Du har inte javascript påslaget. Det innebär att många funktioner inte fungerar. För mer information om Vinnova, ta kontakt med oss.

SpatialQA: Natural Language Querying of Semantic 3D Maps for Autonomous Robot Fleets

Diarienummer
Koordinator Staer AB
Bidrag från Vinnova 1 000 000 kronor
Projektets löptid juli 2026 - juli 2027
Status Pågående
Utlysning Avancerad digitalisering - Industriell behovsdriven innovation
Ansökningsomgång USA-samarbeten inom AI, digital infrastruktur och cybersäkerhet Steg 2

Syfte och mål

Autonoma robotflottor genererar detaljrika semantiska 3D-kartor av industrianläggningar i nära realtid, men informationen i denna representation är i stor utsträckning otillgänglig för de operatörer som är beroende av data för driften av dessa anläggningar. Detta projekt integrerar stora synspråksmodeller (“Visual Language Models” - VLM) med Staers Common Spatial Operating Model så att man kan ställa förfrågningar mot levande 3D kartor på naturligt språk.

Förväntade effekter och resultat

Semantiska 3D-kartor används i allt större utsträckning i lager, fabriker, sjukhus och på byggarbetsplatser. Ett generaliserbart ramverk för VLM–kartförankring, och det benchmarkdataset som krävs för att utvärdera det, kommer att accelerera fältet bortom Staers specifika driftsättningar. Cybersäkerhetsaspekten är också relevant: förankrad Physical AI gör anomalidetektering reviderbar ("visa mig vad som utlöste den här aviseringen"), en viktig egenskap för kritisk infrastruktur.

Planerat upplägg och genomförande

WP1: VLM–kartgränssnitt och förankring (månad 1–5) WP2: Temporalt frågetillägg (månad 3–7) WP3: Naturligt språk-API och användargränssnitt (månad 5–7) WP4: Navigation som konsument av förankrade frågor (månad 7–9) WP5: Industriell validering och användarstudie (månad 8–11) WP6: Benchmarkdataset och spridning (månad 10–12)

Texten på den här sidan har projektgruppen själv formulerat. Innehållet är inte granskat av våra redaktörer.

Senast uppdaterad 29 juni 2026

Diarienummer 2026-01563