Skip to main content Skip to main navigation

Projekt | REXASI-PRO

Laufzeit:
Zuverlässige & Erklärbare Schwarmintelligenz zur Unterstützung für Menschen mit eingeschränkter Mobilität

Zuverlässige & Erklärbare Schwarmintelligenz zur Unterstützung für Menschen mit eingeschränkter Mobilität

Künstliche Intelligenz (KI) wird in vielen Bereichen weit verbreitet eingesetzt, und es ist notwendig, Vertrauen in diese Systeme in der breiten Öffentlichkeit zu erreichen. Forderungen nach dedizierten Methoden zur Untersuchung des Maschinenverhaltens zu entwickeln, um die intrinsische Komplexität dieser Systeme zu bewältigen, die durch die Verwendung tiefer neuronaler Netze verursacht wird, die über traditionelle Software- und Hardwaresysteme hinausgeht. Ziel des Projekts ist es, ein neuartiges Rahmenwerk zu entwerfen, in dem Sicherheit, Ethik und Erklärbarkeit miteinander verflochten sind, um eine vertrauenswürdige Lösung für künstliche Schwarmintelligenz zu entwickeln. Der Rahmen wird eine vertrauenswürdige Zusammenarbeit zwischen einem Schwarm ermöglichen, der aus autonomen Rollstühlen und fliegenden Dronen besteht, um Menschen mit eingeschränkter Mobilität ein nahtloses Tür-zu-Tür-Erlebnis zu ermöglichen.

Partner

  • Spindox Labs, Italy
  • Italian National Council of Research, Italy
  • King's College London, UK
  • V-Research, Italy
  • AITEK, Italy
  • Universidad de Sevilla, Spain
  • Hovering Solution, Spain
  • Euronet Consulting, Belgium
  • University of Applied Sciences and Arts of Southern Switzerland

Kontakt

Dr.-Ing. Serge Autexier

Publikationen

  1. Physics-Aware Conformal Prediction for Deep Learning-based Wheelchair Local Navigation

    Sara Narteni; Alberto Carlevaro; Zeming Duan; Serge Autexier; Maurizio Mongelli

    In: Khuong An Nguyen; Zhiyuan Luo; Harris Papadopoulos; Tuwe Löfström; Lars Carlsson; Henrik Boström (Hrsg.). Fourteenth Symposium on Conformal and Probabilistic Prediction with Applications. Symposium in Conformal and Probabilistic Prediction with Applications (COPA-2025), September 10-12, London, United Kingdom, Pages 778-780, Proceedings of Machine Learning Research (PMLR), Vol. 266, PMLR,…

Fördergeber

EU - Europäische Union

101070028

HORIZON-CL4-2021-HUMAN-01-01

EU - Europäische Union