Distribuerade AI-agentarkitekturer för 6G-robotstyrning
| 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 distribuerad AI-arkitektur där tung semantisk planering (via molnet) separerades från lokal motorstyrning (på en edge-enhet) för en LeRobot SO-101-robot. Planeraren uppnådde 92 % korrekthet, och roboten utförde fysiska uppgifter med upp till 82 % framgång. Vi visade även att tre kameror var avgörande (ökade framgången från 18 % till 75 %) och kartlade hur nätverksfördröjning påverkar robotens flyt i rörelserna.
Långsiktiga effekter som förväntas
På sikt visar projektet hur avancerad AI kan styra robotar utan dyr och energikrävande hårdvara på själva roboten, genom att utnyttja Cloud-Edge-kontinuumet. Detta sänker kostnaden och klimatavtrycket för framtida industrirobotar. Våra insikter kring nätverksfördröjningar lägger grunden för robust styrning via framtida 5G/6G-nätverk. Genom att öppenkällkoda vårt insamlade dataset bidrar vi dessutom till att accelerera svensk och internationell forskning inom robotinlärning.
Upplägg och genomförande
Projektet drevs som ett masterexamensarbete av Jacopo Veronese vid RISE. Vi byggde en mjukvaruarkitektur som delade upp arbetet: en "Planner Agent" (Gemma) i molnet skapade handlingsplaner, medan en lokal "Action Agent" (Jetson edge-nod) styrde en LeRobot SO-101-arm. Datainsamling skedde via mänsklig teleoperation av roboten. Därefter utvärderades systemet genom fysiska tester (plocka/placera och rotera objekt) där vi mätte uppgiftsframgång, systemlatens och nätverkets påverkan.