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

Mer information

Senast uppdaterat

2026-06-17