Projekt · Dnr 2026-00790 · Källa: Vinnova
Effektiva och Generaliserbara Världsmodeller för Realtidsplanering i Autonoma Tunga Fordon
- Koordinator
- Traton AB
- Projekttid
- 2026-06-01 till 2030-08-01 (beslutat)
- Beviljat bidrag
- 6 442 912 SEK
- Diarienummer
- 2026-00790
Beskrivning
Projektet syftar till att utveckla effektiva och generaliserbara världsmodeller för autonom körning i tunga fordon i realtid. Forskningen fokuserar på beräkningseffektiva multimodala representationer som möjliggör robust trajektoriplanering under strikta realtidskrav samtidigt som systemen kan generalisera över varierande fordonskonfigurationer, laster, sensorförhållanden och trafikmiljöer. Projektet förväntas bidra till skalbar autonom körning för tunga fordon genom förbättrad realtidsplanering och högre beräkningseffektivitet. Resultaten omfattar nya metoder för kompakta multimodala världsmodeller, ökad robusthet mot förändrade fordonsdynamiska egenskaper samt utvärderingsramverk anpassade för ledade tunga fordon. Projektet bidrar till säkrare, mer energieffektiva och konkurrenskraftiga transportsystem.
Hittar Vinnova inte sidan? Sök på diarienumret hos Vinnova.
Liknande
-
Pålitlig DevOps för autonoma fordon TADDO2
CAG Syntell AB · 2024-06-01 · 15 233 491 SEK · Projekt
Behovet av uppdateringar av funktioner, kvalitét och säkerhet ökar för automatiserade fordon(AV). TADDO2 syftar till att kombinera DevOps med rigorösa utvecklingsmetoder som följer säkerhetsstandarder, genom att fokusera på specifikation, verifiering, övervakning av driftsdata och säkerhetsbedömning…
-
AllDrive
Scania CV AB · 2022-04-01 · 22 228 731 SEK · Projekt
Detta projekt syftar till att adressera utmaningar associerat med autonom körningen med flerledade tunga fordon (fordon + släp) i alla väder. Det övergripande målet är att bedriva forskning och utveckling som möjliggör ett demobart komplett fungerande friktionsskattnings- och autonomt fordons-system…
-
Ökad förståelse och effektiv användning av automatiserade förarstödssystem i tunga lastbilar
RISE RESEARCH INSTITUTES OF SWEDEN AB · 2025-04-28 · 71 145 SEK · Projekt
Projektet fokuserade på att undersöka hur AI-baserade röstagenter, i kombination med 6G, kan stödja lärande om fordonsautomation. Projektets mål uppfylldes genom utveckling av prototyper för olikas nivåer av röstinteraktion som sedan utvärderades i en studie med lastbilschaufförer. Resultaten visade…
-
DART2: Distribuerad AI för robusta och tillförlitliga autonoma fordon (fas 2)
RISE RESEARCH INSTITUTES OF SWEDEN AB · 2026-06-22 · 999 763 SEK · Projekt
DART2 utvecklar distribuerade och integritetsbevarande AI-metoder för autonoma fordon genom ett samarbete mellan RISE, Zenseact och NVIDIA FLARE. Projektet undersöker hur federerad inlärning kan kombineras med självlärande metoder och kunskapsdestillering för att möjliggöra robust och tillförlitlig …
-
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…