Projekt · Dnr 2020-02952 · Källa: Vinnova

Säkerhetsdriven dataannoteringsplattform för att möjliggöra säker och ansvarsfull AI

Koordinator
Asymptotic AB
Projekttid
2020-11-01 till 2021-09-30 (avslutat)
Beviljat bidrag
500 000 SEK
Diarienummer
2020-02952

Beskrivning

AI-algoritmer är datadrivna tekniker och därför är det avgörande att säkerhetsspecifikationerna kodas in i datasetet som AI-algoritmerna är baserade på. I detta projekt siktar vi på att skapa ett sådan säkerhetsdrivet benchmark-dataset som är redo att användas för träning och validering av AI-algoritmer. Den resulterande datasetet innehåller sensordata som loggats i Sverige, tillsammans med annoteringar kodade med säkerhetsspecifikationer. Detta initiativ syftar till att öka Sveriges satsning på att bygga tillförlitliga AI-system och bidra till arbetet mot nollvisionen. Det finns tre arbetspaket: 1) samla in data med hjälp av REVERE:s forskningsfordon; 2) utveckla riktlinjer för säkerhetskodade annoteringar; 3) automatisk annotering av insamlade data. Som ett resultat har vi samlat in cirka 38 timmars perceptionsdata som uppgår till 23 TB, och vi har skapat säkerhetsdrivna annoteringar med vår AI-dataplattform SnapXS. Resultatet kommer att användas i flera efterföljande och relaterade projekt för tillämpningar som väginfrastrukturanalys, energieffektiv stadsplanering och datakvalitetsvalidering för fordonsperceptionssystem.

Öppna hos Vinnova

Hittar Vinnova inte sidan? Sök på diarienumret hos Vinnova.

Liknande

  1. AI Aware

    Volvo Personvagnar AB · 2020-11-09 · 3 909 718 SEK · Projekt

    Projektet AI AWARE-har utforskat hur multipla datakällor kan analyseras med hjälp av AI-algoritmer för att identifiera vägar med en förhöjd olycksrisk. Massiva dataströmmar i realtid såväl som stora historiska databaser har utvärderats av projektet och sedan använts för att mata AI-algoritmen. Möjli…

  2. Site Specific Forestry AI

    Deep Forestry AB · 2020-06-11 · 270 000 SEK · Projekt

    Projektet Site Specific Forestry AI genomfördes med resultat som var över förväntan. Ett system för att annotera data med en handhållen enhet och tilldela attribut för objekt av intresse utvecklades. Tester visar på goda resultat med attribut tilldelade objekt för t.ex. naturvärden. Datan användes i…

  3. Validering av Kart Generering och Lokalisering för Autonoma Fordon (VAMLAV)

    ASTAZERO AB · 2019-10-01 · 5 406 755 SEK · Projekt

    VAMLAV-projektet, hade som primärt syfte att skapa och leverera ett dataset som omfattade en HD-karta över Rural Road på AstaZero, tillsammans med sensordata insamlat under olika väderförhållanden och årstider. Ett ytterligare mål var att utveckla metoder för HD-kartvalidering mot verkligheten, vilk…

  4. En verktygslåda för kvalitetskontroll av perceptionsdata från fordon för pålitlig AI

    Asymptotic AB · 2021-11-01 · 500 000 SEK · Projekt

    I detta projekt är syftet att förbättra förståelsen och tillförlitligheten av AI-system genom att bättre förstå datakvalitet och fel som kan uppstå i data i olika skeden genom hela AI-pipelinen. Målet är att utveckla en verktygslåda för kvalitetskontroll för data som samlas in och konsumeras av perc…

  5. Teknik för automatisering och hätmning av data (DART)

    Linköpings universitet · 2024-09-02 · 6 554 147 SEK · Projekt

    DART tar itu med den kritiska utmaningen att effektivt hantera och använda de olika dataformat som är vanliga i industrimiljöer, vilket för närvarande leder till betydande ineffektivitet i produktutveckling och produktionsprocesser. DART användning av Retrieval-Augmented Generation (RAG) för omfatta…