Projekt · Dnr 2025-01086 · Källa: Vinnova

Mixture of Experts-modeller anpassade för Fleet Intelligence

Koordinator
Scaleout Systems AB
Projekttid
2025-08-25 till 2027-08-25 (beslutat)
Beviljat bidrag
4 043 633 SEK
Diarienummer
2025-01086

Beskrivning

Digitalisering skapar enorma datamängder vid nätverkets kant. Federated Learning (FL) möjliggör lokal AI-träning utan att dela rådata och stärker integritet inom vård, transport, finans och försvar. Scaleout Systems utvecklar fleet intelligence där fordon samarbetar för säkerhet och övervakning. Genom att kombinera FL med Mixture of Experts (MoE) byggs skalbara, effektiva och integritetsfokuserade edge AI-lösningar. Detta arbete har potential att skapa en grundläggande förändring inom federated learning. Genom att vidareutveckla Mixture of Experts (MoE) inom FL kommer projektet att positionera Scaleout och Sverige i framkant av nästa generations federerade AI-lösningar. Det kommer att omdefiniera hur distribuerad intelligens utvecklas, skalas och implementeras globalt inom områden där integritet och effektivitet är avgörande.

Öppna hos Vinnova

Hittar Vinnova inte sidan? Sök på diarienumret hos Vinnova.

Liknande

  1. Edge-AI för prediktering av mänskligt beteende i 6G-anpassade smarta byggnader

    RISE RESEARCH INSTITUTES OF SWEDEN AB · 2026-02-03 · 99 946 SEK · Projekt

    Ja, målen uppfylldes. Vi utvecklade och utvärderade modeller för att förutsäga fotgängares avsikt att gå genom en dörr. Analysen visade att fyra enkla rörelsevariabler (avstånd, hastighet, vinkel) står för nästan hela den prediktiva signalen, medan kroppsställning (pose) gav försumbar förbättring. E…

  2. TRUSTAM - Trusted Federated Intelligence for Additive Manufacturing

    INTERSPECTRAL AB · 2026-04-30 · 7 413 300 SEK · Projekt

    För att additiv tillverkning ska uppfylla sin potential inom säkerhetskritisk produktion måste kvalitetssäkring vara kalibrerad, integrerad och spårbar i realtid för känsliga produktionsmiljöer. TRUSTAM tillämpar federerat lärande för kvalitetssäkring inom additiv tillverkning – ett ramverk där AI-m…

  3. UNIFY-AI: Integrering av AI-system med MLOps och Time-Series Foundation-modeller för skalbar industriell intelligens

    Högskolan i Halmstad · 2026-05-25 · 4 735 000 SEK · Projekt

    UNIFY-AI syftar till att utveckla en grundmodell för tidsserier med stöd av robust MLOps. Projektet adresserar en central begränsning i dagens fordonsanalys: de flesta AI/ML-lösningar byggs som isolerade, uppgiftsspecifika modeller, vilket leder till upprepad databearbetning och dubblerat utveckling…

  4. Säkra enklaver för federerad maskininlärning

    Scaleout Systems AB · 2021-05-03 · 1 966 373 SEK · Projekt

    Projektets mål har varit att utvärdera möjligheten att med så små insatser som möjligt från slutanvändaren möjliggöra integritetsbevarande maskininlärning på hårdvara som garanterar dataintegritet såväl som applikationens integritet, och därigenom möjliggöra samarbeten på klientnivå som annars inte …

  5. TRUST-SOS

    Volvo Construction Equipment AB · 2021-11-01 · 8 962 000 SEK · Projekt

    TRUST-SOS uppnådde framgångsrikt sina huvudmål genom att utveckla en modulär simuleringsmiljö med dynamiska fordonsmodeller och möjliggöra digitaliserade tjänster för arbetsmaskiner. Genom att integrera dynamiska modeller med simulering och optimering av kundens produktionsprocess, underlättade proj…