Projekt · Dnr 2023-00794 · Källa: Vinnova

FREEPORT: Federated Learning and Edge Processing för säker och effektiv drift

Koordinator
Volvo Technology AB
Projekttid
2023-09-01 till 2025-08-31 (avslutat)
Beviljat bidrag
6 000 000 SEK
Diarienummer
2023-00794

Beskrivning

Projektet uppnådde framgångsrikt alla uppsatta mål och bidrog till utvecklingen av edge-analys och federerat lärande för fordon. System för datainsamling på edge-nivå installerades på både test- och kundfordon. En online-algoritm för avvikelsedetektering validerades genom en livedemonstration som visade realtidsövervakning av energiförbrukning i en gruvmiljö. Edge-analys demonstrerades även för övervakning av vägglidning med hjälp av tio MX4-enheter under AI Sweden-evenemanget i Göteborg. Projektets resultat förväntas skapa industriell påverkan genom att utveckla ramverk för edge-analys och federerat lärande som möjliggör skalbar och integritetsbevarande AI i fordon, vilket förbättrar effektivitet, säkerhet och hållbarhet. Projektet har förbättrat prediktivt underhåll och energimonitorering, vilket minskar stilleståndstid och utsläpp samtidigt som livslängden på utrustningen förlängs. Dessa resultat lägger grunden för intelligenta, resilienta och hållbara system för edge-analys.

Öppna hos Vinnova

Hittar Vinnova inte sidan? Sök på diarienumret hos Vinnova.

Liknande

  1. FREEWAY - Automatisera asynkron federerad inlärning och Edge Computing för effektiv analys av fordonsdrift

    Volvo Technology AB · 2025-08-17 · 7 349 996 SEK · Projekt

    FREEWAY-projektet syftar till att leverera nästa generations digitala tjänster för elektromobilitet genom att möjliggöra asynkron federerad inlärning (AFL) för att hantera skalbarhetsutmaningar, integrera avancerad edge processing och MLOps-arbetsflöden för att förbättra fordonens driftseffektivitet…

  2. Validering av ett systemutvecklingskit för federerad maskininlärning för edgeapplikationer

    Scaleout Systems AB · 2023-10-02 · 4 918 474 SEK · Projekt

    Projektets primära syfte är att öka vår förståelse för skalbarhet och cybersäkerhet inom federerad maskininlärning specifikt för tillämpningar vi molnkanten. Vi kommer också att vidareutveckla och validera ett systemutvecklingskit för federerad maskninlärning, FEDn, för storskaliga tillämpningar ino…

  3. ECSEL 2020 RIA DAIS - Distributed Artificial Intelligent Systems

    RISE RESEARCH INSTITUTES OF SWEDEN AB · 2021-05-01 · 20 292 353 SEK · Projekt

    DAIS uppnådde framgångsrikt sina mål och levererade anmärkningsvärda resultat. Ett federerat lärande-ramverk, som inkluderade innovativa tekniker för integritetsskydd och kommunikationsoptimering, tillämpades effektivt på DAIS industriella användningsfall. Betydande förbättringar gjordes i trötthets…

  4. 6G Orkestrering av AI-uppgifter för IoT

    RISE RESEARCH INSTITUTES OF SWEDEN AB · 2025-03-03 · 99 750 SEK · Projekt

    Projektet uppfyllde sina mål med framgång genom att implementera och utvärdera en skräddarsydd orkestrator för WebAssembly på edge-enheter. Resultaten är lovande och visar en prestandaförbättring på 7% för genomsnittlig slutförandetid. Dessa resultat bekräftar att orkestrering på applikationsnivå är…

  5. DREAM - Distribuerad, Robust och Effektiv AI för Autonoma fordon

    RISE RESEARCH INSTITUTES OF SWEDEN AB · 2025-09-01 · 7 910 500 SEK · Projekt

    Syftet med DREAM är att utveckla federerad inlärning för självkörande fordon genom att förbättra effektivitet, robusthet och anpassningsförmåga i storskaliga realtidsmiljöer. Projektet undersöker självövervakad inlärning för att minska annoteringskostnader, kunskapsdestillering för att anpassa model…