ASVAM - AI-driven Scenariobaserad Validering För Automatiserad Mobilitet

Syfte och mål

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.

Förväntade effekter och resultat

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.

Planerat upplägg och genomförande

ASVAM utvecklar ett gemensamt arbetsflöde som kopplar industriella användningsfall och AI-stödd scenarioanalys till testplanering, simulering och fysisk testning. Projektet tar fram scenariofamiljer för ADAS/ADS, använder AI/LLM-baserad scenariogenerering och prioritering samt översättning till parametriserade testfall. Detta omfattar simulering, återkoppling för scenarioförbättring, interoperabilitet mellan svenska och amerikanska metoder samt rekommendationer för framtida säkerhetsvalidering.