Lietu internets (Internet of Things, IoT) ir nākotnes tehnoloģija, kura padarīs iespējamu viedo veselības aprūpi, viedās mājas, viedās pilsētas, un būs galvenais faktors nākošajā rūpniecības revolūcijā (Industry 4.0). Pēc kompānijas Gartner materiāliem, pie lietu interneta pievienoto ierīču skaits līdz 2020. gadam sasniegs 20,6 miljardus.

EDI veiktais darbs lietu internetā un bezvadu sensoru tīklos aptver vairākas pielietojumu jomas, piemēram: valkājamas viedās veselības ierīces (CONVERGENCE, FEATURE), viedās pilsētas un infrastruktūras (iTrEMP, SOPHIS, 3D FABRIC, Arrowhead-Tools, INTKO, DEWI), vides novērošana (JurSens), lauksaimniecība (SARA) un ar rūpniecību vai transportu saistītas kiberfiziskās sistēmas (I-MECH, ENACT). Izmantojot šos lietu interneta pētniecības projektus no Apvārsnis 2020 un citām zinātnes finansēšanas programmām, mēs esam veiksmīgi sadarbojušies ar vairākiem Eiropas un nacionāla mēroga tehnoloģiju uzņēmumiem (Gefran, Nexperia, INDRA un citiem) un akadēmiskām institūcijām (Latvijas Universitāte, Rīgas Tehniskā universitāte, Bristoles universitāte un citas).

EDI kompetencē ietilpst:

  • Iegultu lietu interneta ierīču un sensoru izstrāde.
  • Tīklotu iegulto sistēmu programmatūras izstrāde, ieskaitot Contiki-NG un MansOS operētājsistēmas.
  • Zemas jaudas bezvadu sakaru protokoli (Bluetooth Low Energy, IEEE 802.15.4 TSCH, LoRa / LoRaWAN un citi).

EDI infrastruktūrā ietilpst vairāk nekā 100 mezglu lietu interneta testa vide (TestBed). Šī testa vide piedāvā protokolu un ierīču testēšanas un atkļūdošanas iespējas, tai skaitā speciālu aparatūru enerģijas patēriņa mērīšanai katrā mezglā.

Galvenās lietu interneta pētniecības tēmas EDI:

  • Inerciālo (kustību) sensoru sistēmas ar pielietojumiem veselības aprūpē (stājas uzraudzība, rehabilitācija un citas) un infrastruktūras uzraudzībā.
  • Uzticama un energoefektīva datu ievākšana no valkājamām ierīcēm, izmantojot IEEE 802.15.4 TSCH un Bluetooth zema enerģijas līmeņa protokolus.
  • Uzticamu, drošu un izturīgu lietu interneta sistēmu izstrādes iespēju pētīšana izmantojot DevOps paradigmu.
  • IoT sensoru datu pārvēršana noderīgā informācijā, izmantojot mašīnmācīšanos.
  • Efektīvas mašīnmācīšanās metodes un lietojumprogrammas iegultām sistēmām ar ierobežotām resursiem.
  • Jaunu iespēju izpēte un izstrāde EDI lietu interneta testa videi.