Eureka ITEA CLEAR: Omfattande inlärning för förbättrad AI-reaktionsförmåga
| Diarienummer | |
| Koordinator | ALSTOM Rail Sweden AB |
| Bidrag från Vinnova | 14 987 334 kronor |
| Projektets löptid | november 2025 - november 2028 |
| Status | Pågående |
| Utlysning | Eureka-kluster medfinansiering |
Syfte och mål
CLEAR projektet syftar till att ta itu med de växande utmaningarna med att integrera olika multimodala data i industriella AI-system och förbättra tillförlitligheten hos deras resultat. Genom att utnyttja avancerade AI-tekniker och kontextmedvetna funktioner kommer CLEAR att öka och dra nytta av kapaciteten hos stora multimodala modeller (LMM) och stora språkmodeller (LLM) för att effektivt hantera komplexa datainmatningar.
Förväntade effekter och resultat
CLEAR-innovationer förväntas minska driftskostnader, öka säkerheten och förbättra systemtillförlitligheten inom sektorer som transport, jordbruk, tillverkning och telekommunikation. I grund och botten syftar CLEAR till att ta itu med begränsningarna hos nuvarande AI-system för industriella tillämpningar vid bearbetning av ett brett spektrum av realtidsdata, multimodal data – inklusive satellit- och markbaserade visuella data, nödinsatser, geospatial data och tidsseriedata.
Planerat upplägg och genomförande
För att uppnå projektets mål har ett starkt internationellt konsortium av industri- och forskningspartners med kompletterande expertis bildats. Projektarbetet är strukturerat i sex arbetspaket: etablering av industriella användningsfall och demonstratorer (WP1), dataaggregering och fusion (WP2), modellkonstruktion, finjustering och benchmarking (WP3), CLEAR multimodala rörledningar (WP4), spridning och utnyttjande (WP5) samt projektledning (WP6). WP3 och WP6 leds av det svenska konsortiet.