10 juni 2024

Den europeiska AI-organisationen EurAI, har utsett pris till postdoktor Mattias Tigers avhandling. Han kan vara den första svenska forskaren att få en sådan utmärkelse.

Två män på en scen tar i hand och ler mot publiken, den ena håller i papper
På scen på AI-konferensen ECAI i Krakow i Polen och som arrangeras av European association for AI, EurAI, fick Mattias Tiger ta emot diplom från EurAI:s president Carles Sierra. 

Med mycket beröm prisades Mattias Tigers doktorsavhandling för att säkerställa en säker utveckling av robotar och autonoma system för verkliga situationer och miljöer. Han kan vara den första LiU-forskaren som European association for AI, EurAI, tilldelat en sådan utmärkelse. Kanske till och med första svenska forskaren.

– Jag känner mig väldigt hedrad över att fått ta emot utmärkelsen. Det är ett fint internationellt erkännande av LiU:s relevans på akademiska AI-scenen.

Två män står vid en roll up på konferens
Mattias Tiger, här på ECAI i sällskap med LiU-professor Fredrik Heintz, passade på konferensen också på att prata med många AI-forskare som mötte upp från hela världen.

– EurAI, den Europeiska AI-organisationen, samlar alla nationella AI-organisationer och ordnar den årliga Europeiska AI-konferensen ECAI. EurAI:s pris till Mattias visar att hans forskning verkligen sticker ut. Det är imponerande, kommenterar Fredrik Heintz. 


Om priset, EurAI och ECAI

EurAI står för European Association for Artificial Intelligence. Läs mer om Mattias Tigers utmärkelse på EurAI:s webbsida

ECAI arrangeras av EurAI och är den största AI-konferensen i Europa, enligt Fredrik Heintz. Läs mer om kommande konferensen på ECAI:s webbsida.

Om avhandlingen

Säkerhetsmedvetna autonoma system: förbereda robotar för livet i verkligheten

Hämtat ur Mattias Tigers avhandling:

Framtidens cyberfysiska autonoma system kommer att behöva ta hänsyn till människor och djur. Det är därför viktigt att hitta en balans mellan säkert beteende och förmågan att genomföra uppdrag. Den här avhandlingen presenterar metoder och algoritmer som möjliggör en sådan avvägning på ett systematiskt sätt. Målet är att resultatet ska leda till en framtid där robotsystem kan integreras i samhället på ett pålitligt och säkert vis.

Människor har i alla tider drömt om autonoma system som utför uppgifter vi själva inte vill eller kan utföra. Drömmarna idag handlar i stor utsträckning om självkörande fordon, paketlevererande flygfarkoster, gatusopparrobotar eller robotar som utför hushållsnära tjänster. Autonoma system så som dessa förväntas av forskare och beslutsfattare att i närtid bli en allt vanligare syn i samhällets publika och privata miljöer. Det kan handla om exempelvis hem, gemensamma utomhusmiljöer, kontor eller industriområden. Samtidigt är sådana miljöer problematiska då de är föränderliga, ofullständigt kända i förväg och att de befolkas av människor utan särskild träning att handskas med autonoma system. Stora utmaningar finns kvar att lösa innan en effektiv användning och integration av autonoma system kan ske i dessa miljöer. Det är stor skillnad på dessa vardagliga miljöer och de kontrollerade miljöerna i laboratorium eller avgränsade fabriks‐ eller lagerlokaler där autonoma system återfinns idag. Denna avhandling undersöker hur metoder från artificiell intelligens, så som från exempelvis maskininlärning, kan användas för att möjliggöra en säker och användbar användning av autonoma system i vardagliga miljöer.

Robust autonomi utanför kontrollerade miljöer ställer höga krav på sådana system vad gäller pålitlighet, säkerhet och användbarhet. Det krävs i sådana miljöer mer än uppfyllandet av tuffa kravspecifikationer genom traditionella tester under ett systems konstruktion. Mycket om miljön går inte att veta i förväg. Det autonoma systemet behöver därför på egen hand kunna resonera effektivt kring osäkerhet, okända fenomen och om förändring i världen ‐ bortom de enskilda exempel som dess kravställare och utvecklare tänkte på då systemet byggdes.

I denna avhandling studeras hur man kan realisera säkra och robusta autonoma system i miljöer som är dynamiska, med varierande osäkerhet och där man inte kan anta en sluten värld – med fokus på agenter i rörelse. Avhandlingens huvudsakliga bidrag ligger inom och i kombination av: rörelseplanering, rörelse‐mönsterigenkänning, formell verifiering av rörelsebeteende under körning och kontinuerlig inlärning för att hantera en föränderlig värld.

Konkret presenterar avhandlingen nya sätt att effektivt realisera säker rörelseplanering och säker exekvering av rörelseplaner i geometriskt komplexa och dynamiska miljöer. Detta genom att kombinera optimal styrning, AI‐planering, robust maskininlärning och automatisk slutsatsdragning över osäkra signaler. Experiment har utförts på riktiga och simulerade DJI M100 (quadcopter), men metoden är generell och beror inte på om roboten flyger, åker eller går. Avhandlingen går även in på hur man genom kombination av probabilistisk maskininlärning och formell runtime‐verifiering kan göra autonoma system säkrare och robustare, exempelvis genom att identifiera anomalier så som hårdvaruförsämring, för stark vind, illasinnat övertagande och oförutsägbarhet av eget och andras beteenden. Dessa metoder möjliggör övervakning av att systemet förblir konsekvent (och säkert), mellan exempelvis perception, förväntan, beslut, planering och handling. Målet med avhandlingen är att bidra till en säkrare och pålitligare användning av autonoma system i vår värld, genom design av säkerhetsmedvetna autonoma system.


This work was partially supported by the Wallenberg AI, Autonomous Systems and Software Program (WASP) funded by the Knut and Alice Wallenberg Foundation, and by grants from the National Graduate School in Computer Science (CUGS), the Swedish Foundation for Strategic Research (SSF) project CUAS, the Swedish Research Council (VR) Linnaeus Center CADICS, Sweden, the Center for Industrial Information Technology CENIIT, the Excellence Center at Linkping‐Lund for Information Technology (ELLIIT), the TAILOR Project funded by EU Horizon 2020 research and innovation programme GA No 952215, and Knut and Alice Wallenberg Foundation (KAW 2019.0350).

Kontakt

Mer om artificiell intelligens vid LiU

Fler nyheter relaterade till Mattias Tiger

Senaste nytt från LiU

Elever och lärare i ett klassrum.

Enkla metoder gjorde lärare bättre på att undervisa

Alla lärares undervisning blev betydligt bättre efter att de fått besök av och återkoppling från experter på sina insatser under lektionen. Det visar en rapport från LiU som sammanställt observationer från 30 grundskolor.

Cellodlingsflaska under ett mikroskop i labb.

De odlar näsvävnad på labbet

LiU-forskare är bland de första i världen att odla mänsklig näsvävnad från stamceller. I den studerar de hur olika virus infekterar luftvägarna. Modellen använder de nu för att undersöka hur en särskild sorts antikroppar kan skydda oss mot infektion.

WASP utökas med initiativet AI for Science

Knut och Alice Wallenbergs Stiftelse beviljar WASP 70 miljoner kronor till ett nytt initiativ som ska främja användandet av AI-baserade metoder inom akademisk forskning i Sverige.