žŁÀûŒ§

WASP vid Institutionen för datavetenskap (IDA)

OM WASP vid IDA

En av forskningsmiljöerna kopplade till WASP - Wallenberg AI, Autonomous Systems and Software Program vid Linköpings universitet (LiU), finns vid Institutionen för datavetenskap (IDA) på Campus Valla i Linköping.

Institutionen för datavetenskap bedriver forskning inom artificiell intelligens (AI), människa-datorinteraktion, programvaruteknik och datorsystem, och data science.

På den här sidan presenterar vi mer information om de forskningsaktiviteter och forskare vid IDA som är kopplade till WASP. Du kan läsa om:

  • WASP AI och integrerade system
  • WASP Maskininlärning
  • WASP Realtidssystem
  • WASP DYNACON (projekt inom cybersäkerhet)
  • WASP-ED - ett nationellt utvecklingsprogram för utbildning inom AI

Publikationer inom WASP vid IDA

WASP forskarskola

WASP vid LiU

För mer information om forskning inom WASP vid LiU, gå upp en nivå i menyn till WASP - Wallenberg AI, Autonomous Systems and Software Program.

Nyheter

WASP vid IDA

TvÄ siluetter i profik i kulvert.

Forskarna som måste ligga steget före

Dagens samhälle vilar på cybersäkerhet och förmågan att ligga steget före hackare och främmande makt. På senare år har också ett nytt hot uppstått – AI. Men enligt forskarna Elisa Bertino och Simin Nadjm-Tehrani kan AI också vara en del av lösningen.

Bild pÄ 8 personer och en roll up

Miljoner till kvalitetssäkring av programvara

Vinnova tilldelar Kristian Sandahl med kollegor vid Inst för datavetenskap 5,6 miljoner kr till utveckling av metoder för kvalitetssäkring av programvara genererad av AI-modeller. Med bidrag från företag och LiU omsätter projektet 18 miljoner kr.

Titel med diffust landskap i bakgrunden

Nydisputerad i statistik: Amanda Olmin

Amanda Olmin vid Institutionen för datavetenskap (IDA) försvarade den 25 oktober sin avhandling med fokus på probabilistiska maskininlärningsmodeller. Hon hoppas att avhandlingen kan bidra till en säkrare användning av sådana modeller i samhället.

Piotr Rudol med en av drönarna, pÄ GrÀnsö

Jobba på WASP

Kolla in våra lediga jobb på WASP, Wallenberg AI, Autonomous Systems and Software Program, vid Linköpings universitet. Ansök idag!

WASP AI och integrerade system

WASP AI och integrerade system

Forskningen inom avdelningen Artificiell intelligens och integrerade datorsystem, AIICS, vid Institutionen för datavetenskap finns i skärningspunkten mellan artificiell intelligens och autonoma system. Gruppen har forskat inom området i mer än 20 år.

Fokus för forskningen ligger pÄ kognitiva robotar. Det Àr robotar som innehÄller system som gör dem kapabla att ta emot och förstÄ data frÄn sensorer, för att generera modeller, för att anvÀnda modeller och för att handla rationellt i sin miljö.

Ett lika viktigt omrÄde Àr samverkande robotsystem. SÄdana system innehÄller bÄde robotar av olika slag och mÀnniskor som samverkar och agerar tillsammans för att uppnÄ ett gemensamt mÄl. Bakgrunden till denna forskning handlar om utveckling av integrerade system av system för test och tillÀmpningar inom omrÄdet. Ett specifikt omrÄde handlar om att utveckla obemannade flygplanssystem för exempelvis nödsituationer.

Artificiell intelligensArtificiell intelligens Foto Göran Billeson

Forskningsprojekt WASP AI och integrerade system

Samtidig koalitionsformering och uppgiftsallokering

I projektet studerar vi hur man sÀtter samman grupper av agenter och tilldelar dem uppgifter som de ska lösa sÄ att alla uppgifter utförs sÄ bra och effektivt som möjligt. VÄra algoritmer har exempelvis testats pÄ strategispel.

Koalitioner formas och uppgifter allokerasKoalitioner formas och uppgifter allokeras

Ett fundamentalt problem inom artificiell intelligens Àr hur man organiserar och koordinerar olika agenter för att förbÀttra deras prestation och förmÄga. Detta Àr ett optimeringsproblem med mÄnga tillÀmpningar, exempelvis för att skapa arbetslag som utför specifika uppgifter.

Vi har tagit fram flera nya algoritmer som löser problemet. För att utvÀrdera algoritmerna har vi utökat etablerade metoder för att generera tester för den hÀr typen av system, vi har Àven jÀmfört algoritmerna pÄ syntetisk data som varierar bÄde i hur den ser ut och hur komplex den Àr. Vi har bland annat anvÀnt algoritmerna i ett kommersiellt strategispel och har kunnat visa att algoritmer kan anvÀndas i spel för att koordinera grupper av agenter i realtid.

Algoritmerna har anvÀnts i ett kommersiellt dataspelAlgoritmerna har anvÀnts i ett kommersiellt dataspel

WARA Public Safety

WASP:s arena för allmän säkerhet, WARA PS

Medarbetare inom AIICS deltar Àven i WASP:s arena för allmÀn sÀkerhet, WARA PS (Public Safety) med autonoma systemkunskaper, infrastruktur och UAV-plattformar.

Artificiell intelligens
WARA demonstrator 2018
Foto Thor Balkhed

Utrustning och laboratorier

Avdelningen har ett fullt utrustat flygsystemlaboratorium med ett system för spÄrning i realtid och en flotta av autonoma fordon, frÄn mellanstora Yamaha RMAX helikoptersystem och DJU kvadrukoptrar till inbyggda UAV-system i mikroformat. Robotikflottan bestÄr ocksÄ av en Husky UGV.

Artificiell intelligens
Ovan visar framtagning av mesh-nÀtverk för att snabbt fÄ igÄng kommunikationen mellan samarbetande obemannade flygande farkoster, UAV:er, under en rÀddningsaktion.

WASP Maskininlärning

Vid avdelningen Statistik och maskininlärning utvecklar vi de maskininlärningsmetoder som används när autonoma system lär sig från data. Vår forskning och utbildning fokuserar på sannolikhets-modellering och effektiva algoritmer för lärande, prediktion och beslutsfattande under osäkerhet.

Vid avdelningen Statistik och maskininlärning, STIMA, arbetar vi både med grundläggande metodutveckling inom maskininlärning, och med tillämpad forskning med industriella tillämpningar inom områden som transportsystem, telekommunikation, robotik, autonoma fordon, medicinsk teknik, klimatmodellering och mjukvaruutveckling.

Forskningen vid avdelningen har bland annat resulterat i effektiva simuleringsbaserade beräkningsalgoritmer för storskaliga data, nya grafiska modeller för att hantera struktur och beroenden i komplexa datamängder, och metoder för att analysera kausala samband.

MaskininlÀrning Foto iStock/monsitj

Forskningsprojekt WASP Maskininlärning

Maskininlärning för 5G-systemkontroll och automatisering

Telekommunikationer Foto iStock/12521104 I jämförelse med 4G finns en uppsjö av nya applikationer för 5G, allt från traditionella effektiva bredbandskommunikationslänkar till mer strikt säkra kommunikationslänkar som är lämpliga för kritisk kommunikation i industriella applikationer eller massiv kommunikation som vanligtvis är förknippade med Internet of things.

I detta projekt utvecklar vi lösningar för att öka autonomi av 5G-nätverk med syftet att förbättra nätverksprestanda, minska driftskomplexiteten och öka resiliens. Användning av probabilistiska maskininlärningsmodeller i projektet är en grund för ett optimalt beslutsfattande, särskilt för att uppfylla kraven på extrem pålitlighet där osäkerhetsinformation är avgörande.

Projektet syftar till att använda probabilistiska klassificerings- och regressionsmodeller för att garantera flexibilitet och autonomi av 5G-komponenter, och även använda spatiala och temporala modeller för att få in dynamiska aspekter såsom enhetshastighet, enhetsrörelseriktning eller dagliga / månatliga variationer av nätverkets arbetsbelastning. För att kunna autonomt anpassa sig till olika miljöförändringar och störningar syftar projektet till att integrera online learning komponenter i våra metoder.

Effektivitet och skalbarhet är utmaningar inom effektiv utveckling av autonoma 5G-miljöer, och utvecklingen av lämpliga Big Data metoder är ännu ett mål för projektet.

Publikationer

  • Caroline Svahn, Oleg Sysoev, Mirsad Čirkić, Fredrik Gunnarsson and Joel Berglund, , 2019 IEEE 89th Vehicular Technology Conference.
  • Caroline Svahn and Oleg Sysoev (2022), , Journal of Computational and Graphical Statistics.

Extern partner

Ericsson AB

Bayesiansk maskininlärning för spatiotemporala processer inom transport

Transporter Foto iStock/Wenjie Dong Den snabba utvecklingen av strömmande sensorer har gjort det alltmer vanligt med spatiotemporala data. I det hÀr projektet utvecklar vi sannolikhetsmodeller för spatiotemporala data med tillÀmpningar inom transportproblem.

Huvudsakligt fokus ligger pÄ utveckling av berÀkningseffektiva bayesianska metoder för lÀrande, prediktion och beslutsfattande för spatiotemporala data med nÀtverksstruktur.

Delprojekt

  1. En bayesiansk dynamisk stokastisk blockmodell för storskaliga multinÀtverk med tillÀmpningar inom flygtrafik
  2. Trafikflödesmodellering och prediction med gaussiska processer med vÀgnÀtstopologi.
Extern partner

Stockholms Lokaltrafik, SL

Ett urval publikationer

  • HĂ©ctor Rodriguez DĂ©niz, Mattias Villani (2022), , IEEE transactions on intelligent transportation systems (Print).
  • HĂ©ctor Rodriguez DĂ©niz, Mattias Villani, Augusto Voltes-Dorta (2022), , Transportation Research Part C: Emerging Technologies
  • HĂ©ctor Rodriguez DĂ©niz, Erik Jenelius, Mattias Villani (2017), , 2017 IEEE 20TH INTERNATIONAL CONFERENCE ON INTELLIGENT TRANSPORTATION SYSTEMS (ITSC)

Nya metoder för att knyta samman probabilistiska modeller och djup maskininlärning

Probabilistiska modeller Foto metamorworks Probabilistiska modeller och djupinlÀrning Àr tvÄ framgÄngsrika tekniker som anvÀnds inom maskininlÀrning. Dessa bÄda tekniker har komplementÀra egenskaper. För att kunna dra nytta av styrkorna hos bÄda teknikerna Àmnar vi att utveckla nya metoder och teorier för att överbygga klyftan dem emellan.

Probabilistiska modeller anvÀnds ofta inom statistik och maskininlÀrning. I en probabilistisk modell ses de olika variablerna som stokastiska (slumpmÀssiga) och de beroenden som finns mellan variablerna representeras av en sannolikhetsfördelning.

Probabilistiska modeller har mĂ„nga önskvĂ€rda egenskaper. Bland annat möjliggör de att systematiskt hantera den osĂ€kerhet som i princip all data i praktiken Ă€r behĂ€ftat med. Modellerna bli dĂ€rigenom ”medvetna” om osĂ€kerheten i deras prediktioner, nĂ„got som Ă€r av yttersta vikt för att kvalitetssĂ€kra de system dĂ€r metoderna anvĂ€nds.

¶ÙÂáłÜ±èŸ±ČÔ±ôĂ€°ùČÔŸ±ČÔČ” Ă€r en gren av maskininlĂ€rning som de senaste Ă„ren haft enastĂ„ende framgĂ„ngar inom en rad olika tillĂ€mpningar, sĂ„ som datorseende, sprĂ„kteknologi och mycket mer. ¶ÙÂáłÜ±èŸ±ČÔ±ôĂ€°ùČÔŸ±ČÔČ” baseras pĂ„ modeller som kallas för artificiella neurala nĂ€tverk. I de flesta fall trĂ€nas dessa nĂ€tverk med hjĂ€lp av övervakad inlĂ€rning frĂ„n stora mĂ€ngder trĂ€ningsdata.

TyvÀrr har framstegen inom djupinlÀrning ocksÄ ett pris, de neurala nÀtverken saknar ofta de önskvÀrda egenskaper som finns hos probabilistiska modeller, som kvantifiering av osÀkerhet och möjligheten att utnyttja a priori-kunskap om struktur och beroenden hos data.

I det hÀr projektet vill vi utveckla teorier och metoder relaterade till samspelet mellan probabilistiska modeller och djupinlÀrning.

Vi avser att utveckla bÄde nya modeller och nya inlÀrningsalgoritmer för tillÀmpningar dÀr vissa variabler naturligt beskrivs med hjÀlp av exempelvis probabilistiska grafiska modeller eller stokastiska processer, medan data hÀmtas frÄn ett omrÄde dÀr djupinlÀrning har visat sig vara framgÄngsrikt (till exempel bilder).

Inom projektet kommer vi undersöka tillÀmpningar av den nya teorin inom bland annat medicinskt beslutsstöd, för aktiv maskininlÀrning och för halvövervakad inlÀrning av dynamiska system. Det finns dock ett stort antal tillÀmpningsomrÄden som kan dra nytta av samspelet mellan djupinlÀrning och probabilistiska modeller och vi förvÀntar oss dÀrför att resultatet av projektet ska komma till bred anvÀndning.

Externa partner

  • Chalmers tekniska högskola:
  • Lennart Svensson (PI)
  • Jakob Lindqvist (WASP-MLX PhD student)

WASP Realtidssystem

Forskningen vid Laboratoriet för realtidssystem omfattar säkerhet och pålitlighet i distribuerade datorsystem, inte minst i system som är samhällskritiska. Vi forskar kring områden som säkerhet, tillförlitlighet, tillgänglighet och integritet.

Vår forskning handlar om framtagning av algoritmer och protokoll för pålitliga nätverkande system, liksom metoder att säkra systemen för exempelvis överbelastningar och attacker. Laboratoriet har över 20 års erfarenhet inom området, speciellt gäller det forskning inom flygsystem och intelligenta transportsystem.
Sedan 2001 har vi även deltagit i europeiska samarbeten kring säkerhet för kritisk infrastruktur.

De nuvarande projekten innefattar exempelvis säkerhet i nätverkande fordon, resurshantering inom området ”edge computing”, design av säkerhetssystem för flygande farkoster, säkerhet och trygghet i system som innehåller komponenter för maskininlärning, riskanalys och detektering av intrång i industriella styrsystem, med mera.

Det sist nämnda utförs exempelvis inom ramen för ett femårigt nationellt forskningsprogram, RICS (), finansierat av Myndigheten för samhällsskydd och beredskap i samarbete med FOI. Fokus ligger på att skapa en säker informationsinfrastruktur för samhällskritiska funktioner som exempelvis el, vatten och värme.

¶ÙČčłÙČčČőĂ€°ì±đ°ùłó±đłÙDatasäkerhet Foto oonal

Forskningsprojekt WASP Realtidssystem

AI for Attack Identification, Response, and Recovery - Where Software and Communications Meet in the Next Decade: Cybersecurity Attacks and Defences

För information om projektet, följ följande lĂ€nk (pĂ„ engelska) .

Nyhet 27 september 2024: AI kan pÄ sikt stÀrka samhÀllets cybersÀkerhet.

Kontakter vid IDA:

Simin Nadjm-Tehrani

Jendrik Seipp 

Verifikation av lärande mjukvara för säkerhetskritiska system

¶ÙČčłÙČčČőĂ€°ì±đ°ùłó±đłÙ¶ÙČčłÙČčČőĂ€°ì±đ°ùłó±đłÙ Projektet syftar till att utöka dagens metoder för att sĂ€kerstĂ€lla att sĂ€kerhetskritiska system ska kunna anvĂ€ndas i framtiden, Ă€ven med inslag av maskininlĂ€rning.

Autonoma system som anvÀnder sig av maskininlÀrning kommer i framtiden oundvikligen att anvÀndas i miljöer dÀr mÀnniskor eller miljö kan komma till skada. Projektet ska studera formella verifikationstekniker och Àven utveckla nya metoder som kan sÀkerstÀlla att systemen beter sig som det Àr avsett.

Intressanta egenskaper Àr robusthet, beslutsförmÄga och korrekthet i förhÄllande till den avsedda funktionen.

Extern partner

Saab group

Förstå resultaten från djup inlärning

¶ÙÂáłÜ±èŸ±ČÔ±ôĂ€°ùČÔŸ±ČÔČ”¶ÙÂáłÜ±èŸ±ČÔ±ôĂ€°ùČÔŸ±ČÔČ” I detta projekt strĂ€var vi efter att förstĂ„ och analysera djupa inlĂ€rningssystem och fĂ„ begripliga resultat. Specifikt utforskar vi en ny teknik för symbolisk representation av abstraktioner.

Djupa inlÀrningssystem har tre egenskaper som gör dem svÄra att lita pÄ i sÀkerhetskritiska applikationer. De Àr statistiska och kan inte utnyttjas i sammanhang dÀr vÀrsta tÀnkbara scenario mÄste kunna tillÀmpas. Resultaten kan vara svÄrt att tolka och ges inte med nÄgra förklaringar, och de Àr notoriskt brÀckliga.

I detta projekt utforskar vi en ny teknik för symbolisk representation av abstraktioner. Vi kommer att bygga nya verktyg för att verifiera effektiviteten av metoden för ett autonomt seende fordonssystem.

Externa partners

Professor Carl Seger, Chalmers tekniska högskola och professor Liu Yang, NanYang Technical University, Singapore.

WASP DYNACON

Forskningsprojekt inom cybersäkerhet

DYNACON: DYNamic Attack detection and mitigation for seCure AutONomy. Protect autonomous systems from cyber-attacks targeting control systems.

För information om projektet, följ följande lÀnk (pÄ engelska)

Doktorand inom projektet vid LiU: Zelong Wang

WASP-ED

Januari 2022 startade WASP-ED; Wallenberg AI and Transformative Technologies Education Development Program, ett nationellt utvecklingsprogram för utbildning inom artificiell intelligens (AI). Målet är att avsevärt öka svenska universitets förmåga och kapacitet att tillhandahålla aktuell, relevant utbildning inom AI. Värduniversitet för satsningen är Linköpings universitet.

WASP-ED startades av WASP - Wallenberg AI, Autonomous Systems and Software Program tillsammans med WASP-HS (HS står för humaniora och samhälle). Alla lärosäten som är kopplade till WASP eller WASP-HS kraftsamlar gemensamt för att sprida kunskap om AI så att fler utbildningar får in moment som inkluderar AI. Det är både ett utvecklings- och forskningsprogram som kompletterar den forskning som görs inom WASP och WASP-HS.

Det finns många tekniska utbildningar som inkluderar AI-kurser, men meningen är att införa AI även på övriga utbildningar. Exempelvis för de som ska bli HR-specialister, ekonomer, läkare, sjuksköterskor, lärare med mera för att förstå hur AI påverkar deras profession och hur de kan dra nytta av AI.

Nationella sidan för WASP-ED:

Alla forskare inom WASP vid IDA