Martin Magnusson - ny professor 2026

Martin Magnusson visste redan som student i datavetenskap vid Uppsala universitet att han ville göra ”något med AI” och tog chansen att söka sig till Örebro universitet när det dök upp en doktorandtjänst med robot-tema.

– Att få chansen att forska på intelligenta system som också kan göra något "på riktigt", och inte "bara AI i en dator, verkade perfekt, säger han.

Den forskning han driver idag kretsar kring hur man kan beskriva kartor eller modeller av världen på ett sätt som är användbart för självkörande robotar. Hur kan autonoma system i komplexa miljöer skapa, använda och lita på kartor och det de ser i omgivningen? Det kan handla om grundläggande funktionalitet som positionering och ruttplanering men har successivt utvecklats mot mer abstrakta och generella representationer av rum, rörelse, osäkerhet och mänsklig närvaro.

– Min doktorsavhandling lade en grund för det här arbetet genom utvecklingen av en matematisk modell för att beskriva 3D-data och hur den kan användas för att bygga kartor och sedan lokalisera sig i dem. Ursprungligen motiverades arbetet av behov inom gruvmiljöer men den här metoden har kommit att få bred spridning och har använts i såväl akademisk forskning som självkörande maskiner i industrin, berättar Martin Magnusson.

Sedan avhandlingen publicerades 2009 har han gått vidare med andra aspekter av kartor för robotar än de rent geometriska: vad bör en karta innehålla för att vara användbar i verkligheten? Kan vi formellt modellera hur en robot kan kvantifiera tillförlitligheten av sina kartor och sin lokalisering? Hur kan vi beskriva rörelsemönster i en karta över tid och hur kan en robot använda det för att bli mer säker och effektiv, och vara mindre i vägen?

– Idag leder jag forskargruppen "robot navigation and perception lab", där vi arbetar med det här och med närliggande frågor, säger han.

Ett forskningsspår handlar om något som forskarna brukar beskriva som introspektion.Det handlar om ett centralt men ofta förbisett problem: att roboten måste "veta vad den inte vet".

– Vi jobbar med hur roboten kan upptäcka att något har blivit fel i kartan och hur den kan mäta och även presentera för en användare var i kartan det är lättare eller svårare att positionera sig exakt. Om den grundläggande frågan när man använder en karta är "var är jag?" så handlar det här också om "litar jag på den här kartan eller finns det någon del där något kan ha gått fel när den skapades?".

Ett annat spår handlar om sätt att skapa och använda kartor som representerar spatiotemporala rörelsemönster. Med andra ord, "vad brukar hända här, och vad kommer sannolikt att hända?".

– Förutom att kunna bygga en sådan karta och visa hur väl den överensstämmer med verkligheten, vilket kan vara kul i sig, så kopplar vi också den här sortens kartor till planering och prediktion: om vi vet hur människor brukar röra sig och kan förutsäga var en viss person kommer att gå härnäst kan vi också bygga system där en eller flera robotar planerar bättre vägar där man inte riskerar att krocka.

En annan viktig del i Martin Magnussons och hans forskargrupps arbete just nu är robust perception i svåra miljöer: damm, dimma, rök. De har haft stort genomslag med metoder för att exakt positionera sig med radarsensorer som till skillnad från kamera eller laserscanner funkar i alla väder, men däremot lider av lägre upplösning och höga brusnivåer.

– Vi går nu vidare med att vidareutveckla metoder för att känna igen olika objekt i radardata och att kombinera det med andra sensorer som till exempel värmekameror, säger Martin Magnusson.