 2023-09-01 · 12 262 880 SEK · Projekt
Syftet med projektet är att förbättra perceptionssystemet i autonoma fordon genom att utveckla avancerade data-drivna sensorfusionsmetoder. Vi kommer att fokusera på tre nyckelområden: (1) Utveckla nya fusionsarkitekturer och kraftfulla datarepresentationer för både dynamiska och statiska objekt. (2…
-
Pålitlig DevOps för autonoma fordon
Kungliga Tekniska högskolan · 2023-06-14 · 448 500 SEK · Projekt
Förstudieprojektet TADDO har haft som mål att bana väg för en ny metodik för autonoma fordon och deras stödjande digitaliserade infrastrukturer som tillåter frekventa uppdateringar av kärnfunktionalitet som perception och planering, samtidigt som personsäkerhet och andra pålitlighets-egenskaper gara…