SLDS - införande av Self-Learning Drone Surveillance

Syfte och mål

Säkerhetsriskerna som den breda användningen av drönare medför har lett till att organisationer och företag övervakar sitt luftrum också. Nya drönare kommer dagligen och ju fler radioprotokoll och frekvensband, desto mer utmanande blir det att övervaka drönare. Self-Learning Drone Surveillance (SLDS) är namnet på ett maskininlärningsbaserat system som kan identifiera drönare med tidigare okända radioprotokoll och generera algoritmer för framtida bruk. SLDS siktar på att uppnå självlärande/autonom detektering och identifiering av nya trådlösa drönarprotokoll.

Förväntade effekter och resultat

Vid ett framgångsrikt slutförande av projektet kommer strategin för kommersialisering att vara gradvis och anpassningsbar, i linje med skalan för Technology Readiness Level (TRL). Inledningsvis syftar projektet till att nå TRL 7, vilket innebär att en systemprototyp demonstreras i en operativ miljö, särskilt inom Securitas Technologys verksamhet. Denna praktiska demonstration kommer att fungera som ett avgörande steg mot full kommersialisering.

Planerat upplägg och genomförande

Projektet sträcker sig från juli 2024 till december 2025 och involverar tre huvudaktörer: Skysense, Securitas Technology och KTH, med en budgetfördelning som återspeglar deras roller och bidrag. Projektet är strukturerat i fyra huvudsakliga arbetsmoment (WP), där varje moment leds av en annan partner för att dra nytta av deras specifika expertis. Samarbetet mellan partnerna sker genom regelbundna möten, delade plattformar för dokument- och datautbyte samt gemensamma test- och valideringssessioner.