Bild
En bilförare framför lysande instrumentpanel
Foto: Chalmers
Länkstig

Nytt samarbetsprojekt ska lösa säkerhetsproblem med självkörande fordon

AI och maskininlärning har accelererat utvecklingen av autonoma fordon. Genom att träna bilens system på en enorm mängd data kan bilen nu känna igen en parkeringsplats, en cyklist på vägen eller ett litet barn på gångbanan. Men hur mycket data är tillräckligt för att bilen inte ska ta fel? Och hur exakt måste datan och dess etiketter (parkering, cyklist, barn) vara? Detta är några av de frågor som projektet FAMER nu ska försöka svara på.

– Vi ska ta fram verktyg för hur alla aktörer i tillverkningsledet kan samarbeta och nå en punkt där samtliga känner sig trygga med att både mängd och kvaliteten på datan är tillräcklig för att systemet ska vara säkert, säger Eric Knauss, professor vid institutionen för data- och informationsteknik.

I september inledde han projektet FAMER (Facilitating Mulit-Party Engineering of Requirements) som ska pågå i tre år och finansieras av Vinnova. Projektet koordineras av Göteborgs universitet och utförs i samarbete med Kognic, RISE, Volvo Cars och Zenseact.

Läs hela artiken på institutionens primära webbplats chalmers.se.