Opis projektu
Zaufana i przejrzysta sztuczna inteligencja na potrzeby zdalnych wież cyfrowych
Zdalne wieże cyfrowe, czyli innowacyjne rozwiązanie usprawniające zarządzanie danymi na lotniskach, są coraz częściej stosowane przez porty lotnicze na całym świecie w celu zwiększenia bezpieczeństwa i przepustowości. Efektywne wykorzystanie gromadzonych danych wymaga jednak znacznego wysiłku i uwagi. Zespół finansowanego ze środków Unii Europejskiej projektu TRUSTY ma na celu ulepszenie tych rozwiązań dzięki wykorzystaniu sztucznej inteligencji w celu poprawy osiągów, możliwości obsługi danych i ogólnej trwałości. Założenia projektu obejmują także zapewnienie wyższego poziomu przejrzystości i wiarygodności ich systemów sztucznej inteligencji. Aby osiągnąć te cele, uczestnicy projektu wykorzystają innowacyjne odkrycia w zakresie interaktywnej wizualizacji danych, najnowsze technologie i techniki wizualizacji informacji.
Cel
Remote digital towers (RDT) are taking place around the world to ensure efficiency and safety. TRUSTY harnesses the power of artificial intelligence (AI) to enhance resilience, capacity, and efficiency in making significant advancements in the deployment of digital towers. The overall goal of TRUSTY is to provide adaptation in the level of transparency and explanation to enhance the trustworthiness of AI-powered decisions in the context of RDT. Through the video transmission data from RDT, TRUSTY considers the following major tasks:
1. Taxiway monitoring (i.e. bird hazard, presence of a drone, autonomous vehicle monitoring, human intrusion, etc.).
2. Runway monitoring (approach and landing) misalignment warning and the corresponding explanation.
To deliver trustworthiness in an AI-powered intelligent system several approaches are considered:
• ‘Self-explainable and Self-learning’ system for critical decision-making
• ‘Transparent ML’ models incorporating interpretability, fairness, and accountability
• ‘Interactive data visualization and HMI dashboard’ for smart and efficient decision support
• ‘Adaptive level of explanation’ regarding the user's cognitive state.
• “Human-centric AI” enhances the trustworthiness of AI-powered systems.
• “Human-AI teaming” to consider users’ feedback to insure some computation flexibility and the users’ acceptability.
To achieve the goal, TRUSTY will rely on the SotA developments in interactive data visualization, and user-centric explanation and on recent technological improvements in accuracy, robustness, interpretability, fairness, and accountability. We will apply information visualization techniques like visual analytics, data-driven storytelling, and immersive analytics in human-machine interactions (HMI). Thus, this project is at the crossroad of trustworthy AI, multi-model machine learning, active learning, and UX for human and AI model interaction.
Dziedzina nauki
- engineering and technologymechanical engineeringvehicle engineeringautomotive engineeringautonomous vehicles
- engineering and technologyelectrical engineering, electronic engineering, information engineeringelectronic engineeringroboticsautonomous robotsdrones
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
- social scienceseducational sciencespedagogyactive learning
Program(-y)
- HORIZON.2.5 - Climate, Energy and Mobility Main Programme
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
HORIZON-JU-RIA - HORIZON JU Research and Innovation ActionsKoordynator
722 20 VASTERAAS
Szwecja