Otsuse vaidlustamine

P R E S E N T E D B Y

Vladimir Kuts (PhD, MBA) [email protected]

Battlefield Awareness Reinvented

On the frontline, thousands of drones record videos to search for possible threats.

Who can analyise all of the footage?

With the lack of Manpower on the frontline

◊ To detect the threats

◊ Execute counter-measures

2D maps, aerial photos, and slow 3D solutions limit battlefield situational awareness, delaying decisions and putting soldiers at risk.

◊ Current battlefield 3D solutions take 1-2+ hours.

◊ Limited enemy discovery in urban and concealed areas.

◊ Manual and slow threat detection reduces operational

effectiveness.

https://youtu.be/p0N0i1Gf6qE

Unique values

◊ Tactical planning of operations

◊ Fast map updates, especially in urban areas.

◊ Fusion of multiple data sources (multi-layers and filtering)

◊ Agnostic to hardware used

◊ Integrations with C2 software (TAK)

Ongoing Battlefield Test

Product developed together with

front-line soldiers:

◊ Collaboration with 13th BDE

Khartiia (UA) is ongoing.

◊ Roadmap constantly

redefined based on the

current needs.

Cooperation in Estonia

◊ Tailored video streaming and automated ENY detection solution for

the Estonian Defence Forces

◊ Pilot projects with the Estonian Defence League to support small

unit mission planning and situational awareness

◊ Drafting plans for AI-based automated terrain analysis for IPB

◊ Hotspot detection for forest and large fire events.

◊ Rapid 3D mapping for rescue operations in disaster-stricken areas.

◊ Instant crime scene reconstruction for law enforcement investigations.

◊ Construction planning, energy efficiency, and infrastructure

assessment.

Possible Civilian Applications

• Stream explorer dashboard for intel units

• API gateway for interoperability • Backend scaling for modular AI • Integration with smart wearable

platforms • Human-Robot collaboration

interfaces

• Video upload & management dashboard

• Law enforcement pilot launch • Enhanced AI inference: vehicles,

landmarks • Pilots with defence hardware

companies and other military units

• MVP delivery • Real-time 3D reconstruction engine • Initial AI models: object, threat &

change detection • Pilots: UA 13th Brigade, EDL • Intelligence dashboard (MVP)

• 3D module integration with map provider

• Participation in NATO CWIX • Testing in ISR, MILGEO, CYBER, C2 domains • Toward NATO Secret (NS) accreditation • Broader NATO/EU deployment path

And a lot of other crazy things we have in mind!

2025 Q2 Q3 Q4

2026

Roadmap

PhD in Engineering and MBA with extensive experience in technology and strategic planning. Professor of Digital manufacturing, Head of VR&AR Lab, R&D expert, and Estonian Defense League member.

Software Engineer at Final Assembly Technology Equipment Development team at Ericsson; Project Specialist at

TalTech Industrial VR&AR lab of Smart Industry research

25+ years experience in IT and information security. Currently developing a NATO

capability. Reserve officer in intelligence and communications roles. Active Estonian

Defense League member.

Project specialist at TalTech Industrial VR&AR lab of Smart Industry research. Previously Mechanical design engineer at ABB Drives Estonia,

Software Developer at Laboratory of Language Technology at TalTech,

specializing at audio signal processing and speech synthesis; R&D specialist in

Robotics at VR&AR Lab

Prof. Vladimir Kuts

Heiti Kruusmaa Rostyslav Boychuk

Daniil Rõbnikov

COO and Co-founder at SensusQ.

Villiko Nurmoja

Management

Mentor

DevelopmentMeet the Team Advancing 3D Intelligence

Ivan Symotiuk

Early-stage researcher at TalTech Industrial VR&AR Lab; experienced in computer vision, AI and immersive technologies; technical co- founder of several startups.

Yevhen Bondarenko

Marketer with a background in the defense industry and agricultural startups. Formerly involved in the area of government under MOD of Estonia. Area commander in the Estonian Defense League.

Saamuel Stepanov

With C2GRID, you’ll always be aware. [email protected]

Additional slides

C2GRID Transforms Footage into 3D Situational Awareness.

Enables multi-layer views, including thermal imaging.

https://youtu.be/9X2rGIBHR1A

C2GRID uses AI solutions (based on Gaussian Splatting) to create an

instant 3D battlespace from any video source in 5 to 20 minutes:

◊ Combining RGB, thermal, hyperspectral, and acoustic layers enables

automated threat detection.

◊ AI-based segmentation of objects: add/remove buildings,

vegetation, and vehicles.

◊ Interoperability with C2 systems like TAK.

We do AI-Powered 3D Situational Awareness

Soovime esitada vastuväite järgmise projekti otsuse kohta:

Projekti nimi ja number: C2Grid (Command and control platvorm) 3D alade rekonstrueerimise platvormi loomine 2021-2027.1.01.25-1083

Taotleja: Tallinna Tehnikaülikool

Vastuväide:

Üldine kommentaar – on põhjus arvata, et hindaja pole piisavalt arvesse võtnud kõiki materjale (sh. C2Grid Deck, mis on lisatud ka manuses) ning ei arvestatud kõikjal eskpertkomisjoni valikumetoodika tabelit.

Taotluse meeskond tahab aga tänada hindajat tehtud töö eest ja lihsalt vihjata tähelepanule, et polnud arvestatud ülikoolide eripäradega antud taotluse hindamisel.

Projekti põhjendatus (kaal 30%)

Hinnang on olnud positiivne ning on arusaamatu madal 3.67/5.00 hinne. Taotleja ei näe seda piisavalt põhjendatud.

Ainus hinne madalama poole põhjendatud kommentaar oli:

Spin-offi või kommertsialiseerimise detailne äriplaan ei ole esitatud.

Äriplaan polnud projekti taotluses nõutud ning hindamiskriteeriumites antud punkt 2 alt seda pole mainitud. Esitatud oli aga C2Grid deck, kus on näha spin-offi teekaarti ning juba potentsiaalsete klientide olemasolu.

Projekti kuluefektiivsus (kaal 15%)

Hinnang on olnud positiivne ning on arusaamatu madal 3.50/5.00 hinne. Taotleja ei näe seda piisavalt põhjendatud.

Ainus hinne madalama poole põhjendatud kommentaar oli:

Samas on kulude plaan väga üldine, mis on puuduseks antud projektil.

Kulude plaan hõlmab tööjõukulusi, detailsemaks seda pole võimalik teha etteantud taotluste mustantide järgi.

Samuti pole välja toodud konkreetseid nimesid, kes antud projektiga tegelema hakkab. Jääb ebaselgeks, kas meeskond on juba moodustatud või alles moodustamisel.

Tegu on ülikooli meeskonnaga, kus tudengite osalejad võivad muutuda. Kui vaadata IVAR laborite projekte, ja meeskonna koosseisu siis saab aru, et projektimeeskond saab olla tugev ja pädev, nimesid nimetamata. Samuti osa meeskonnast nimelist on ka kirjeldatud C2Grid Deck dokumendis, mis arvatavasti oli arvestamata hindaja poolt.

Pole toodud täpset kulude-tulude analüüsi või hilisemat ekspordi-tulude prognoosi.

Hindamiskriteeriumite järgi finantsprognoosi ei pidanud esitama samuti ekspordi prognoosi.

Toetuse taotleja ja partnerite suutlikkus projekti ellu viia (kaal 25%)

Hinnang on olnud positiivne ning on arusaamatu madal 3.67/5.00 hinne. Taotleja ei näe seda piisavalt põhjendatud.

Ainus hinne madalama poole põhjendatud kommentaar oli:

Samas pole taotlejate nimesid välja toodud ja konkreetset kvalifikatsiooni on raske hinnata.

Ülikooli eripära ning muutvate meeskondade tõttu tudengite seas, polnud vajalik nimesid nimetada, aga nimed on taotluses olemas nii IVAR kodulehe (https://ivar.taltech.ee/)l kui ka C2Grid deck peal.

Koostaja:

Prof. Vladimir Kuts

[email protected]