Effektiva och Generaliserbara Världsmodeller för Realtidsplanering i Autonoma Tunga Fordon

Syfte och mål

Projektet syftar till att utveckla effektiva och generaliserbara världsmodeller för autonom körning i tunga fordon i realtid. Forskningen fokuserar på beräkningseffektiva multimodala representationer som möjliggör robust trajektoriplanering under strikta realtidskrav samtidigt som systemen kan generalisera över varierande fordonskonfigurationer, laster, sensorförhållanden och trafikmiljöer.

Förväntade effekter och resultat

Projektet förväntas bidra till skalbar autonom körning för tunga fordon genom förbättrad realtidsplanering och högre beräkningseffektivitet. Resultaten omfattar nya metoder för kompakta multimodala världsmodeller, ökad robusthet mot förändrade fordonsdynamiska egenskaper samt utvärderingsramverk anpassade för ledade tunga fordon. Projektet bidrar till säkrare, mer energieffektiva och konkurrenskraftiga transportsystem.

Planerat upplägg och genomförande

Projektet kombinerar industriell forskning vid TRATON med akademisk forskning vid KTH för att utveckla beräkningseffektiva världsmodeller för autonoma tunga fordon. Arbetet omfattar multimodal representationsinlärning, robust trajektoriplanering under varierande fordonsdynamik samt utveckling av utvärderingsramverk anpassade för tunga fordon. Metoderna kommer att valideras under realistiska drifts- och realtidskrav.