Maskininlärning - FFI:

Maskininlärning för fordonsindustrin - FFI

Closed 13 June 2017

Det här erbjudandet vänder sig till projekt som berör området maskininlärning för fordonsindustrin.

The offer in brief

treklover1

What can you apply for?

Forsknings- och innovationsprojekt som stärkera kunskapssamverkan mellan akademi och industri inom området maskininlärning för fordonsindustrin.

treklover2

Who can apply?

Akademi, forskningsinstitut, företag, offentliga och ideella organisationer.

treklover3

How much can you apply for?

Det finns ingen övre beloppsgräns, men riktlinjen för högsta stödnivå är 50 procent av den totala projektbudgeten. Varje enskilt projekt behöver minst 25 procent medfinansiering från näringslivet. Preliminär budget för hela satsningen är 50 miljoner kronor.

Viktiga datum

  • Vad handlar erbjudandet om?

    Med det här erbjudandet vill vi stödja projekt som berör metoder, processer och tillämpningsområden för maskininlärning. Tillämpningsområdena kan beröra

    • Fordonstekniska tillämpningsområden av maskininlärning
    • Maskininlärning för samverkande system
    • Industriella och verksamhetsaspekter av maskininlärning

    Totalt omfattar erbjudandet följande områden:

    • Komplexa fordonssystem
    • Personaliserad funktionalitet
    • Distribuerade arkitekturlösningar för maskininlärning
    • Smarta funktioner och intelligenta assistenter i fordonsspecifika domäner.
    • Datadriven produktutveckling
    • Robust optimering/styrning av produktionssystem

    Maskininlärning utvecklas snabbt och har stor potential att förändra fordonsindustrin och övriga industrigrenar. Därför är det viktigt att säkra regional och nationell kompetens i Sverige för att bibehålla global konkurrenskraft.

    FFI Machine Learning är en strategisk satsning som startar under 2017 och avslutas under 2020.

    Så här ansöker ni

    För att söka finansiering behöver ni fylla i ett ansökningsformulär i vår portal, Intressentportalen. Formuläret innehåller frågor om projektet, projektparter och budget. Alla mallar och instruktioner hittar ni på sidan  Ansök och rapportera projekt inom FFI.

    Läs utlysningstexten

    I utlysningstexten hittar ni all information om utlysningen, bland annat detaljerad information om projektområdena och våra formella krav. Det är viktigt att ni läser den noga innan ni påbörjar er ansökan.

    Påbörja ansökan i god tid

    Tänk på att det kan ta tid att göra en ansökan. Ni kan börja fylla i era uppgifter, spara och sedan justera ända fram tills ni skickar in den fullständiga ansökan.

    Frågor?

    Lena Dalsmyr

    Administrativa frågor

    08-473 31 61

    Eric Wallgren

    Utlysningsansvarig

    08-473 30 96

    Vinnovas IT-support

    Technical questions about our e-service portal

    +46 8 473 32 99

    Selection of fund­ed pro­jects

    Project title Coordinator Grant Status Reference number
    Accelerate 2 Scania CV Aktiebolag SEK 2 590 000 Ongoing 2017-03082
    HEALTH: Hazard Estimation and Analysis of Lifelong Truck Histories VOLVO LASTVAGNAR AKTIEBOLAG SEK 5 000 000 Ongoing 2017-03073
    SMILE II - Safety analysis and verification/validation of MachIne LEarning based systems RISE Research Institutes of Sweden AB SEK 4 722 500 Ongoing 2017-03066
    AutoPack - Automatic packaging of pipe ant tube installations based on optimization and machine learning Linköpings universitet SEK 3 575 944 Ongoing 2017-03065
    Predictive models and machine learning algorithms as a step towards adaptive weld process control A pre-study Swerea KIMAB AB SEK 500 000 Completed 2017-03060
    Machine Learning for Engineering Knowledge Capture, MALEKC CHALMERS TEKNISKA HÖGSKOLA AKTIEBOLAG SEK 2 300 000 Ongoing 2017-03059
    Root cause analysis by machine learning Volvo Personvagnar Aktiebolag SEK 4 146 546 Ongoing 2017-03074
    SynCity - Synthetic data for deep learning in automotive applications Linköpings universitet SEK 500 000 Completed 2017-03079
    Realistic Simulation of Vehicles for safer, more robust and cheaper development of autonomous vehicles ASTAZERO AB SEK 1 772 000 Ongoing 2017-03086
    Page statistics Reference number 2017-02012