6G-optimerad AI på enheten: Arkitektonisk innovation för autonoma robotsystem
| Diarienummer | |
| Koordinator | RISE Research Institutes of Sweden AB - RISE AB - Digitala System |
| Bidrag från Vinnova | 99 946 kronor |
| Projektets löptid | februari 2026 - september 2026 |
| Status | Avslutat |
| Utlysning | 6G - Kompetensförsörjning |
| Ansökningsomgång | 6G - Handledning av examensarbete |
Viktiga resultat som projektet gav
Ja, målen uppfylldes. Vi utvecklade och utvärderade framgångsrikt en modulär VLM-SLM-arkitektur för Husqvarna Automower. Genom att separera syn och resonemang optimerades AI för resurssnåla edge-enheter (Jetson Orin, STM32N6). Modellen visade sig vara energieffektiv och mycket mer tolkningsbar än monolitiska modeller. Projektet resulterade även i ett unikt dataset för trädgårdsmiljöer ("Garden Hazard") som är en värdefull resurs för framtida Edge AI-forskning.
Långsiktiga effekter som förväntas
På sikt möjliggör projektet "6G-Native" autonoma robotar som kan hantera avancerat semantiskt resonemang lokalt på enheten. Detta minskar nätverksberoendet, frigör 6G-bandbredd och ökar den personliga integriteten. Den energieffektiva arkitekturen bidrar till "Green AI" och hållbarhetsmålen genom lägre strömförbrukning. Dessutom ökar säkerheten avsevärt när industriella robotar får en djupare semantisk förståelse av sin omgivning.
Upplägg och genomförande
Projektet drevs som ett masterexamensarbete av Louis Arbey via RISE, i nära samarbete med Husqvarna. Arbetet inleddes med en litteraturstudie. Därefter utrustades en Automower med kamera och Raspberry Pi för att samla in videodata i testträdgårdar. Öppna AI-modeller kvantiserades och implementerades som en ROS 2-pipeline. Slutligen utvärderades och jämfördes systemets prestanda, fördröjning och energiförbrukning på olika hårdvaruplattformar i fält.