VINNOVA har beviljat projektmedel för Scania, Crosser och Linköpings Universitets projekt FAMOUS med syfte att applicera federerad machine learning i Scanias lastbilar.
– Generellt är det inte så svårt att genomföra edge analytics projekt i lab eller på prototypnivå, säger Göran Appelquist, CTO på Crosser.
– Den riktiga utmaningen för företag över hela världen är skalbarhet, säkerhet och effektivitet. Hur skalar du dina framtida machine learning installationer på ett kostnadseffektivt och underhållsvänligt sätt för en hel flotta av maskiner ute i fält? Vi är väldigt glada över att få jobba med Scania och Linköpings Universitet för att lösa dessa utmaningar, fortsätter Appelquist.
Målet med projektet, kallat FAMOUS – Federated Anomaly Modelling and Orchestration for modUlar Systems, är att utveckla ett protokoll för federerad inlärning och feldetektionsmodeller för intermittenta uppkopplade fordon som garanterar konvergens för de federerade modellerna; integrera de federerade modellerna med en hierarkisk gruppering baserat på det underliggande modulsystemet för Scanias fordon; och utveckla en skalbar och flexibel analyslösning av fordon för effektiv utveckling, testning och distribution av modeller samt dataströmning av utvalda tidsseriesensorsignaler.
De planerade resultaten är att utveckla federerade anomalidetektionsmetoder optimerade för edge computing och utvärderade på injicerade fel och på en testflotta med metoder som mappar anomaliklasser till kända eller oupptäcka fel. De federerade anomalidetektionsmetoderna kommer att utvecklas för en mångfaldig fordonsflotta. Slutligen kommer projektet att bygga en skalbar prototyp för orkestrering av federerad inlärning samt testning och distribution av modeller.
Crosser är alumn från BizMakers inkubatorprogram.
