R-Control ønsker å plassere Norge fremst innen forskning og utvikling av kjerneteknologi for effektiv og bærekraftig ressurskontroll i kommersielt fiskeri.

Machine Learning for Irregular Time Series (ML4ITS) har som formål å løse noen av de fundamentale utfordringene som kan oppstå når man lager maskinlæringsmodeller for uregelmessige tidsrekker.

Den digitale transformasjonen har endret fundamentalt hvordan tjenester leveres og oppleves av mennesker. Målet vårt er å analysere og modellere hvordan digitale tjenester oppleves fra brukerens perspektiv, i stedet for å ta utgangspunkt i tjenestesystemets perspektiv. For å oppnå dette skal vi analysere de digitale sporene som kunden eller brukeren legger igjen i systemer og logger gjennom sin kundereise.

Målet til SMILE er å skape smarte inkluderende løsninger for at eldre skal kunne aldres trygt i eget hjem på sine egne premisser (SMart Inclusive Living Environments - SLE). Løsningene skal ikke bare støtte de eldre, men også fremme samarbeide og læring i nettverket rundt de eldre.

Geofysisk kartlegging og overvåking av naturfarer ved bruk av multifunksjonelle droner.

Hovedmålet i INVAPRO er å oppnå økt prosesskunnskap og kontroll ved å benytte nye maskinlæringsmetoder og tilgjengelig driftsdata for å utvikle norsk vannbehandlingssektor mot mer optimal, effektiv og miljøvennlig drift.

Et nytt dataverktøy skal gjøre vinterdrift på veiene litt enklere. Sintef utvikler systemet for Statens vegvesen.

OntoTrans er et EU-prosjekt som legger til rette for å svare på industriens produksjonsutfordringer mer effektivt ved å få tilgang til relevant informasjon og bruke materialmodellering mer effektivt. Spesielt er det et behov for å styrke bruken av oversettere (translators på engelsk, folk med innsikt i industriens behov og formår å oversette dem til en løsning) for å støtte sluttbrukere med å få tilgang til relevante data og modeller.