Safe-VLA: En integrering av språkligt resonemang och säker trajektorieplanering för autonom körning
Forskningsprojekt, 2026
– 2030
Syfte och mål
Safe‑VLA utforskar vision–språk–handling‑modeller för att öka trafiksäkerheten genom att förbättra tillförlitligheten och effektiviteten i autonoma fordons beslutsfattande i komplexa verkliga situationer. Genom att integrera språkbaserad resonering med säkerhetsmedveten trajektoriplanering möjliggör Safe‑VLA en djupare förståelse av trafikmiljöer och genererar säkra fordonsbanor. Detta bidrar till att AD/ADAS‑system minskar olyckor, skador och dödsfall.
Förväntade effekter och resultat
Safe‑VLA‑projektet levererar VLA‑anpassade datamängder, utvärderingsramverk, säkerhetsmedvetna trajektoriedekodrar, metoder för att anpassa resonemang och handling samt effektiva VLA‑arkitekturer. Effekter inkluderar färre osäkra körbeslut, minskad hallucinerad resonering, bättre hantering av svåra fall och ökad säkerhet i automatiserade fordon. Projektet publicerar vetenskapliga artiklar, utbildar en doktorand och stärker Sveriges ledarskap inom säker autonom körning.
Planerat upplägg och genomförande
Forskningen bygger på den senaste utvecklingen och driver området framåt inom fem definierade arbetspaket: datakurering, utvärdering, trajektoriedekodering, anpassning mellan resonemang och handling samt effektivitet.
Deltagare
Richard Johansson (kontakt)
Chalmers, Data- och informationsteknik, Data Science
Samarbetspartners
Traton AB
Södertälje, Sweden
Volvo Cars
Göteborg, Sweden
Zenseact AB
Göteborg, Sweden
Finansiering
VINNOVA
Projekt-id: 2026-00859
Finansierar Chalmers deltagande under 2026–2030
Relaterade styrkeområden och infrastruktur
Hållbar utveckling
Drivkrafter
Transport
Styrkeområden