Heterogeneity-aware Resilient Multi-satellite Edge AI System (HERMES-AI)
| Diarienummer | |
| Koordinator | Bruhnbruhn Innovation AB |
| Bidrag från Vinnova | 1 600 000 kronor |
| Projektets löptid | oktober 2026 - november 2028 |
| Status | Pågående |
| Utlysning | 6G - Infrastruktur |
| Ansökningsomgång | Utveckla rymdsektorn med AI och edge learning genom ESA Phi-Lab Sweden |
Syfte och mål
HERMES-AI utvecklar motståndskraftig och tillförlitlig AI för beräkningar ombord på satelliter. Målet är att flera satelliter ska kunna lära sig gemensamt genom federerad inlärning, utan att dela känsliga rådata, och köra avancerade AI-arbetsflöden på molnbaserad programvara trots begränsad nedlänk. Projektet ska visa snabbare, säkrare och mer autonom bearbetning av jordobservationsdata direkt i omloppsbana, över olika typer av hårdvara.
Förväntade effekter och resultat
Projektet förväntas ge en molnbaserad plattform som låter satelliter bearbeta data ombord och leverera färdiga resultat i stället för stora mängder rådata. Det kan minska behovet av nedlänk, korta tiden från mätning till beslut och öka systemens robusthet och autonomi. På sikt stärker det europeisk och svensk konkurrenskraft inom rymdbaserad AI, skapar grund för nya tjänster och produkter, och bidrar till mer hållbar och tillförlitlig jordobservation.
Planerat upplägg och genomförande
Projektet genomförs i samverkan mellan ett företag och ett universitet, som kombinerar industriell rymdprogramvara med forskning inom federerad inlärning och tillförlitlig AI. Arbetet sker stegvis: metodutveckling, framtagning av representativa testdata, integration på molnbaserad programvara för olika hårdvara, samt utvärdering av prestanda, robusthet och säkerhet. Resultaten demonstreras i realistiska scenarier för jordobservation.