The aim of the project was to improve today's machine learning methods based on deep learning to be more robust in challenging environments, such as night, rain, snow and dirt on the sensors. To achieve this goal, both technology to generate synthetic data, where one can control these variables, as well as the development of new methods that can better handle these situations. The project has also focused on bringing these systems closer to production by compressing them to reduce their resource usage in the vehicle.

Syftet med projektet var att förbättra dagens maskininlärningsmetoder baserad på djupinlärning att bli robustare i utmanande miljöer, såsom natt, regn snö och smuts på sensorerna. För att uppnå detta mål har både teknologi för att generera syntetisk data, där man kan kontrollera dessa variabler, samt utveckling av nya metoder som bättre kan hantera dessa situationer. Projektet har också fokuserat på att ta dessa system närmre produktion genom att komprimera dem för att minska dess resursanvändande.