Brugen af machine learning i cyberfysiske systemer er støt stigende – og det har blandt andet den fordel, at det ofte forbedrer systemernes tilpasningsevne, ydeevne, funktionalitet og brugervenlighed.

Men mange af disse systemer er sikkerhedskritiske, og det er derfor altafgørende, at man kan sikre sig mod potentielle fatale ulykker.

Dette projekt har til formål at udvikle brugervenlige metoder og værktøjer, der kan bruges til at verificere sikkerhedskritiske systemer. Relevante domæner omfatter alle typer selvstyrende systemer, hvor maskinlæring anvendes, herunder styring af vand.

I projektet anvender forskerne UPPAAL Stratego, en videreudvikling af værktøjet UPPAAL, der bruges til at forbedre, validere og konstruere systemer. Værktøjet er udviklet på Institut for Datalogi i samarbejde med Uppsala Universitet og har mange anvendelsesmuligheder – fra styring af trafik- og gulvvarmesystemer til udvikling af bedre beslutningsværktøjer i forbindelse med COVID-19.

Kontakt

Professor Kim Guldstrand Larsen

Professor MSO Thomas Dyhre Nielsen