Publikationer från KTH
Not a member yet
57933 research outputs found
Sort by
Practical Machine Learning for Predictions in Mobile Networks
No full textThe use of machine learning (ML) in mobile networks has surged to tackle the challenges arising from their growing complexity, dynamic behavior, and application demands.However, more support through prediction models for key performance metrics that cannot be directly observed at the base station are needed to better adapt network and application parameters to the changing network state. Moreover, the growing adoption of ML models in telecom networks brings practical challenges, like the scarcity of labeled data for training, heterogeneity of hardware, and evolving conditions, all of which pose hurdles to their seamless deployment in real-world scenarios. In this thesis we investigate ML-driven methods to predict user performance in dynamic environments and address the practical challenges encountered over a model’s life cycle. First, we present supervised ML approaches for predicting key metrics such as round-trip time and one-way delay, using data collected from 5G mmWave testbed networks.Further, we propose a mobile edge-assisted framework for improving quality of service (QoS) and reducing backhaul load for video streaming applications, by prefetching video segments, under backhaul bandwidth and cache storage restrictions. This framework is based on ML predictions of video segment bitrates in a dynamically changing mobile network. Next, we address domain shifts, particularly from the arrival of new user equipment (UE) types, by applying adversarial adaptation strategies that allow models to adapt without requiring labeled samples from the new domain.Further, we apply self-supervised learning approaches to harness unlabeled data from telecom network datasets. This is shown to improve model accuracy in label-scarce scenarios. Finally, to further mitigate data-collection challenges, we introduce an open-source simulation framework for generating large-scale, customizable datasets. Overall, this thesis contributes to the careful design of ML solutions for predicting key performance metrics, and shows how they can, along with robust data generation, model adaptation, and model pretraining techniques, elevate user experience and network automation in modern telecom networks.Användningen av maskininlärning (ML) inom mobila telekomnätverk har ökat kraftigt för att tackla utmaningar som uppstått med nätverkens växande komplexitet och applikationskrav. Mer hjälp från modeller som kan ge prognoser över viktiga prestandavärden, som inte är direkt mätbara vid basstationen behövs dock för att anpassa nätverk och applikationsparametrar till kontinuerligt skiftande nätverkstillstånd.Den växande tillämpningen av ML-modeller för telekomnätverk för med sig praktiska utmaningar, så som brist på annoterad data för träning, varierande hårdvaruarkitekturer och ständigt förändrade nätverkstillstånd. Dessa hinder försvårar driftsättning av ML i verkliga system.I denna avhandling studerar vi ML-modeller för telekomnätverk samt flera praktiska utmaningar som uppstår under en modells livscykel. Först så presenterar vi vägledda ML-metoder som förutspår viktiga mätvärden inom 5G-nätverk. Dessa metoder tränas med data insamlad från 5G mmWave testbädds-nätverk.Vidare så utvecklar vi en ML-driven mobile edge-lösning som förbättrar videokvaliteten för videoströmningstjänster i nätverket. Vår lösning bygger på smart förhandsinladdning av videosegment, där ML används för att förutspå lämplig kvalitet på videosegmenten. Vi studerar också hur ML-modeller påverkas när nätverk ändras till en så stor grad att ett domänskifte sker. Vi tittar speciellt på situationen som uppstår när nya typer av användarutrustnings ansluter sig till nätverk. Genom att tillämpa adaptiva strategier visar vi att ML-modeller kan anpassas utan användandet av annoterad data från den nya domänen. Vi undersöker också hur icke-vägledda ML-modeller kan utnyttja stora mängder oannoterad data som annars inte används. Vi visar hur dessa modeller kan integreras med vägledda modeller för att förbättra prognosprestandan, speciellt när det råder brist på annoterad data. Slutligen så introducerar vi ett ramverk, skriven i öppen källkod, för att generera stora, anpassningsbara datamängder för mobila telekomnätverk. Allt inräknat så bidrar denna avhandling med ML-lösningar för bättre användarupplevelser samt drift av moderna telekomnätverk.QC 20250523</p
Brittle Fracture in Heterogeneous Materials — Theory, Experiments, and Numerical Modelling
No full textBrittle fracture in the ductile-to-brittle transition regime raises complex issues for structural integrity assessments, particularly when fracture toughness is influenced by heterogeneity. This thesis investigates brittle failure through theoretical, numerical, experimental, and probabilistic approaches, focusing on understanding and modelling fracture behaviour in multipass welds. A probabilistic framework is developed to evaluate how spatial heterogeneity affects failure probability curves obtained from fracture toughness testing. The distinction between small-scale and large-scale heterogeneity is formalised based on the relative size of the heterogeneity compared to the fracture process zone. Numerical simulations show how heterogeneity shapes failure probability curves, and scaling methods are introduced to relate results from miniature specimens to full-scale conditions. Experimental work includes fracture toughness testing and fractography of agedand unaged weld metals. Thermal ageing introduces heterogeneity in toughness through zone-specific embrittlement caused by phosphorus segregation. The role of grain orientation in brittle failure is investigated, and limitations of standard testing methods under heterogeneous conditions are addressed. The developed methods form a foundation for fracture assessment instructurally heterogeneous materials and support more reliable interpretation of fracture toughness data in safety-critical applications.Sprödbrott i transitionsområdet komplicerar bedömningen av strukturell integritet, särskilt när brottsegheten påverkas av materialets heterogenitet. Denna avhandling undersöker spröda brott med teoretiska, numeriska, experimentella och probabilistiska angreppssätt, med fokus på att förstå och modellera brottbeteende i flerpassagesvetsar. Ett probabilistiskt ramverk har tagits fram för att utvärdera hur rumslig heterogenitet påverkar brottsannolikhetskurvor erhållna från brottseghetsprovning. En uppdelning i småskale- och storskaleheterogenitet definieras från den relativa storleken på heterogeniteten jämfört med brottprocesszonen. Numeriska simuleringar visar hur heterogenitet påverkar brottsannolikhetskurvor, och skalningsmetoder tas fram för att relatera resultat från miniatyrprovstavar till fullskaliga förhållanden. Det experimentella arbetet inkluderar brottseghetsprovning och fraktografi avåldrade och oåldrade svetsmetaller. Termisk åldring har visat sig introduceraheterogenitet hos segheten genom zonspecifik försprödning orsakad avfosforsegregering. Kornorienteringens roll vid sprödbrott undersöks och begränsningar av standardtestmetoder under heterogena förhållanden tas upp. De framtagna metoderna bildar en grund för bedömning av brott i strukturellt heterogena material och leder därmed till en mer tillförlitlig tolkning av brottseghetsdata i säkerhetskritiska tillämpningar.QC 250523</p
Situation Awareness for Autonomous Agents under Limited Sensing
No full textAutonomous agents, such as robots and automated vehicles, rely on their ability to perceive and interpret their environment to make informed decisions and execute actions that align with their goals. A key aspect of this capability is situation awareness, which involves understanding the current state of the environment and predicting its future evolution. Traditional autonomous systems address perception and prediction as separate tasks within a sequential pipeline, where raw sensor data is processed into increasingly abstract representations. While this structured approach has driven significant advancements, it remains constrained by sensor limitations, including occlusions, measurement uncertainty, and adverse weather conditions. This thesis investigates how predictions from past observations can enhance perception algorithms, enabling agents to infer missing information, reduce uncertainty, and better anticipate changes. To support this integration, alternative environment representations are explored that allow feedback between prediction and perception while capturing uncertainty. This tighter coupling improves decision-making, particularly in complex and partially observable environments. The contributions include: (1) a reachability-based reasoning framework for tracking possible hidden obstacles; (2) its extension to handle delayed and partial external data; (3) a probabilistic mapping method, Transitional Grid Maps (TGM), that jointly models static and dynamic occupancy; and (4) an extension of TGM to mitigate weather-induced sensor noise. The proposed methods are evaluated in simulated and real scenarios where traditional perception pipelines struggle, such as occluded, highly dynamic and noisy environments. By bridging the gap between perception and prediction, this work contributes to the development of more robust and intelligent autonomous systems.Autonoma agenter, såsom robotar och självkörande fordon, är beroende av sin förmåga att uppfatta och tolka omgivningen för att fatta välgrundade beslut och utföra handlingar i linje med sina mål. En viktig del av denna förmåga är situationsmedvetenhet, som innebär att förstå miljöns nuvarande tillstånd och förutse dess framtida utveckling. Traditionella autonoma system hanterar perception och prediktion som separata steg i en sekventiell kedja, där sensordata bearbetas till alltmer abstrakta representationer. Även om detta strukturerade tillvägagångssätt lett till stora framsteg, begränsas det av sensorbrister, inklusive skymda objekt, mätosäkerhet och ogynnsamt väder. Denna avhandling undersöker hur prediktioner från tidigare observationer kan förbättra perceptionsalgoritmer, så att agenter kan sluta sig till saknad information, minska osäkerhet och bättre förutse förändringar. För att möjliggöra denna integration utforskas alternativa omgivningsrepresentationer som ger återkoppling mellan prediktion och perception, samtidigt som osäkerheter kan hanteras. Denna tätare koppling förbättrar beslutsfattandet, särskilt i komplexa och delvis observerbara miljöer. Avhandlingens huvudsakliga bidrag inkluderar: (1) ett reso\-nemangs\-ramverk baserat på nåbarhet för att spåra möjliga dolda hinder; (2) dess utvidgning för att hantera fördröjd och ofullständig extern data; (3) en probabilistisk kartmetod, Transitional Grid Maps (TGM), som gemensamt modellerar statisk och dynamisk ockupation; och, (4) utvidgning av TGM för att förbättrad hantering av väderrelaterat sensorbrus. Metoderna utvärderas i scenarier där traditionella perceptionskedjor har problem, exempelvis i skymda, mycket dynamiska och brusiga miljöer. Genom att överbrygga klyftan mellan perception och prediktion bidrar detta arbete till utvecklingen av robustare och intelligentare autonoma system
Teknikutveckling
No full textDet här kapitlet tittar på hur teknikutvecklingen kan komma att påverka resiliensen hos framtida transportsystem. Det inleds med en allmän diskussion kring framtidsstudier och olika tillvägagångssätt, som ligger till grund för arbetet i BULT och förhoppningsvis för fortsatta fördjupningar. Vi tar därefter avstamp i internationell vetenskaplig litteratur och offentliga dokument för att spänna upp några tekniska utvecklingsområden - energiförsörjning, digitalisering och automatisering - som förväntas driva en transformation av transportsystemet de kommande åren och decennierna. Vi reflekterar över några särskilt intressanta övergripande konsekvenser av den pågående teknikutvecklingen, som alla berör en ökande grad av komplexitet i transportsystemets planering och därmed även i krisberedskapen.QC 20250527BUL
Automatisering av produktkategorisering och prisprognostisering med hjälp av artificiell intelligens
No full textThis thesis examines how Artificial Intelligence (AI) can be utilized to facilitate workflows in commerce through automating categorization and price prediction. The goal is to simplify the process of structuring input data and generating predicted outcomes based on extracted features. The final product is a prototype that utilize two AI methods to classify text and perform price prediction. It allows free text input of new article data, where the article features are extracted by a fine-tuned Large Language Model (LLM), and forwarded to a price predicting model that suggest a price for the article, based on those features. The LLM is trained on structured and categorized data, to extract article features from free text through Named Entity Recognition (NER), such as brands, article types and colors, with the purpose of categorize and thereby structuring data. The model is trained on both a small and a large dataset. The results show that even though both models perform with an accuracy above 90%, the model trained on the larger dataset is the best performing one, with a 96% accuracy, and an F1 score of 0.95. The second AI method is classical Machine Learning (ML) that performs price predictions based on the structured data. Different ML algorithms are compared, both regression and classification. The results of price predictions show that the preferred algorithm is Decision Tree Classification. It is the least demanding algorithm and it performs better than both the regression model and the more complex classification models. The accuracy of all models are below 70%, the accuracy of the Decision Tree model being 67%. The low accuracy of price predictions is a result of a large number of classes and inconsistencies in pricing, causing confusion during model training.Denna avhandling syftar till att undersöka hur Artificiell Intelligens (AI) kan tillämpas för att effektivisera arbetsflöden inom handelssektorn genom auto- matiserad datakategorisering och prisprognostisering. Målet är att förenkla processen för indatahantering i system genom intelligent strukturering av ostrukturerad data. Det slutgiltiga resultatet utgörs av en prototyp som integrerar två AI- baserade metoder för att klassifiera text och förutsäga priser. Systemet möjliggör fritextinmatning av artikeldata, där artikelns attribut extraheras med hjälp av en stor språkmodell (LLM) och vidarebefordras till en prisprognosmodell. Denna modell genererar ett prisförslag baserat på de identifierade attributen. Projektets LLM är tränad på strukturerad och kategoriserad data i syfte att med hjälp av Named Entity Recognition (NER) extrahera relevanta artikelattribut såsom varumärken, artikeltyper och färger, och därmed kategorisera och strukturera data. Modellen har tränats på både ett litet och ett stort dataset. Resultaten visar att båda modellerna uppnår en noggrannhet på över 90%, men att modellen tränad på det större datasetet uppvisar bäst prestanda med en noggrannhet på 96% och ett F1-värde på 0.95. Den andra AI metoden utgörs av traditionella maskininlärningsalgoritmer (ML) för prisprognos, där flera olika algoritmer inom både regression och klassificering har jämförts. Resultaten indikerar att Decision Tree Classifier är den mest lämpliga modellen, då den kombinerar låg komplexitet med relativt hög noggrannhet. Den presterar bättre än både regressionsbaserade modeller och mer komplexa klassificeringsalgoritmer. Noggrannheten av samtliga modeller är under 70%, vilket inte bedöms vara en acceptabel nivå. Decision Tree-modellen uppnår en noggrannhet på 67%. Den låga träffsäkerheten förklaras huvudsakligen av det stora antalet klasser samt inkonsekvenser i prissättning, vilket genererar osäkerhet och förväxling under modellträning
On the discrepancy between the task and communication graphs in multi-agent control systems
No full textMotivated by applications in which agents need to perform collaborative tasks under limited communication, in this work we consider the asymptotic satisfaction of relative-position based spatial tasks by a leader-follower network. As opposed to existing approaches, the spatial tasks may involve non-communicating agents and/or a subset of the multi-agent team. In order to ensure the satisfaction of the constraints using local information, as a first contribution, we express the incidence matrix of the task graph in terms of the corresponding matrix of the communication graph. In addition, for undirected spanning tree communication graphs, we show that the relation of the incidence matrices of these graphs is unique. Building upon this relation, as a second contribution we propose a two-hop communication based distributed feedback control law that ensures asymptotic satisfaction of the constraints with a predetermined robustness. The proposed control law employs the line graph of the communication graph and does not require knowledge of a complete row of the constraint matrix.QC 20250602</p
Situational precipitators of Environmental and Wildlife Crimes in Namibia and Sweden
No full textApplying Wortley’s theoretical framework, this chapter reports on how prompts, pressures, permissions and provocations shape criminal opportunities in two distinct country contexts, informed by research in Namibia and Sweden. Findings reveal commonalities and distinctions in the factors precipitating crime, illustrated by instances in Namibian and Swedish mining industries. The chapter concludes with recommendations for research and policy in both settings.Part of ISBN 9781032497983, 9781003395522QC 20250506</p
Analysis of IoT-botnet and Optimiza-tion of Cowrie Honeypot
No full textI och med antalet ökade IoT-enheter och deras ofta bristande säkerhet ökar risken för cyberangrepp. Därför är det av stor betydelse att samla in och analysera inform-ation om dessa attacker, samt att effektivt kunna använda sig av verktyg som ho-neypots för att samla in information. Honeypot som Cowrie med standardkonfigu-ration kan avslöjas av angripare genom att undersöka dess variabler. I detta arbete användes SSH-klienten Termius för att ansluta och interagera med Cowrie. Det för att undersöka vilka variabler som kan avslöja Cowrie som en Honeypot. Ett Pyt-hon-skript och lösenordsattacksverktyget Hydra användes för att simulera attacker mot Cowrie med standardkonfiguration och därefter med ändrad konfiguration. Detta både mot Cowrie i en virtuell miljö och på Raspberry Pi. Cowrie i virtuell miljö exponerades på Internet för att samla data från verkliga attacker. Standard-konfigurerad Cowrie kunde lätt identifieras som en Honeypot. Konfigurationsänd-ringar ökade Cowries trovärdighet, antalet inloggningsförsök och vidare interakt-ioner. Cowrie som exponerades på Internet med ändrade konfigurationer samlade information som kan tyda på utnyttjande av Cowrie för vidare kommunikation och attacker. Cowrie visade god förmåga att logga aktiviteter. Avslutade sessioner och brisande stöd för kommandon begränsade möjligheterna att samla djupare in-formation.With the increasing number of IoT devices and their lack of security, the risk of cyberattacks is rising. Therefore, it is of great importance to collect and analyze information about these attacks, as well as to effectively utilize tools such as honey-pots to gather relevant data. Honeypots such as Cowrie with standard configura-tion can be detected by attackers by examining its variables. In this project the SSH-client Termius was used to connect and interact with Cowrie. This to examine variables that can reveal Cowrie as Honeypot. A Python-script and password attack tool Hydra was used to simulate attacks on Cowrie with standard configuration and thereafter with modified configuration. This was done both in Cowrie in a virtual environment and on Raspberry Pi. Cowrie in a virtual environment was exposed to the Internet to gather information from real attacks. Cowrie with standard config-uration could easily be identified as a Honeypot. Modified configurations increased Cowrie’s credibility, the numbers of attacks and further interactions. Cowrie with modified configurations that was exposed on the Internet gathered information that could indicate potential use for further communication and attacks. Cowrie showed good logging capabilities, however session terminations and insufficient command support limited the potential for collecting more in-depth information
Simulation-Driven Optimization of an HPDI Argon-Hydrogen Engine
No full textThis thesis presents a simulation-driven study on the optimization of a High-Pressure Direct Injection Argon-Hydrogen internal combustion engine operating in a closed-loop configuration. The objective is to explore the potential of hydrogen as a carbon-free fuel, combined with argon as a thermodynamically advantageous inert working fluid. A detailed 1D model is developed in GT-POWER, starting from a conventional six-cylinder diesel engine architecture and progressively modified to implement turbocharging, charge-air cooling, and turbo-matching strategies. The work begins with baseline simulations to assess convergence behavior and the inherent efficiency of the closed-loop base architecture. A fixed-geometry turbocharger is then introduced to recover exhaust energy, revealing the need for improved thermal management due to increased intake temperatures. A charge-air cooler is subsequently added, successfully restoring thermal stability and improving Brake Thermal Efficiency. Parametric studies on argon content, initial pressure, and air-fuel equivalence ratio (λ) demonstrate that argon dilution and system pressure are critical to achieving optimal efficiency. Finally, a compressor and turbine matching analysis is carried out by tuning mass and efficiency multipliers, resulting in a peak BTE of 57% and a reduction in Brake Specific Fuel Consumption by 2%. The final model confirms that turbo-matching is essential to unlock the full potential of a closed-loop hydrogen ICE. From an environmental standpoint, the proposed system eliminates carbon emissions, making it a promising solution for the future of sustainable heavy-duty transportation. Future work will involve extending this model with variable geometry and electric turbochargers and conducting real engine validation in test cells, as a means to implement it in commercial vehicles.Denna avhandling presenterar en simuleringsdriven studie av optimeringen av en högtrycks direktinsprutad argon-vätgas-förbränningsmotor som arbetar i en sluten krets. Syftet är att undersöka potentialen hos vätgas som ett koldioxidfritt bränsle, i kombination med argon som ett termodynamiskt fördelaktigt inert arbetsmedium. En detaljerad endimensionell modell utvecklas i GT-POWER, med utgångspunkt i en konventionell sexcylindrig dieselmotorkonfiguration som gradvis modifieras för att implementera turboladdning, laddluftkylning och strategi för turbo- matchning. Arbetet inleds med bassimuleringar för att bedöma konvergensbeteende och den inneboende effektiviteten hos den slutna basarkitekturen. En turboladdare med fast geometri introduceras därefter för att återvinna avgaser, vilket avslöjar behovet av förbättrad värmehantering på grund av ökade insugstemperaturer. En laddluftkylare läggs till i nästa steg, vilket framgångsrikt återställer termisk stabilitet och förbättrar bromsad termisk verkningsgrad. Parametriska studier av argonhalt, initialtryck och luft-bränsle-ekvivalensförhållande (λ ) visar att argonutspädning och systemtryck är avgörande för att uppnå optimal verkningsgrad. Slutligen genomförs en turbomatchningsanalys för kompressor och turbin genom justering av mass- och verkningsgradsfaktorer, vilket resulterar i ett verkningsgradsmaximum på 57% och en minskning av den specifika bränsleförbrukningen med 2%. Den slutliga modellen bekräftar att turbomatchning är avgörande för att frigöra hela potentialen hos en vätgasdriven förbränningsmotor i sluten cykel. Ur ett miljöperspektiv eliminerar det föreslagna systemet koldioxidutsläpp, vilket gör det till en lovande lösning för framtidens hållbara tunga transporter. Framtida arbete kommer att innebära att modellen utökas med variabel geometri och elektriska turboladdare samt att verkliga motortester genomförs i provceller, inför en möjlig implementering i kommersiella fordon
Assistive technology: Developing a tactile aid for individuals with congenital deafblindness : A study and design project in developing a form of communication using the tactile sense
No full textThis thesis explores the development of a tactile communication aid for individuals with congenital deafblindness (CDB), a condition defined as the combined loss of both vision and hearing manifesting at birth or before language acquisition. Individuals with CDB rely primarily on their sense of touch to understand and interact with the world, often forming highly individualized communication systems that are difficult for outsiders to interpret. Traditional language systems — such as speech, sign, or Braille — require a prior linguistic understanding, rendering them inaccessible to people with CDB. Through theoretical research, interviews, and field studies in collaboration with Nationellt Kunskapscenter för Dövblindfrågor (NKCDB), this project identifies a critical gap in assistive communication tools: the absence of a tactile language designed from the ground up for users without prior linguistic knowledge, as well as an established process in creating intuitive haptic patterns. To address this, a vibrotactile pattern logic (VPL) was developed — using vibration parameters of rhythm, duration, intensity, frequency, and pauses to create patterns conveying meaning. This logic was embodied in the specific context of temporal communication — conveying the passage of time as a tactile vibration pattern. This context was further reinforced through a conceptual design proposal, which features a tactile surface composed of elevated surfaces or bars. The number of bars represents the amount of remaining time, and in combination with a vibration pattern indicating the conclusion of an activity, will help convey the user with information of how much time remains for a given activity. This design allows users to perceive the passage or remaining time through touch, offering a tactile solution for users and caregivers alike. The results indicate that a carefully designed vibrotactile system can serve as a foundation for symbolic understanding in individuals with CDB, offering new possibilities for communication and emotional connection. This thesis mainly contributes with the discovery and detailing of a critical research gap within haptic design, but also contributes both a theoretical groundwork, and a concrete design proposal for future research and development in tactile assistive technologies.Detta arbete undersöker utvecklingen av ett taktilt kommunikationshjälpmedel för personer med medfödd dövblindhet (CDB), ett tillstånd som definieras som en kombinerad förlust av både syn och hörsel som manifesteras vid födseln eller före språkinlärning. Personer med CDB är i hög grad beroende av sin känsel för att förstå och interagera med världen, och utvecklar därför starkt individualiserade kommunikationssystem som kan vara svåra för utomstående att tolka. Traditionella språk — såsom tal, teckenspråk eller punktskrift — kräver en tidigare språklig förståelse, vilket gör dem otillgängliga för personer med medfödd dövblindhet. Genom teoretisk forskning, intervjuer, och fältstudier i samarbete med Nationellt Kunskapscenter för Dövblindfrågor (NKCDB) identifierar detta projekt ett kritiskt glapp i befintliga kommunikationshjälpmedel: avsaknaden av ett taktilt utformat från grunden för användare utan tidigare språkkunskaper, samt en etablerad process för att skapa intuitiva haptiska mönster. För att möta detta behov utvecklades en vibrotaktil mönsterlogik (VPL) — baserad på vibrationsparametrar såsom rytm, varaktighet, intensitet, frekvens, och pauser — för att skapa mönster som förmedlar mening. Denna logik tillämpades i ett specifikt sammanhang: att kommunicera tidens gång genom taktila vibrationsmönster. Detta sammanhang konkretiseras ytterligare genom konceptet Piano, som består av en taktil yta med upphöjda ytor eller stänger. Antalet stänger representerar den återstående tiden, och kombineras med ett vibrationsmönster som markerar slutet på en aktivitet, vilket hjälper användaren att uppfatta hur mycket tid som återstår. Denna design gör det möjligt för användare att uppleva tidens gång genom taktil beröring, och erbjuder en taktil lösning för både användare och assistenter. Resultaten visar att ett noggrant utformat vibrotaktilt system kan utgöra en grund för symbolförståelse hos personer med medfödd dövblindhet, och därmed öppna upp för nya möjligheter till kommunikation och känslomässig samhörighet. Detta arbete bidrar främst med att identifiera och beskriva ett kritiskt forskningsglapp inom haptisk design, men erbjuder också både ett teoretiskt grundarbete och ett konkret designförslag för framtida forskning och utveckling av taktila hjälpmedel