Idén kring Följsam automation (F-Auto) innebär att trafikledningssystemet - i kontrollrummet - har förmågan att förstå trafikledaren och kunna anpassa sin information, baserat på individens aktuella arbetsuppgifter och analys av trafiksituationen. Exempelvis skulle ett sådant trafikledningssystem kunna signalera (prediktera) att man har en uppkommande situation som måste ges speciell uppmärksamhet, alternativt senarelägga ett mindre viktigt larm om trafikledaren är upptagen. I F-autoprojekten (Del 1 och Del 2) har forskargruppen skapat ett antal innovativa koncept för följsam automation och skapat skarpa demonstratorsystem för att studera avancerad följsam automation i kontrollrumsmiljö. Angreppssättet i projekten har varit att tillsammans med trafikledare - från sjö- flyg- och tågdomänerna - ta fram interaktionskoncept som kontinuerligt förfinats och implementerats i tekniska protyper som utvärderas. I Del 1 av projektet, som genomfördes 2018-2020, identifierades det trafikslagsövergripande behovet av uppmärksamhetsstöd för trafikledare. Detta ledde till framtagandet av (1) antal koncept och prototyper för följsam automation (2) startade utvecklingen av en kognitiv teoribildning för följsam automation (Joint Control Framework), (3) påbörjade utvecklingen av ett AI-mjukvaruramverk för transportsektorn med operatörsstöd (SOMA-AI) samt (4) installerade ett högpresterande datorkluster för AI-studier på LiU. Syftet med F-Auto2 var att fortsätta på arbetet som gjorts i första delprojektet, förfina koncept och prototyper, utvärdera för- och nackdelar med ansatsen för följsam automation samt göra jämförelser mellan trafikdomänerna. I F-Auto2 har forskargruppen vidareutvecklat interaktionskoncepten för följsam automation och teoribildningen Joint Control Framework med det relaterade forskningsverktyget för interaktionsanalys (JCF Editor) kopplat till trafikledares arbetsuppgifter. Vad gäller den tekniska utvecklingen av systemprototyper för trafikledning har Del 2 tagit fram SOMA-AI, ett verktyg för att snabbt skapa AI-prototyper och strömma data från befintliga simulatormiljöer. Målet med denna utveckling var att snabbt kunna utvärdera olika HMI (eng., Human Machine Interface) och utvärdera AI-assistenter för trafikledning i de befintliga trafikledningssimulatorerna.