Publikationer från KTH
Not a member yet
57933 research outputs found
Sort by
System-level impact of electrification on road freight transport efficiency
No full textThis paper explores the system-level impacts of electrification on road freight transport efficiency, a complex concept involving various stakeholders. Electrification adds further complexity by introducing new stakeholders, dynamics, and efficiency variables. The study applies System Dynamics modelling to explore interactions between efficiencies and the impact of electrification. The model is grounded in literature, expert interviews, and workshops, using Swedish data to simulate 2010-2050 for heavy trucks. Results highlight trade-offs among efficiencies and a worse-before-better behaviour in cost, as electrification initially increases costs but results in lower long-term costs. The model allows testing of policy interventions endogenously to explore their dynamic impacts. Findings show two phases of electric truck adoption. Policy analysis suggests focusing on charging infrastructure in the first phase and cost-orientated policies in the second. By increasing system-level understanding, this paper offers valuable knowledge to decision-makers navigating the transition towards a more efficient and sustainable system.QC 20251124</p
Heterofunctional Cationic Polyester Dendrimers as Potent Nonviral Vectors for siRNA Delivery
No full textQC 20251124</p
Generering av initiala testfrön för fuzzning av smarta kontrakt
No full textSmart contracts are self-executing programs on the blockchain, representing the core of Decentralized Finance (DeFi). They can carry billions of dollars, making their correctness and security essential. However, like any other software application, smart contracts may contain vulnerabilities that can be exploited by malicious adversaries — a concern that is further exacerbated by their immutability and transparent nature. Fuzzing is a widely adopted automated testing approach for assessing and ensuring smart contract quality. Although powerful, its effectiveness heavily depends on the quality of the initial inputs, also referred to as seeds. This thesis identifies a key limitation in traditional smart contract fuzzers, such as Echidna, which often rely on randomly generated seeds. It investigates how these fuzzers can be improved in exploring deep contract states, reaching hard-to-trigger conditional paths, and increasing the number of executed instructions by providing higher-quality initial seeds. This thesis proposes AutumnEchidna, a smart contract pre-processing tool that leverages static analysis to generate optimized initial seeds for fuzzing. The methodology involves generating transaction sequences based on state dependencies and producing arguments through constraint solving, aiming to guide execution toward critical contract states. Experiments are conducted on two datasets: a Motivation Dataset and a Maze Dataset, designed to simulate complex input constraints and deep state transitions. Performance is evaluated based on instruction coverage and execution time under consistent configurations for both baseline Echidna (with random seeds) and AutumnEchidna (with optimized seeds). The experiment results show that AutumnEchidna improves instruction coverage by 1.26% on the aggregated Motivation Dataset and by 4.45% on the aggregated Maze Dataset. Additionally, it also reduces the execution time to achieve comparable or higher coverage. These findings demonstrate that optimized seed generation can enhance both the effectiveness and efficiency of smart contract fuzzing. This thesis concludes that incorporating static analysis to generate high-quality initial seeds is a promising approach for enhancing the performance of fuzzing strategies. Smartkontrakt är självkörande program på blockchain och utgör kärnan i Decentraliserad Finans (DeFi). De kan omsätta miljarder dollar, vilket gör deras korrekthet och säkerhet avgörande. Precis som annan mjukvara kan smartkontrakt innehålla sårbarheter som kan utnyttjas av illvilliga aktörer — en oro som förvärras av deras orubblighet och transparenta natur. Fuzzing är en vedertagen automatiserad testmetod för att bedöma och säkerställa kvaliteten hos smartkontrakt. Trots dess styrka är dess effektivitet starkt beroende av kvaliteten på de initiala insatsvärden (frön). Denna avhandling identifierar en central begränsning hos traditionella fuzzers för smartkontrakt, såsom Echidna, som ofta förlitar sig på slumpmässigt genererade frön. Studien undersöker hur dessa fuzzers kan förbättras vad gäller utforskning av djupa kontraktsstatusar, nående av svårutlösbara villkorsvägar samt ökad instruktionsexekvering genom att tillhandahålla högkvalitativa initiala frön. Avhandlingen föreslår AutumnEchidna, ett förbearbetningsverktyg för smartkontrakt som utnyttjar statisk analys för att generera optimerade initiala frön för fuzzing. Metodiken innebär skapande av transaktionssekvenser baserat på tillståndsberoenden och argumentgenerering via restriktionslösning, för att styra exekveringen mot kritiska kontraktsstatusar. Experiment genomförs på två dataset: Motivation Dataset och Maze Dataset, vilka utformats för att simulera komplexa inmatningsrestriktioner samt djupa tillståndsövergångar. Prestanda utvärderas utifrån instruktionstäckning och exekveringstid under jämförbara konfigurationer för både baseline Echidna (med slumpmässiga frön) och AutumnEchidna (med optimerade frön). Resultaten visar att AutumnEchidna förbättrar instruktionstäckningen med 1,26 % på det aggregerade Motivation Dataset och med 4,45% på det aggregerade Maze Dataset. Dessutom minskar den exekveringstiden för att uppnå likvärdig eller högre täckning. Dessa fynd visar att optimerad frönsgenerering kan förstärka både effektiviteten och verkningsgraden vid fuzzing av smartkontrakt. Avhandlingen avslutar med att argumentera för att integration av statisk analys för att generera högkvalitativa initiala frön är en lovande metod för att förbättra fuzzingsstrategiers prestanda
Dörröppningseffekten i virtuell verklighet : Hur miljömässiga signaler och perception påverkar minnesprestanda
No full textThe doorway effect predicts crossing a doorway impairs memory performance in both physical and virtual environments. While environmental features and the way people perceive information from their surroundings appear to influence memory performance, findings on the doorway effect in virtual environments remain inconsistent, particularly regarding the integration of multimodal sensory cues. This study examines the influence of environmental features on memory performance of object memory and object–location memory in a walking-based immersive virtual reality environment replicating a realworld layout to maintain ecological validity. Memory performance was assessed through recognition of object and reconstruction of the spatial layout. Two variables were tested: sensory modality (unimodal vs. multimodal environmental cues) and environmental functional change (constant living-room scenario vs. living-room-to-office transition). Results showed no significant effects of doorway crossing, multimodal environmental cues, or functional changes on memory performance, suggesting the link between environmental features and the doorway effect remains inconclusive. Nonetheless, evidence of the influence of environmental features on memory encoding and retrieval was identified, positioning the findings as an active area for investigation into the mechanisms that trigger the doorway effect.Dörröppningseffekten förutspår att korsandet av en dörröppning försämrar minnesprestanda i både fysiska och virtuella miljöer. Även om miljömässiga funktioner och hur människor uppfattar information från sin omgivning verkar påverka minnesprestanda, är resultaten om dörröppningseffekten i virtuella miljöer fortfarande inkonsekventa, särskilt gällande integrationen av multimodala sensoriska signaler. Denna studie undersöker inflytandet av miljömässiga funktioner på minnesprestanda för objektminne och objekt–plats-minne i en gångbaserad uppslukande virtuell verklighetsmiljö som replikerar en verklig layout för att upprätthålla ekologisk validitet. Minnesprestanda bedömdes genom igenkänning av objekt och rekonstruktion av den rumsliga layouten. Två variabler testades: sensorisk modalitet (unimodala vs. multimodala miljömässiga signaler) och miljömässig funktionell förändring (konstant vardagsrumsscenario vs. vardagsrum-till-kontor-övergång). Resultaten visade inga signifikanta effekter av dörröppningskorsning, multimodala miljömässiga signaler eller funktionella förändringar på minnesprestanda, vilket tyder på att kopplingen mellan miljömässiga funktioner och dörröppningseffekten förblir inkonklusiv. Icke desto mindre identifierades bevis för miljömässiga funktioners inflytande på minneskodning och minnesåterkallande, vilket positionerar fynden som ett aktivt område för undersökning av de mekanismer som utlöser dörröppningseffekten
Fosforåtervinning från avloppsvatten med fosforackumulerande organismer
No full textFosfatgödselmedel är en icke förnybar resurs och det globala beroendet av gruvkapacitet medför betydande miljöhot, bland annat förstörelse av landskapet, radioaktivt avfall och vattenföroreningar genom övergödning. Samtidigt strävar avloppsreningsverk efter att sänka fosforhalten i avloppsvattnet. Anaerob rötningsteknik för slambehandling gör fosfor som fångats upp genom förstärkt biologisk fosforavskiljning åter löslig. Denna studie undersöker möjliga integrerade lösningar för att optimera befintlig teknik och implementera fosforåtervinning som gödselmedel för jordbruket. Dessutom skulle avloppsslammets bioenergipotential kunna utnyttjas. Laboratoriemässiga, termofila, mesofila och rumstempererade acidogena rötkammare användes för att jäsa förtjockat avfallsslam (TWAS), blandat med olika organiska och oorganiska substrat, inklusive vasslepermeatkoncentrat (WPC), förjäst WPC (FWPC), ättiksyra (AA), natriumacetat (SA) och äkta matavfall. Resultaten visar att varken kemisk försurning eller biologisk aktivitet spelar någon betydande roll för fosforlösligheten. Ättiksyra, som sänkte pH-värdet till ~4,8, tillhandahöll kolkälla för processen och uppnådde också över 73 % P-frisättning inom 6 timmar, medan SA, som tillhandahöll samma kolkälla, inte visade liknande resultat (40 % på 12 timmar) och höll ett nästan neutralt pH-värde på 6,6. Förfermenterade substrat som FWPC och FUSFW presterade genomgående bättre än icke-fermenterade substrat som WAS och USFW och uppnådde >70 % fosforfrisättning genom att tillhandahålla omedelbara VFA och en miljö med lågt pH, jämfört med >50 % för obehandlade substrat. Detta syrabildande stadium ökar också löslig COD avsevärt, vilket indikerar en hög potential för metanproduktion. Det återvunna fosforet i supernatanten utfälldes framgångsrikt som struvit och brushit, vilket uppnådde så högt som 97 % respektive 95 % återvinning. Struvitutfällningen var optimal vid pH 10,0 med P:Mg-förhållandet 1:1,2, medan brushitbildningen var mest effektiv vid lägre pH på 8,0 och P:Ca-förhållandet 1:1,2. Det återvunna fosforet i supernatanten utfälldes framgångsrikt som struvit och brushit, med en återvinningsgrad på hela 97 % respektive 95 %. Struvitutfällningen var optimal vid pH 10,0 med ett P:Mg-förhållande på 1:1,2, medan brushitbildningen var mest effektiv vid lägre pH-värde på 8,0 och ett P:Ca-förhållande på 1:1,2. Denna forskning validerar en hållbar cirkulär ekonomimodell för avloppsreningsverk, där syrabildande samrötning av WAS med organiskt avfall kan återvinna värdefulla näringsämnen och samtidigt förbehandla slam för förbättrad biogasproduktion.The phosphate fertilizers are a non-renewable resource and global reliance on mining capacities poses significant environmental threats, including landscape destruction, radioactive waste and water pollution through eutrophication. At the same time, Wastewater Treatment Plants aim to lower phosphorus effluent levels. Anaerobic digestion technology for sludge treatment re-solubilise phosphorus that was captured by Enhanced Biological Phosphorus Removal. This study investigates possible integrated solutions to optimize existing technology and implement phosphorus recovery as fertilizers for agriculture. Moreover, bioenergy potential of wastewater sludge could be reached. Lab-scale, thermophilic, mesophilic and room temperature acidogenic digesters were used to ferment Thickened Waste Activated Sludge (TWAS), mixed with various organic and inorganic substrates, including whey permeate concentrate (WPC), pre-fermented WPC (FWPC), acetic acid (AA), sodium acetate (SA), and real food waste. The results demonstrate that a significant role in phosphorus solubilization plays no chemical acidification, nor biological activity. Acetic acid, which lowered pH to ~4.8, provided carbon source for the process, also achieving over 73% of P release within 6 hours, whereas SA, providing the same carbon source has not shown similar results (40% in 12 hours), keeping near-neutral pH 6.6. Pre-fermented substrates as FWPC and FUSFW consistently outperformed non-fermented ones WAS and USFW, achieving >70% P release by providing immediate VFAs and low pH environment, compared to >50% with untreated. This acidogenic stage also significantly increases soluble COD, indicating a high potential base for methane production. The recovered phosphorus in the supernatant was successfully precipitated as struvite and brushite, achieving as high as 97% and 95% recovery, respectfully. Struvite precipitation was optimal at pH 10.0 with P:Mg ratio 1:1.2, while brushite formation was most effective at lower pH as of 8.0 and P:Ca ratio 1:1.2. This research validates a sustainable, circular economy model for WWTPs, where acidogenic co-digestion of WAS with organic wastes, can recover valuable nutrient and simultaneously pre-treat sludge for enhanced biogas production
Cultural Refugia - Potential in Ungoverned Buildings
No full textThis project aims to investigate a hypothesisthat vacant spaces work as vital culturalresources, serving as catalysts forcommunity engagement and artisticexpression when left ungoverned.The essence of Berlin’s post-war culturalrenaissance exemplifies this potential.Throughout the process of rebuilding thecity, abandoned buildings and ungovernedspaces were transformed through ruderalprocesses beyond established plans andregulations. These environments becamefertile ground for cultural developmet andgrassroot initiatives, demonstrating howsuch spaces can support diverse culturalnarratives when freed from restrictivegovernance
Microfabricated Organic Electrochemical Transistors Enabled by Printing and Laser Ablation
No full textOrganic electrochemical transistors (OECTs) are key bioelectronic devices with applications in neuromorphics, sensing, and flexible electronics. OECTs made using biobased and biodegradable materials are emerging as a sustainable alternative to nondegradable plastic and metal-based electronics. Printing is the key technique used to fabricate these types of devices, enabling fabrication at room temperature and using benign solvents, such as water. However, printing techniques suffer from relatively low resolution (tens to hundreds of micrometers), far below the micrometer resolution achieved via conventional metal deposition and photolithography. Here, we present a high-throughput additive-subtractive microfabrication strategy for carbon-based flexible OECTs using biodegradable materials and room-temperature processing. Additive manufacturing of large features is achieved via extrusion printing of a graphene ink to fabricate electrode contacts on cellulose acetate (CA), which serves both as the substrate and as the insulation layer. Combined with femtosecond (fs) laser ablation, this approach enables micrometer-resolution patterning of freestanding OECTs with channel openings down to 1 μm and sheet resistance below 10 Ω/sq. By tuning laser parameters, we demonstrate both selective and simultaneous ablation strategies, enabling the fabrication of horizontal, vertical, and planar-gated OECTs, as well as complementary NOT gate inverters. Thermal degradation studies in air show that over 80% of the device mass decomposes below 360 °C, providing a low-energy route for device disposal and addressing the environmental impact of electronic waste. This approach offers a lithography-free pathway toward the rapid prototyping of high-resolution, sustainable organic electronics, combining circularity, process simplicity, and architectural versatility for next-generation bioelectronic applications. QC 20251204</p
Hydrogen production pathways in Sweden : An analysis of low-carbon hydrogen technologies in comparison with Norway, Germany, and Morocco
No full textHydrogen is expected to play a key role in Sweden’s transition towards a fossil-free energy system. The interest in hydrogen has increased rapidly in recent years, with numerous projects in various areas, such as green steel production. However, many projects have been delayed or discontinued. The aim of this project is to identify which hydrogen projects are most suitable for Sweden. This is addressed by examining the current strengths and weaknesses of different hydrogen production technologies, as well as the future opportunities and challenges associated with hydrogen deployment in Sweden. The project examines four low-carbon hydrogen production technologies; electrolysis, steam methane reforming (SMR) with carbon capture and storage (CCS), methane pyrolysis, and biomass gasification. The results indicate that electrolysis can be considered “green” and is very developed, but it is expensive and energy-intensive. SMR with CCS is a mature and inexpensive technology, but it entails a natural gas dependency and faces public scepticism. Methane pyrolysis does not have any process emissions, but is not an especially mature technology. Biomass gasification is renewable, can be carbon negative and has low cost; however, it has relatively low energy efficiency and requires biomass availability. To examine opportunities and challenges, Sweden is compared to Norway, Germany, and Morocco. The results indicate that there are great opportunities for hydrogen in Sweden, due to great availability of low-cost, low-carbon electricity and biomass resources, as well as the industry being a strong and driving force. Challenges include limited government support, lack of long-term clarity, and insufficient infrastructure. In conclusion, Sweden is well suited for hydrogen projects, particularly hydrogen production via electrolysis or biomass gasification.Vätgas förväntas spela en central roll i Sveriges omställning mot ett fossilfritt energisystem. Intresset för vätgas har ökat snabbt under de senaste åren, med ett flertal projekt inom olika områden, såsom grön stålproduktion. Många projekt har dock försenats eller avvecklats. Syftet med detta projekt är att identifiera vilka vätgasprojekt som är mest lämpliga för Sverige. Detta görs genom att undersöka de nuvarande styrkorna och svagheterna hos olika vätgasproduktionsteknologier, samt de framtida möjligheterna och utmaningarna som är förknippade med en storskalig användning av vätgas i Sverige. Projektet undersöker fyra teknologier för vätgasproduktion med låga utsläpp: elektrolys, ångreformering (SMR) med koldioxidinfångning och lagring (CCS), metanpyrolys samt biomassaförgasning. Resultaten visar att elektrolys kan betraktas som ”grön” och är en välutvecklad teknik, men den är dyr och energikrävande. SMR med CCS är en mogen och relativt billig teknologi, men medför ett beroende av naturgas och möter en viss skepsis i samhället. Metanpyrolys har inga direkta processutsläpp, men är inte en särskilt mogen teknologi. Biomassaförgasning är en förnybar teknologi, kan vara koldioxidnegativ och har låg kostnad, men har relativt låg energieffektivitet och kräver tillgång till biomassa. För att belysa möjligheter och utmaningar jämförs Sverige med Norge, Tyskland och Marocko. Resultaten visar att det finns stora möjligheter för vätgas i Sverige, tack vare en god tillgång på billig, koldioxidsnål el och biomassa, samt en stark och drivande industrisektor. Utmaningarna omfattar begränsat statligt stöd, brist på långsiktig tydlighet och otillräcklig infrastruktur. Sammanfattningsvis är Sverige väl lämpat för vätgasprojekt, särskilt för vätgasproduktion via elektrolys eller biomassaförgasning
A data-driven two-microphone method for in situ sound absorption measurements of porous materials
No full textThis work presents a data-driven approach to estimating the sound absorption coefficient of an infinite porous slab using a neural network and a two-microphone measurement on a finite porous sample. A one-dimensional–convolutional network predicts the sound absorption coefficient from the complex-valued transfer function between the sound pressure measured at the two microphone positions. The network is trained and validated with numerical data generated by a boundary element model using the Delany–Bazley–Miki model, demonstrating accurate predictions for various numerical samples. The method is experimentally validated with baffled rectangular samples of a fibrous material, where sample size and source height are varied. The results show that the neural network offers the possibility to reliably predict the in situ sound absorption of a porous material using the two-microphone method as if the sample were infinite. The normal-incidence sound absorption coefficient obtained by the network compares well with that obtained theoretically and in an impedance tube. The proposed method has promising perspectives for estimating the sound absorption coefficient of acoustic materials after installation and in realistic operational conditions.QC 20250904</p
Towards Efficient Distributed Intelligence : Cost-Aware Sensing and Offloading for Inference at the Edge
No full textThe ongoing proliferation of intelligent systems, driven by artificial intelligence (AI) and 6G, is leading to a surge in closed-loop inference tasks performed on distributed compute nodes.These systems operate under strict latency and energy constraints, extending the challenge beyond achieving high accuracy to enabling timely and energy-efficient inference.This thesis examines how distributed inference can be optimised through two key decisions: when to sample the environment and when to offload computation to a more accurate remote model.These decisions are guided by the semantics of the underlying environment and its associated costs.The semantics are kept abstract, and pre-trained inference models are employed, ensuring a platform-independent formulation adaptable to the rapid evolution of distributed intelligence and wireless technologies. Regarding sampling, we studied the trade-off between sampling cost and detection delay in event-detection systems without sufficient local inference capabilities. The problem was posed as an optimisation over sampling instants under a stochastic event sequence and analysed at different levels of modelling complexity, ranging from periodic to aperiodic sampling. Closed-form, algorithmic, and approximate solutions were developed, with some results of independent mathematical interest.Simulations in realistic settings showed marked gains in efficiency over systems that neglect event semantics. In particular, aperiodic sampling achieved a stable improvement of ~10% over optimised periodic policies across parameter variations. Regarding offloading, we introduced a novel Hierarchical Inference (HI) framework, which makes sequential offload decisions between a low-latency, energy-efficient local model and a high-accuracy remote model using locally available confidence measures. We proposed HI algorithms based on thresholds and ambiguity regions learned online by suitably extending the Prediction with Expert Advice (PEA) approaches to continuous expert spaces and partial feedback. HI algorithms minimise the expected cost across inference rounds, combining offloading and misclassification costs, and are shown to achieve a uniformly sublinear regret of O(T2/3).The proposed algorithms are agnostic to model architecture and communication systems, do not alter model training, and support model updates during operation. Benchmarks on standard classification tasks using the softmax output as a confidence measure showed that HI adaptively distributes inference based on offloading costs, achieving results close to the offline optimum. HI is shown to add resilience to distribution changes and model mismatches, especially when asymmetric misclassification costs are present. In summary, this thesis presents efficient approaches for sampling and offloading of inference tasks, where various performance metrics are combined into a single cost structure. The work extends beyond conventional inference problems to areas with similar trade-offs, advancing toward efficient distributed intelligence that infers at the right time and in the right place. Future work includes conceptual extensions like joint sampling-offloading design, and integration with collaborative model-training architectures.Den pågående spridningen av intelligenta system, drivna av artificiell intelligens (AI) och 6G, leder till en ökning av återkopplade inferensuppgifter som utförs på distribuerade beräkningsnoder. Dessa system verkar under strikta krav på latens och energiförbrukning, vilket gör att utmaningen inte enbart handlar om att uppnå hög noggrannhet utan också om att möjliggöra snabb och energieffektiv inferens. Denna avhandling undersöker hur distribuerad inferens kan optimeras genom två centrala beslut: när miljön ska samplas och när beräkningar ska avlastas till en mer exakt, fjärrbelägen modell. Dessa beslut styrs av miljöns semantiska egenskaper och de kostnader som är förknippade med dessa. Semantiken hålls på en abstrakt nivå, och förtränade inferensmodeller används, vilket möjliggör en plattformsoberoende formulering som är anpassningsbar till den snabba utvecklingen inom distribuerad intelligens och trådlös kommunikation. Angående sampling studerades avvägningen mellan samplingskostnad och detektionsfördröjning i händelsedetekteringssystem som saknar tillräcklig lokal inferenskapacitet. Ett optimeringsproblem över samplingstidpunkter formuleras för stokastiska händelser och analyserades på olika nivåer av modelleringskomplexitet, från periodisk till aperiodisk sampling. Slutna, algoritmiska, och approximativa lösningar utvecklades, varav vissa resultat även är av allmänt matematiskt intresse. Simuleringar i realistiska system visade tydliga effektivitetsvinster jämfört med system som bortser från händelsernas semantik. Särskilt aperiodisk sampling uppnådde en stabil förbättring på cirka 10% jämfört med periodiska strategier över olika systemparametrar. Angående avlastning introducerades ett nytt ramverk för hierarkisk inferens (HI), som fattar sekventiella avlastningsbeslut mellan en lokal modell med låg fördröjning och energiförbrukning, och en fjärrmodell med högre noggrannhet, baserat på lokala konfidensmått. Vi föreslog HI-algoritmer baserade på tröskelvärden och ambiguitetsregioner som lärs in online genom att utvidga metoder för expertbaserad prediktion (Prediction with Expert Advice, PEA) till kontinuerliga expertrum med partiell återkoppling. HI-algoritmerna minimerar den förväntade kostnaden över flera inferensomgångar genom att kombinera kostnader för avlastning och felklassificering, och uppnår O(T2/3) sublinjär ånger. De föreslagna algoritmerna är oberoende av modellarkitektur och kommunikationssystem, kräver ingen ändring av modellträningen, och stödjer modelluppdateringar under drift. Jämförelser på standardiserade klassificeringsuppgifter med softmax-värde som konfidensmått visade att HI fördelar inferens adaptivt beroende på avlastningskostnader och når resultat nära det offline-optimum som beräknats i efterhand. HI visade sig dessutom öka robustheten mot distributionsförändringar och modellavvikelser, särskilt i fall med asymmetriska felklassificeringskostnader. Sammanfattningsvis presenterar avhandlingen effektiva metoder för sampling och avlastning av inferensuppgifter där olika prestandamått kombineras i en gemensam kostnadsstruktur. Arbetet sträcker sig bortom konventionella inferensproblem till områden med liknande avvägningar, och bidrar till utvecklingen av effektiv distribuerad intelligens som tar beslut vid rätt tidpunkt och på rätt plats. Framtida arbete inkluderar konceptuella utvidgningar såsom gemensam design av sampling och avlastning, samt integration med kollaborativa modellträningsarkitekturer.QC 20251127</p