DART: Distributed AI for Robust and Trustworthy Autonomous Vehicles

Syfte och mål

Projektet syftar till att etablera ett samarbete mellan Sverige och USA inom distribuerad och integritetsbevarande AI för autonoma system. Målet är att möjliggöra robust och tillförlitlig utveckling av AI-modeller över flera träningsnoder utan att dela känslig eller proprietär data. Genom att kombinera svensk industriell erfarenhet med amerikansk avancerade teknik för distribuerad AI skapar projektet en grund för säker, storskalig AI-innovation inom säkerhetskritiska områden.

Förväntade effekter och resultat

Projektet kommer att leverera ett gemensamt definierat tekniskt koncept för distribuerad AI och federerad inlärning inom området autonoma fordon. De förväntade effekterna inkluderar robustare modeller genom inlärning från diversifierade datakällor, stärkt integritet och dataskydd samt en tydlig färdplan för ett långsiktigt samarbete mellan Sverige och USA. Resultaten kommer även att kunna överföras till andra sektorer såsom tillverkning, energi och smarta städer.

Planerat upplägg och genomförande

Projektet genomförs genom gemensamma tekniska förberedelser, diskussioner på plats i USA samt strukturerade uppföljningsaktiviteter. De svenska parterna förbereder data, modeller och grundläggande arbetsflöden, vilka gemensamt utvärderas och vidareutvecklas tillsammans med den amerikanska partnern. Samarbetet fokuserar på experimentdesign, integritets- och säkerhetsmekanismer samt dokumentation, vilket resulterar i ett validerat koncept och en färdplan för vidare implementering.