Hem
Några män som står bredvid varandra med en drönare.
Några män som står bredvid varandra med en drönare.
Några män som står bredvid varandra med en drönare.

Forskningsprojekt i drönare och svärmar

Linköpings universitet är ett av Sveriges mest aktiva och profilerade lärosäten inom drönarforskning, med både lång historik, starka samarbeten och flera stora forsknings- och innovationsprojekt.

LiU driver många forskningsprojekt om drönare och svärmar, bland annat om detektering, kommunikation och störning av drönarsvärmar med massiv MIMO och 5G teknik. HISOS-projektet studerar dessutom hur en operatör kan styra autonoma drönarsvärmar och deras svärmbeteenden.

Här hittar du information om pågående forskningsprojekt rörande drönare och drönarsvärmar vid LiU. Projekten listas ämnesvis. Här hittar du också forskare och aktuella avhandlingar i ämnet.

Säkerhet för autonoma system är starkt beroende av cyber- och AI-säkerhet, varför kompetenscentret RESIST och annan sådan forskning på LiU är centralt även i detta område.

hand som håller mobiltelefon

Världsledande LiU-forskning kring nästa generations mobilnät

Massiv MIMO ses som en nyckelteknik för framtidens supersnabba 5G-nät. Forskare vid Linköpings universitet var tidigt ute och ett nära samarbete med Ericsson Research har gett svensk industri en tätplats i den kommersiella utvecklingen av tekniken.

Projekt inom området för drönare och svärmar

Forskningsledare

Fotografi av Mattias Arvola
Mattias Arvola
Biträdande professor, Avdelningschef
Fotografi av Daniel Axehill
Daniel Axehill
Professor
Fotografi av Magnus Bång
Magnus Bång
Professor
Fotografi av Patrick Doherty
Patrick Doherty
Fotografi av Michael Felsberg
Michael Felsberg
Professor, Avdelningschef
Fotografi av Per-Erik Forssén
Per-Erik Forssén
Biträdande professor
Fotografi av Erik Frisk
Erik Frisk
Proprefekt, Professor, Avdelningschef
Fotografi av Andrei Gurtov
Andrei Gurtov
Professor
Fotografi av Fredrik Gustafsson
Fredrik Gustafsson
Professor
Fotografi av Fredrik Heintz
Fredrik Heintz
Professor, Avdelningschef, Enhetschef
Fotografi av Gustaf Hendeby
Gustaf Hendeby
Universitetslektor, Docent
Fotografi av Martin Holmberg
Martin Holmberg
Biträdande professor
Fotografi av Björn Johansson
Björn Johansson
Professor
Fotografi av Petter Krus
Petter Krus
Professor, Avdelningschef
Fotografi av Erik G. Larsson
Erik G. Larsson
Professor, Avdelningschef
Fotografi av Jonas Lundberg
Jonas Lundberg
Professor
Fotografi av Diana Pamela Moya Osorio
Diana Pamela Moya Osorio
Universitetslektor
Fotografi av Mårten Wadenbäck
Mårten Wadenbäck
Universitetslektor, Docent
Fotografi av Mariusz Wzorek
Mariusz Wzorek
Biträdande universitetslektor, Enhetschef

Forskningsprojekt

WASP WARA Public Safety 

Forsknings- och demonstrationsarena för autonoma system som stärker den offentliga säkerheten. Arenan tillhandahåller styrprogramvara som kan hantera olika tillgångar över flera domäner och arrangerar även test- och demonstrationsveckor. Programvarutillgångar utvecklas också för att leva vidare efter projektets slut och kunna användas i andra konfigurationer.

Tidsperiod: 2026-2028

Finansiering: Knut och Alice Wallenbergs Stiftelse

Forskningsledare: Mariusz Wzorek, Jonas Lundberg, Magnus Bång

Adaptive HMI and virtual assistant for future cockpit/ground station

Stridspiloter i framtida stridsflygplan riskerar informationsöverbelastning när de kognitiva kraven för beslutsfattande ökar i omfattning, betydelse och komplexitet. Projektet syftar till att möta dessa utmaningar genom att undersöka möjligheterna och begränsningarna hos adaptiva HMI‑lösningar och virtuella assistenter för framtidens stridsflyg.

Tidsperiod: 2025-2028

Finansiering: 

Forskningsledare: Jonas Lundberg, Magnus Bång

Virtual Demonstrator

Med fokus på flygning ingår den virtuella demonstratorn i det svensk-brasilianska samarbetet inom en övergripande studie av luftdomänen. Fokus ligger dels på uppdragshantering, dels på hantering av luftrummet under gråzons­scenarier.

Tidsperiod: 2025-2028

Finansiering: Vinnova

Forskningsledare: Jonas Lundberg, Magnus Bång

ASSIST – A digital assistant for resilient traffic management during routine operations and societal disruptions

I projektet ASSIST utforskar vi hur digitala assistenter kan ges förmågan att förstå och stödja operatörer i både rutinmässiga och avvikande händelser, inom bemannad och obemannad maritim trafik. Vi utformar och testar en proof‑of‑concept‑prototyp för en digital assistent.

Tidsperiod: 2024-2027

Finansiering: Annat

Forskningsledare: Jonas Lundberg, Magnus Bång

Safe Insertion and Management of Unmanned Aircraft

Projektets syfte är att utforma och testa operativa metoder, ”Detect‑And‑Avoid”-strategier (DAA) och gränssnitt mot automation för en säker integration mellan bemannade och obemannade luftfarkoster i gråzons­scenarier.

Tidsperiod: 2024-2027

Finansiering: Vinnova

Forskningsledare: Jonas Lundberg

Autonomous Search System, Step 2

En del av det svensk‑brasilianska samarbetet inom en övergripande studie av luftdomänen. Projektet bygger vidare på de tidigare projekten AuSSys steg 1, fas 1/2 (2022‑00086/2023‑01035), där en prototyp för ett söksystem utvecklades och demonstrerades i olika scenarier. Här introduceras nya koncept för att utöka AuSSys autonoma förmågor, med fokus på att skapa och uppdatera distribuerad situationsmedvetenhet som kan användas både av operativ personal och av systemet självt för uppdragsplanering och hantering av nödsituationer. Dessutom studeras utvecklingen av nya gränssnitt för naturligt språk för AuSSys-systemet.

Tidsperiod: 2024-2027

Funding: Vinnova

Forskningsledare: Bo Granbom (Saab), Mariusz Wzorek (LiU, PI), Daniel de Leng (LiU/Saab, co-PI)

Autonomous Priority-based Target Tracking for Drone Swarms

Projektet syftar till att utveckla ett autonomt multidronesystem där en drönare övervakar ett område medan andra automatiskt följer prioriterade mål. Systemet hanterar detektion, geolokalisering och swarm‑koordinering, delar målspårningsdata och stödjer ATAK‑gränssnitt. En hårdvaruoberoende design baseras på beprövade moduler och möjliggör snabb integration och full demonstration före sommaren 2026.

Tidsperiod: 2025-2026

Finansiering: Vinnova

Forskningsledare: Mariusz Wzorek

Automated Human-AI Interaction and Mission Planning with UAS Teams

Målgruppen är team av luftfartssystem, såsom UAV‑grupper. Utmaningen är att utveckla ett integrerat planeringssystem för multiagentuppdrag som inte bara koordinerar agenter och åtgärder för att uppnå komplexa mål, utan även inkluderar interaktions­handlingar och data-/kunskapsgenererande handlingar som behövs för att uppnå målen. Fysiska handlingar, datagenerering och interaktion blir därmed delar av uppdragsplaneringen. Resultatet är multiagentplaner som omfattar alla tre typer av handlingar.

Tidsperiod: 2024-2028

Finansiering: Vinnova

Forskningsledare: Bo Granbom (Saab), Mariusz Wzorek (LiU, PI), Daniel de Leng (LiU/Saab, co-PI)

An Agentic Approach to Mixed Initiative Multi-Robot Interaction for Public Safety Applications

Målet är att utöka förmågan hos en mänsklig operatör att hantera flera robotar i komplexa, dynamiska och oregelbundna miljöer genom att utveckla en agentbaserad metod för mixed‑initiative‑interaktion som använder vision‑language‑action‑modeller.

Tidsperiod: 2026-2030

Finansiering: Annat

Forskningsledare: Fredrik Heintz

AVT419

Utveckling av nästa generations flygkontrollsystem som ska verifieras med 3D‑printade UAV:er, med fokus på optimeringsbaserade metoder för kontrollallokering. Systerprojekt till AVT419 vid IEI.

Tidsperiod: 2025-2028

Finansiering: Annat

Forskningsledare: Daniel Axehill

Safe motion planning with Learning in the loop

Integrering av rörelseplanering, styrning och förstärkningsinlärning, med säkerhetsgarantier.

Tidsperiod: 2025-2030

Finansiering: Vinnova

Forskningsledare: Daniel Axehill

Integrated reactive motion planning and motion control

Integrering av reaktiv optimal rörelseplanering, optimal styrning och styrning av banutförande.

Tidsperiod: 2025-2030

Finansiering: Annat

Forskningsledare: Daniel Axehill

Predictive control for belief-space planning

Rörelseplanering och prediktiv styrning under osäkerhet för informativ färdplanering.

Tidsperiod: 2022-2027

Finansiering: Annat

Forskningsledare: Daniel Axehill

Next-generation fast real-time certified optimization algorithms for MPC

Vidareutveckling av våra realtids­certifierbara QP‑lösare för MPC. Tillämpning inom säkerhetskritiska, resursbegränsade och högpresterande plattformar som drönare.

Tidsperiod: 2023-2028

Finansiering: Knut och Alice Wallenbergs Stiftelse

Forskningsledare: Daniel Axehill

Visionen 2.0

Uppgradering av laboratoriemiljöer för sim‑till‑verklighet‑forskning.

Tidsperiod: 2022-2027

Finansiering: Annat

Forskningsledare: Daniel Axehill

WASP WARA Collaborative project Ericsson

Definition av utvärderings‑ och benchmarkmetoder för kooperativ och heterogen perception och navigation.

Tidsperiod: 2024-2027

Finansiering: Knut och Alice Wallenbergs Stiftelse

Forskningsledare: Mårten Wadenbäck

WASP Point Cloud Transmission and Registration

Punktmoln (PC)—uppsättningar av tredimensionella datapunkter som representerar objekt eller scener—är avgörande i distribuerade autonoma system och används i exempelvis AR, autonoma fordon och miljöövervakning. Dessa tillämpningar förlitar sig på fjärrsensorer som skickar punktmoln till edge‑servrar för vidarebehandling, såsom registrering. Nuvarande metoder behandlar överföring och registrering som separata moduler, vilket leder till ineffektivitet. Projektet tar ett integrerat grepp genom att kombinera trådlös kommunikation, datorsyn och maskininlärning för att optimera överföringen av punktmoln till edge‑servrar. Vi börjar med en enkelsensorsituation och går vidare till koordinerade och sedan okoordinerade sensorsvärmar. Målet är effektiva, låglatens‑ och tillförlitliga överförings- och registreringsmetoder som stärker situationsmedvetenheten i realtid.

Tidsperiod: 2025-2030

Finansiering: 

Forskningsledare: Khac-Hoang Ngo, Per-Erik Forssén

A Robust and Reliable Vision-Language-Action Interface

Vi förbättrar säkerheten, tillförlitligheten och robustheten hos Vision–Language–Action‑modeller för robotstyrning genom att göra dem situations‑, själv‑ och tvetydighetsmedvetna. Vi bygger vidare på framsteg inom VLA/LRM och resultat från ELLIIT C08 kring out‑of‑distribution‑detektion och osäkerhetskvantifiering. Resultatet blir ett pålitligt VLA‑gränssnitt som stärker samarbete mellan människa och robot och möjliggör säker användning i industriella och samhälleliga tillämpningar. Projektnummer: F4.

Tidsperiod: 2026-2030

Finansiering: Annat

Forskningsledare: Per-Erik Forssén

Excellenscluster Spatial-AI planning grant

 

Tidsperiod: 2025-2026

Finansiering: Vetenskapsrådet

Forskningsledare: Fredrik Gustafsson,Michael Felsberg,Gustaf Hendeby, main PI Åström

Excellenscluster Hilbert-AI planning grant

 

Tidsperiod: 2025-2026

Funding: Vetenskapsrådet

Forskningsledare: Michael Felsberg, Fredrik Heintz, Amy Loutfi

Anomaly detection

I dagens samhälle finns stora datamängder som behöver analyseras för att identifiera avvikelser. Det gäller exempelvis övervakning för att upptäcka beteenden som hotar offentlig säkerhet, medicinsk övervakning för att hitta tidiga sjukdomstecken och biodiversitetsbevakning för att spåra förändringar i djur- och växtliv. Detta doktorandprojekt fokuserar på anomali­detektion med hjälp av bild- och bildrelaterade data, särskilt genom att undersöka hur ett nätverk kan tränas i latent space och hur detta förändras över tid — ett koncept vi kallar Dynamic Latent Space.

Tidsperiod: 2026-2031

Finansiering: Knut och Alice Wallenbergs Stiftelse

Forskningsledare: Michael Felsberg

Hybrid Methods for Autonomous Event Camera Perception

Projektet studerar användningen av eventkameror för förbättrad perception i autonoma fordon (AV) i luft-, mark- och undervattensdomäner där ljusförhållanden och snabba rörelser gör perceptionen svår. Genom att kombinera eventkameror med traditionell bildsensorik och inertialsensorer utvecklas robusta perception‑system med låg latens och hög noggrannhet.

Tidsperiod: 2025-2029

Finansiering: Knut och Alice Wallenbergs Stiftelse

Forskningsledare: Per-Erik Forssén

ALERT: eArLy warning systEms for dRone detection based on disTributed integrated sensing and communication

Projektet utvecklar grundläggande kunskap och algoritmiska lösningar för tidiga varningssystem (fokus: upptäckt av fientliga drönare) genom integrerade sensor‑ och kommunikationssystem över mobilnät.

Tidsperiod: 2024-2028

Finansiering: Knut och Alice Wallenbergs Stiftelse

Forskningsledare: Diana Osorio

FcoSUFT

Drifttagning och flygtester av en stor UAV (7 m, 240 kg), inklusive simulering, flygkontrollsystem, avionik och regulatoriska krav. Del av en långsiktig serie projekt där UAV:en etableras som plattform för framtida teknikstudier.

Tidsperiod: 2024-2028

Finansiering: Vinnova

Forskningsledare: Roger Larsson

AVT419

Subskaleflygtester för flygkontrollsystem. Utveckling av nya styrsystem med hjälp av 3D‑printade drönare.

Tidsperiod: 2024-2028

Finansiering: NATO/FMV

Forskningsledare: Roger Larsson

Innovative Thrust-Vectoring Control for Future Aircraft

Utveckling av 3D‑printade drönarplattformar för experimentell validering av nästa generations styrsystem. Systerprojekt till FcoSUFT.

Tidsperiod: 2025-2028

Finansiering: Vinnova

Forskningsledare: David Lundström

COLOSSUS

Teknikutveckling för svanslösa (kursinstabila) flygplanskoncept med reducerad radarsignatur.

Tidsperiod: 2023-2026

Finansiering: EU Horizon Europe

Forskningsledare: Christopher Jouannet

Mechanical and thermal properties of hybrid glass/carbon fiber composite structures

System‑av‑system‑modellering och analysmetoder för att göra avvägningar inom flygplansdesign kopplat till prestanda, hållbarhet och ekonomi.

Tidsperiod: 2024-2028

Finansiering: Vinnova

Forskningsledare: Engineering Materials

Center for Advanced Research in Emergency Response - (CARER)

Utveckling och utvärdering av lätta, högstarka kompositmaterial med integrerade sensorer av kolnanorör (CNT).

Tidsperiod: 2011-2026

Finansiering: Annat

Forskningsledare: Sofie Pilemalm

The Automated Administration: Governance of ADM in the Public Sector

Detta fyraåriga tvärvetenskapliga forskningsprogram kombinerar teoretiska, empiriska och juridiska perspektiv för att analysera hur god offentlig förvaltning kan upprätthållas trots utmaningar kopplade till ökad automatisering och AI‑system i offentligt beslutsfattande.

Tidsperiod: 2022-2026

Finansiering: Forskningsprogrammet, Framtida utmaningar i norden – människan, kulturen och samhället

Forskningsledare: Stefan Larsson, Lund University

Exploring the risk governance mechanisms under the forthcoming EU Artificial Intelligence Act

Trots att många AI‑standarder finns är forskningen kring dem begränsad, särskilt vad gäller vilka intressen de representerar och hur de förhåller sig till etablerade etiska principer och samhällsvetenskaplig forskning. Projektet utvecklar sociologiskt grundad kunskap om AI‑standarder.

Tidsperiod: 2024-2026

Finansiering: Vetenskapsrådet

Forskningsledare: James White, Lund University

The AI Welfare State Research Cluster

WASP‑HS forskningskluster om AI‑välfärdsstaten studerar de sårbarheter som uppstår när AI införs i välfärdssystemen, både för service och kontroll.

Tidsperiod: 2025-2030

Finansiering: WASP-HS

Forskningsledare: Stefan Larsson, Lund University

AI for Safety-Critical Systems

Projektet utvecklar grundläggande metoder för säkerhetsmedveten och tillförlitlig AI i distribuerade multiagentsystem. Fokus ligger på runtime‑övervakning, introspektivt resonemang och spårbara beslut som möjliggör säker anpassning och koordination i autonoma och human‑in‑the‑loop‑miljöer. Resultaten stödjer SSF_DRONES genom att tillhandahålla centrala mekanismer för säkerhet, verifiering och styrning.

Tidsperiod: 2026-2030

Finansiering: Other

Forskningsledare: Mattias Tiger

3D Exploration Planning and Learning in Dynamic Uncertain Environments (WARA-PS)

Projektet utvecklar lärande- och resonemangsbaserade metoder för autonom 3D‑utforskning i dynamiska och osäkra miljöer. Det integrerar prediktiva modeller av rörliga hinder med säker rörelse- och explorationsplanering för robust kartläggning, navigation och situationsmedvetenhet i komplexa miljöer — med direkt relevans för drönarsvärmar.

Tidsperiod: 2023–2027

Finansiering: Knut och Alice Wallenbergs Stiftelse

Forskningsledare: Fredrik Heintz

Aero EDIH AI adoption

Projektet stärker konkurrenskraften hos svenska drönarföretag genom att stödja främst små och medelstora företag i övergången från prototyp till verifierade och marknadsklara lösningar. Detta ökar möjligheterna till export, internationella samarbeten och deltagande i europeiska upphandlingar. Projektet fungerar också som en bro mellan teknik, marknadsbehov, forskning och finansiering — samt stärker Sveriges position inom AI‑driven, hållbar drönar- och mobilitetsteknik.

Tidsperiod: 2026-2029

Finansiering: EU Digital

Forskningsledare: Jan-Olof Ehk, Norrköping Science Park

Forskning inom området

hyperspektral avbildning

Tillförlitlig validering av växthusgasmodeller

Projektet utvecklar nya metoder för att förbättra validering av växthusgasmodeller och bedömningar. Fokus ligger på att skapa kostnadseffektiva, mobila och högupplösta metoder som kan användas för att mäta växthusgasflöden och markanvändning.
Drönare över våtmark.

Ny teknik för att mäta växthusgaser från luften

Projektet utvecklar nya metoder för storskaliga växthusgasflödesmätningar med drönare, för att noggrant kvantifiera flöden av metan, lustgas och koldioxid. Detta möjliggör bättre bedömningar och reglering av klimatkänsliga utsläpp från landskap.
En man som står bredvid en drönare på toppen av en asfalt.

Forskning i drönare och svärmar vid LiU

Drönare förändrar hur vi utforskar, övervakar och samverkar – i luften, på land och under vattenytan. Forskningen i drönare och drönarsvärmar är ett tvärvetenskapligt och snabbt växande område.

Avhandlingar relaterade till drönare och svärmar

De tre senaste avhandlingarna

Omslag för publikation 'On the Road to Safe Autonomous Driving via Data, Learning, and Validation'
William Ljungbergh (2025)
On the Road to Safe Autonomous Driving via Data, Learning, and Validation
Omslag för publikation 'Spatiotemporal Learning for Motion Estimation and Visual Recognition'
Yushan Zhang (2025)
Spatiotemporal Learning for Motion Estimation and Visual Recognition
Omslag för publikation 'Closed-loop Diagnosis Using Submodels: With Applications to Quadcopters'
Du Ho (2025)
Closed-loop Diagnosis Using Submodels: With Applications to Quadcopters

Fler avhandlingar

Omslag för publikation 'On the Road to Safe Autonomous Driving via Data, Learning, and Validation'
William Ljungbergh (2025)
On the Road to Safe Autonomous Driving via Data, Learning, and Validation
Omslag för publikation 'Spatiotemporal Learning for Motion Estimation and Visual Recognition'
Yushan Zhang (2025)
Spatiotemporal Learning for Motion Estimation and Visual Recognition
Omslag för publikation 'Closed-loop Diagnosis Using Submodels: With Applications to Quadcopters'
Du Ho (2025)
Closed-loop Diagnosis Using Submodels: With Applications to Quadcopters
Omslag för publikation 'Enhancing Air Traffic Management: Weather and Controller Workload Challenges'
Anastasia Lemetti (2025)
Enhancing Air Traffic Management: Weather and Controller Workload Challenges
Omslag för publikation 'Designing Human-Swarm Interaction Systems'
Oscar Bjurling (2025)
Utformning av system för människa-svärminteraktion
Omslag för publikation 'Context-Aware Behavior Prediction for Autonomous Driving'
Theodor Westny (2024)
Context-Aware Behavior Prediction for Autonomous Driving
Omslag för publikation 'Learning Robot Vision under Insufficient Data'
Arvi Jonnarth (2024)
Learning Robot Vision under Insufficient Data
Omslag för publikation 'Context-Aware Predictive Motion Planning for Safe Autonomous Driving'
Jian Zhou (2024)
Context-Aware Predictive Motion Planning for Safe Autonomous Driving
Omslag för publikation 'Reinforcement Learning for Improved Utility of Simulation-Based Training'
Johan Källström (2023)
Reinforcement Learning for Improved Utility of Simulation-Based Training
Omslag för publikation 'Flexible Automation in Air Traffic Control Through Adaptation of Human-Automation Collaboration'
Magnus Nylin (2023)
Flexible Automation in Air Traffic Control Through Adaptation of Human-Automation Collaboration
Omslag för publikation 'Development of critical enablers for Unmanned Traffic Management'
Leonid Sedov (2023)
Development of critical enablers for Unmanned Traffic Management
Magnus Eek, Robert Hallqvist, Hampus Gavel, Johan Ölvander (2016)
A Concept for Credibility Assessment of Aircraft System Simulators

JOURNAL OF AEROSPACE INFORMATION SYSTEMS , Vol.13 , s.219-233 Vidare till DOI

Omslag för publikation 'Distributed Optimization for Control and Estimation'
Shervin Parvini Ahmadi (2022)
Distributed Optimization for Control and Estimation
Omslag för publikation 'Localization for Autonomous Vehicles in Underground Mines'
Kristin Nielsen (2023)
Localization for Autonomous Vehicles in Underground Mines
Omslag för publikation 'Selected Functionalities for Autonomous Intelligent Systems in Public Safety Scenarios'
Mariusz Wzorek (2023)
Selected Functionalities for Autonomous Intelligent Systems in Public Safety Scenarios
Omslag för publikation 'Data-Driven Robot Perception in the Wild'
Karl Holmquist (2023)
Data-Driven Robot Perception in the Wild
Omslag för publikation 'Safety-Aware Autonomous Systems: Preparing Robots for Life in the Real World'
Mattias Tiger (2022)
Safety-Aware Autonomous Systems: Preparing Robots for Life in the Real World
Omslag för publikation 'Dynamic Visual Learning'
Joakim Johnander (2022)
Dynamic Visual Learning
Omslag för publikation 'Identification of Nonlinear Marine Systems'
Fredrik Ljungberg (2022)
Identification of Nonlinear Marine Systems
Omslag för publikation 'Uncertainty-Aware Convolutional Neural Networks for Vision Tasks on Sparse Data'
Abdelrahman Eldesokey (2021)
Uncertainty-Aware Convolutional Neural Networks for Vision Tasks on Sparse Data
Omslag för publikation 'Learning visual perception for autonomous systems'
Gustav Häger (2021)
Learning visual perception for autonomous systems
Omslag för publikation 'Vision-based Localization and Attitude Estimation Methods in Natural Environments'
Bertil Grelsson (2019)
Vision-based Localization and Attitude Estimation Methods in Natural Environments
Omslag för publikation 'Learning Convolution Operators for Visual Tracking'
Martin Danelljan (2018)
Learning Convolution Operators for Visual Tracking

Mer om drönare och svärmar

En man som står bredvid en drönare på toppen av en asfalt.

Forskning i drönare och svärmar vid LiU

Drönare förändrar hur vi utforskar, övervakar och samverkar – i luften, på land och under vattenytan. Forskningen i drönare och drönarsvärmar är ett tvärvetenskapligt och snabbt växande område.
Etn drönare som flyger över en båt på ett vattendrag.

Samarbetspartners inom forskning i drönare och svärmar

Linköpings universitet deltar i de stora nationella initiativen för drönare, drönarsvärmar och autonoma system.
En man står framför en byggnad och håller i styrmaskin för drönare.

Utbildning i drönarsystem och svärmteknik

LiU erbjuder nationella och flera internationella masterprogram som kombinerar teoretisk fördjupning med praktiska färdigheter inom utveckling av drönare och drönarsvärmar.