Väitöstutkimuksen tekeminen Saabilla auttaa ymmärtämään tulevaisuuden haasteita

Tohtorikoulutettava Henri Kähkönen integroi millimetriaaltoteknologian mahdollistamia antenniryhmiä ja mikropiirejä. Langattoman tiedonsiirron lisäksi teknologia edistää tutkien kehittämistä auto- ja terveysteollisuuden tarpeisiin.

Saabin apu on ollut avainasemassa tutkimuksen edistämisessä. Kähkönen on muun muassa voinut käyttää huipputason 3D-tulostuslaitetta, jolla tarkan ja laadukkaan metallisen antenniryhmäprototyypin tekeminen on mahdollista. Hän on myös päässyt pohtimaan tutkimuksen pääkysymyksiä yhdessä Saabin insinöörien kanssa.

”Saabin asiantuntijat ovat auttaneet meitä tutkimuksen edistämisessä ja avanneet uusia näkymiä siihen, mitä tulevaisuuden antenniteknologialta vaaditaan,” kertoo Kähkönen.

Tarve satelliiteista riippumattomille navigointiratkaisuille kasvaa

Vaatimukset paikannuksen luotettavuudelle kasvavat, kun uusien sovellusten, esimerkiksi autonomisten kuljetusrobottien käyttö yleistyy.

”Satelliittipaikannusteknologiassa on kuitenkin vielä haasteita: esimerkiksi korkeat rakennukset ja kasvusto estävät signaalin kulkua satelliitista paikanninvastaanottimeen ja vastaanottimen häirintä on mahdollista”, sanoo tohtorikoulutettava Jouko Kinnari.

Kinnari tutkii, miten miehittämättömät ilma-alukset voivat paikantaa itsensä käyttämällä kamera- ja inertiaalimittausjärjestelmiä, jolloin ne ovat riippumattomia satelliittipaikannusjärjestelmistä.

Lisää varmuutta syväoppimiseen

Syväoppiminen, koneoppiminen ja tekoäly antavat merkittäviä mahdollisuuksia eri tieteenalojen haasteiden ratkaisemiseen ja helpottavat elämäämme jo monella tavalla.

Teknologian mallinnuksessa on kuitenkin vielä paljon kehitettävää erityisesti epävarmuuden arvioimisessa.

”Syväoppimisen mallit saattavat mennä vikaan esimerkiksi tilanteissa, joissa malli kohtaa jotain itselleen uutta. Saab tarjoaa monia kiehtovia, tosielämän sovellushaasteita, jotka vievät tutkimustani eteenpäin”, sanoo tohtorikoulutettava Lassi Meronen.

Meronen kehittää syväoppimisen malleja, jotka osaavat arvioida omaa epävarmuuttaan laskennallisesti. Malleja voidaan hyödyntää esimerkiksi tutkissa ja lääketieteen diagnosoinnissa.