Afgesloten

MIRAI | Machine intelligence techniques for smart and sustainable planning and operation of IoT and Edge computing applications

Regio:

Brussel

Gefinancierd door

De afgelopen twee decennia was het gebruik van cloudinfrastructuur de standaardaanpak voor IoT-toepassingen om beperkingen op het niveau van end en edge nodes op te vangen. Vooral met de komst van toepassingen met zware, real-time vereisten, het toenemend AI-gebruik en de vraag naar meer opslag en rekenkracht, voldoet deze aanpak alleen niet langer. MIRAI richt zich op de ontwikkeling van de MIRAI Framework Building Blocks (MFBB), op basis van AI-technieken, om een slimme en duurzame planning en werking van IoT- en edge computing-toepassingen mogelijk te maken. Dit zal de traditionele cloudgecentreerde aanpak aanvullen met een horizontale schaling van IoT- en edge computing-toepassingen tussen randapparaten, zodat de gegevens ten volle benut kunnen worden zonder bandbreedtebeperkingen.

Context

Slecht 1% van de door end nodes gegenereerde en aan de randen van moderne netwerken beschikbare gegevens blijkt benut; de rest wordt verwaarloosd door beperkingen, zoals lage bandbreedte en hoge latentie bij verbinding met de cloud. Bovendien laten de beveiligings- en privacynormen voor de meeste IoT-apparaten nog steeds te wensen over. De huidige aanpak voor IoT is het gebruik van cloudinfrastructuur om de beperkingen bij de end/edge nodes aan te pakken, maar dit is niet langer haalbaar door de zware, real-time vereisten van (missie-)kritische toepassingen, het toenemend AI-gebruik en de grote vraag naar opslag en rekenkracht.

MIRAI zal, als gedecentraliseerd raamwerk voor AI, zorgen voor de optimale verdeling van AI-rekentaken en -werklasten over bestaande rekennodes en dienen als een echt schaalbare edge computing softwaretoolkit voor IoT- en edge computing-toepassingen. Via de MIRAI Framework Building Blocks (MFBB) zullen AI-modules van geschikte grootte worden ingezet in de buurt van nabijgelegen, beschikbare edge nodes. Dit zorgt voor een gedistribueerd ecosysteem met lage latentie voor op AI gebaseerde rekenkracht in IoT. Met toepassingsdiensten en taken die op lokale bronnen worden uitgerold, zullen netwerkproblemen minder kritisch worden. Deze gedistribueerde aanpak zal de MIRAI-oplossing veiliger en robuuster (door middel van nieuwe failover-mechanismen) maken, omdat de berekeningen rechtstreeks op de bron worden uitgevoerd zonder dat daarbij potentiële beveiligingskritieke en privé-gegevens verstuurd moeten worden.

In België zal de MIRAI-oplossing toegepast worden in gedistribueerde hernieuwbare energiesystemen, verkeers- en waterbeheer.

Doelstelling en resultaten

Binnen het Belgische consortium ligt de focus op drie verschillende gebruikssituaties:
- 3E, het toonaangevende technologiebedrijf en deskundig adviseur op het gebied van hernieuwbare energie, wil de real-time controle van activa voor hernieuwbare energie verbeteren door automatisch te reageren op de op edge-niveau beschikbare informatie, zonder daarbij gegevens naar de cloud te moeten versturen.
- Als leider in slimme mobiliteitsoplossingen wil Macq de door hun verkeerscamera’s verkregen gegevens gebruiken om de straten veiliger te maken voor de kwetsbare weggebruiker, zoals fietsers en voetgangers, bv. door informatie van verschillende camera’s op hetzelfde kruispunt te combineren, zonder daarbij deze zeer vertrouwelijke gegevens te moeten opslaan en delen.
- Het B Corp gecertificeerde Shayp wil de verspilling van zoet water verminderen door delen van de AI-lekdetectie naar de randapparatuur over te brengen, met als resultaat een snellere detectie van mogelijke lekken, maar ook met de mogelijkheid om de bandbreedte van het berichtenverkeer tussen de randapparatuur en het centrale apparaat te verkleinen.
MIRAI zal openbaar beschikbare kennis toegankelijk maken voor de industriële en onderzoekgemeenschap, bv. over de specificaties en het ontwerp van MIRAI ML-/AI-algoritmen en datamining modellen, en het beleid en processen voor het delen van gegevens tussen randapparatuur.