Objetivo
One of the concepts that will drive the paradigm change in mobility is the Connected Autonomous Vehicle (CAV). Massive investments on the field and the latest advancements in Artificial Intelligence (AI) and sensors has moved relevant market uptakes for autonomous driving from 2035 to 2020.
CAVs are equipped with a huge number of sensors that allow them to understand the environment and act accordingly. However, this technology is superfluous without knowing the location of the vehicle in real time. Technology used to position a mobile device on earth is known as Global Navigation Satellite System – GNSS (e.g. GPS or GALILEO). Despite it seems impossible, currently, there are not any GNSS solution that meet the requirements of vehicle manufacturers for autonomous driving, due to: 1) excessive cost to be implemented at scale (low margin sector) 2) unavailability to provide location updates in real time under hostile GNSS conditions (e.g. urban canyons) and 3) lack of a reliability measure to detect when a location is not accurate enough.
At Albora, we have built and patented the Albora Correlation Engine, which uses AI and, in particular, biologically inspired Deep Learning Networks to achieve the performance required by the sector. Moreover, our technology can be embedded on the electronics currently available on autonomous vehicles, allowing us to keep the costs extremely low (no additional HW required!)
To exploit our product, we plan to build SW packages of our algorithms and sell licenses through an easy to use API (SW company approach). This model is highly scalable and will allow us to tackle the huge market opportunity. In fact, SW will keep the largest market share for CAV, growing from €0.5 billion at 2015 to €25 billion in 2030. To this end, we need to assess the technical risks of migrating our code to more efficient programing languages, seek industrial partners to perform large pilots and fine-tune our business model using design thinking techniques.
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
- ingeniería y tecnologíaingeniería mecánicaingeniería de vehículosingeniería automotrizvehículo autónomo
- ciencias socialesgeografía social y económicatransportesistemas de navegaciónnavegación por satélitesistema mundial de navegación por satélite
- ingeniería y tecnologíaingeniería mecánicaingeniería de vehículosingeniería aeroespacialtecnología satelital
- ingeniería y tecnologíaingeniería eléctrica, ingeniería electrónica, ingeniería de la informacióningeniería electrónicarobóticarobots autónomosdron
- ingeniería y tecnologíaingeniería eléctrica, ingeniería electrónica, ingeniería de la informacióningeniería de la informacióntelecomunicaciónradiotecnologíawifi
Para utilizar esta función, debe iniciar sesión o registrarse
Programa(s)
- H2020-EU.3.4. - SOCIETAL CHALLENGES - Smart, Green And Integrated Transport Main Programme
- H2020-EU.2.1.1. - INDUSTRIAL LEADERSHIP - Leadership in enabling and industrial technologies - Information and Communication Technologies (ICT)
- H2020-EU.2.3.1. - Mainstreaming SME support, especially through a dedicated instrument
Tema(s)
Convocatoria de propuestas
Consulte otros proyectos de esta convocatoriaConvocatoria de subcontratación
H2020-SMEINST-1-2016-2017
Régimen de financiación
SME-1 - SME instrument phase 1Coordinador
IG1 1LR ILFORD
Reino Unido
Organización definida por ella misma como pequeña y mediana empresa (pyme) en el momento de la firma del acuerdo de subvención.