Projekt · Dnr 2026-01578 · Källa: Vinnova

ASVAM - AI-driven Scenariobaserad Validering För Automatiserad Mobilitet

Koordinator
ASTAZERO AB
Projekttid
2026-06-22 till 2027-07-01 (beslutat)
Beviljat bidrag
1 000 000 SEK
Diarienummer
2026-01578

Beskrivning

ASVAM är ett samarbete mellan AstaZero, University of California, Berkeley och Einride som utvecklar AI-stödd, scenariobaserad validering för automatiserad mobilitet. Genom att kombinera användningsfall, AI-baserad scenarioanalys, simulering och fysisk testning skapas en mer systematisk, skalbar och datadriven metod för validering av säkerhetskritiska system. Projektet bygger vidare på AVATAR och stärker det långsiktiga FoU-samarbetet mellan Sverige och USA inom automatiserad mobilitet. ASVAM kommer att ha utvecklat och utvärderat en gemensam metodik som kopplar AI-stödd scenarioanalys till strukturerad testplanering, simulering och fysisk testning. Resultatet är inte en färdig produkt utan en validerad metod som visar hur industriella användningsfall kan översättas till scenariofamiljer, parametriserade scenariovarianter och körbara testfall i AstaZeros Test Planning Factory. Projektet tar steget från koncept till praktisk metodutveckling och initial validering.

Öppna hos Vinnova

Hittar Vinnova inte sidan? Sök på diarienumret hos Vinnova.

Liknande

  1. ODDmeTOD - Metoder för definition, jämförelse och validering av ODD och TOD för säker automatiserad körning

    ASTAZERO AB · 2026-06-01 · 11 297 325 SEK · Projekt

    Projektet har som syfte att utveckla en metodram för att formalisera och definiera både en maskinläsbar Target Operational Domain (TOD) och Operational Design Domain (ODD) i enlighet med ASAM- och ISO‑standarder, samt möjliggöra systematisk jämförelse. Målet är att etablera robusta metoder för scena…

  2. SMILE III Säkerhetsanalys och verifiering/validering av system baserade på maskininlärning

    RISE RESEARCH INSTITUTES OF SWEDEN AB · 2020-04-01 · 6 128 303 SEK · Projekt

    Nya metoder krävs för att kvalitetssäkra fordonssystem som förlitar sig på djupinlärning. SMILE3 byggde på de två tidigare SMILE-projekten genom att vidareutveckla säkerhetsmekanismen ”safety cage” för hantering av osäkra indata. Genom att komplettera perceptionssystem med denna mekanism var målsätt…

  3. ECSEL 2016 RIA MegaM@Rt2 MDH 1.0

    Mälardalens högskola · 2017-04-01 · 3 777 363 SEK · Projekt

    MegaM@Rt2 gav MDH möjligheten att utöka sitt samarbete med BT, VCE och europeiska partners. MDH kunde experimentera med nya metoder och verktyg för modellbaserad validering av tågstyrningssystemet samt variabilitetshantering av motorstyrsystemen på VCE. MDH kunde uppfylla detta i starkt samarbete me…

  4. Proof of Concept: Accelerated scenario data collection for AD verification

    Viscando AB · 2021-03-01 · 200 000 SEK · Projekt

    Projektets syfte var att utveckla och utvärdera förmågan hos Viscando’s stationära trafikmätningssystem att sampla trafikdata för scenariobaserad verifiering av autonoma fordon (VAF). Projektets slutsats är att både innehåll och noggrannhet i Viscando data är lämpliga för att extrahera scenarier för…

  5. AttributDo: A Digital Gamified UX Solution for Sustainable Quality Attributes Definition in Automotive Industry

    Chalmers Tekniska Högskola AB · 2021-03-15 · 499 000 SEK · Projekt

    Mål under detta projekt har inte ändrats. Vi testade gamification-strategier, användbarhetsmetoder och samlade in rik målgruppsdata (ingenjörer). Det har dock blivit tydligt att båda företagen behöver ett robust och kvantifierbart komplett verifieringssystem för fordonsattribut. Fordonsproffs kräver…