6G-Multimodal AI för Robotgräsklippare

Viktiga resultat som projektet gav

Projektet utvecklade ett avancerat multimodalt AI-ramverk för robotgräsklippare. Genom att integrera ljudanalys och IMU-data (rörelsesensorer) förbättrades robotens förmåga att upptäcka hinder och navigera i komplex terräng avsevärt, utan att använda kameror. Lösningen validerades på Husqvarnas experimentella plattformar och visade på ökad säkerhet och driftseffektivitet. Detta bekräftar att AI-drivet beslutsfattande baserat på ljud och rörelse är en hållbar metod för resursbegränsade enheter.

Långsiktiga effekter som förväntas

Arbetet bidrar till utvecklingen av 6G-redo autonoma system. De utvecklade algoritmerna gör det möjligt för robotar att agera mer intelligent och energieffektivt. På lång sikt stöder detta övergången till distribuerad intelligens inom IoT, där robotar kan interagera dynamiskt med sin omgivning. Att utesluta kameror innebär dessutom fördelar gällande personlig integritet och lägre hårdvarukostnader för framtida smarta tjänsterobotar.

Upplägg och genomförande

Projektet genomfördes som ett examensarbete vid RISE i Stockholm, i nära samarbete med Husqvarna och Örebro universitet. Arbetet innebar utveckling och träning av AI-modeller baserade uteslutande på sensordata från ljud och IMU, vilka sedan implementerades på experimentell hårdvara. Regelbunden validering och handledning från 6G-experter säkerställde att tekniken hanterade verkliga begränsningar såsom latens och processorkraft.