Alla inlägg av Azra Habibovic

Förtydligande om SAE nivåer

Förra veckan skrev vi en artikel om utmaningar med automatiserad körning motsvarande SAE-nivå 3 som framförts av Amnon Shashua och Shai Shalev-Shwartz från Mobileye. I den framgår det att kontrollöverlämning mellan mänsklig förare och automatiserade körsystem kan ske även för SAE-nivå 5. En läsare reagerade på det, vilket fick oss att tro att det kan finnas fler med samma funderingar. Därav ett litet förtydligande.

Vi kan börja med att konstatera att SAE-skalan är och förblir en förenkling av något som är väldigt komplext, vilket gör att den blir ibland svår att begripa och tillämpa i verkligheten. För visst kan man tro att det är konstigt att ett fordon som är utrustat med SAE-nivå 5 och som klarar av alla förhållanden överlämnar kontrollen till en mänsklig förare? Enligt SAE-standarden kan det mycket väl vara möjligt. Så här står det i standarden där ADS står för Automated Driving System och DDT står för Dynamic Driving Task: 

At levels 4 and 5, the ADS must be capable of performing the DDT fallback and achieving a minimal risk condition. Level 4 and 5 ADS-equipped vehicles that are designed to also accommodate operation by a driver (whether conventional or remote) may allow a user to perform the DDT fallback if s/he chooses to do so. However, a level 4 or 5 ADS need not be designed to allow a user to perform DDT fallback and, indeed, may be designed to disallow it in order to reduce crash risk.

Utryckt på ett annat sätt: Nivå 5-fordon kan vara utrustade även med reglage så att föraren, om han/hon vill, kan ta över och köra manuellt – men det får inte vara tvingande och systemet kan vara designat för att ta över kontrollen så att det som systemet bestämmer går före förarens input.

Safety Pool Scenario Database

University of Warwick och Deepen AI har skapat en öppen databas kallad Safety Pool Scenario Database [1, 2]. Den innehåller över 100 000 syntetiskt genererade scenarier för testning och validering av automatiserad körning i olika trafikmiljöer och under olika förhållanden. 

Enligt skaparna själva är det världens största databas för dessa ändamål och som är öppen för allmänheten. Något annat som är unikt för Safety Pool är att den bygger på data som användarna själva bidragit med och som sedan använts för att generera snarlika syntetiska scenarier. 

Det här initiativet är ett systerinitiativ till World Economic Forum Safe Drive Initiative vars mål är att designa och leverera ett globalt policyramverk för säkerhetsutvärdering av automatiserade körsystem.

Egen kommentar

På tal om data så kan ni här se en något mindre databas med lidardata insamlat av KTH kallat Open KTH.

Källor

[1] Sousa, N., Testing Simulation. World’s largest public scenario database for testing and assuring safe Autonomous Vehicle deployment. 2021-04-04 Länk

[2] Tempelton, B., Forbes. Safety Pool Announces 100,000 Self-Driving Test Scenarios Ready For Download 2021-03-31 Länk

AUTOBUS slutseminarium

Som ni säkert vet har det gjorts några piloter med självkörande skyttelbussar i Norge och Transportøkonomisk institutt (TOI), Lunds universitet, Vias Institute i Belgien och TU Delft i Nederländerna har tillsammans genomfört ett forskningsprojekt kallat Autobus som handlar om hur andra trafikanter samverkar med sådana fordon. Projektet har pågått sedan 2018 och har finansierats av norska forskningsrådet. 

Den 28 april 2021 kommer Autobus och dess slutresultat att presenteras på ett onlineseminarium. Ni hittar programmet och länken till seminariet här. Mer information om projektet finns att tillgå här

Så här vill AVSC kvantifiera säkerheten

Automated Vehicle Safety Consortium (AVSC) har publicerat riktlinjer kring metoder och mått för säkerhetsutvärdering av automatiserade körsystem motsvarande SAE-nivå 4 och 5 [1]. Riktlinjerna grundar sig i bäst praxis inom området och är huvudsakligen ämnade för systemutvecklare och tillverkare. Definitionerna som används är till stor del baserade på existerande SAE- och ISO-standarder. 

Konsortiet betonar vikten av s.k. evidensbaserad säkerhetsutvärdering av automatiserade körsystem. För att kunna testas och lanseras på allmänna vägar behöver sådana system vara säkra, och för att motivera att deras system är säkra behöver tillverkarna kunna vissa i siffror att systemen uppnått en acceptabel säkerhetsnivå. För detta föreslår AVSC en femstegsprocess:

  • Specificera säkerhetsmål (exempelvis reducera antalet olyckor),
  • Definiera säkerhetsmått, både de som mäter säkerheten på ett direkt sätt (exempelvis påverkan på antalet av olyckor) och indirekt sätt (exempelvis förmågan att anpassa hastigheten till kontexten).,
  • Beskriv operationell designdomän (ODD),
  • Applicera givna analysmetoder,
  • Utvärdera prestandan.

Vidare så definierar konsortiet en rad mått och metoder för respektive steg i processen. I grova drag så förespråkar de att använda den mänskliga föraren som referenspunkt så långt det går. 

AVSC har ett tiotal partners inklusive Aurora, Motional, GM, Lyft, Daimler, Volkswagen, Ford och SAE. 

Egen kommentar

Ni som arbetar med säkerhet kommer nog känna igen det mesta och på så sätt är dessa riktlinjer inte så revolutionerande. Det är dock bra att ha allt samlat på ett ställe och framförallt tycker jag att det är positivt att så många aktörer enats om kvantifierbara mått. Det här är ett område som behöver utvecklas och standardiseras, och AVSCs riktlinjer är ett bra bidrag (även om man inte nödvändigtvis håller med om allt som förslås där).

Källor

[1] AVSC. AVSC Best Practice for Metrics and Methods for Assessing Safety Performance of Automated Driving Systems (ADS). Mars 2021. Länk

Lastbilar

Idag har vi med tre färska nyheter från tunga sidan: 

  • Under veckan bjöd Waymos avdelning för lastbilar, Via, journalister på en virtuell åktur i en av företagets autonoma lastbilar [1]. Med en fördröjning på ungefär en minut kunde de via videolänken åka med i hytten och uppleva hur lastbilen hanterar diverse trafiksituationer på en motorväg. Med i lastbilen satt en säkerhetsförare som höll sina händer nära ratten och en tekniker som övervakade körsystemet via en laptop. Bloombergs rapporter konstaterar att lastbilen hanterade körfältbyten på ett smidigt sätt liksom situationer där körfälten gick ihop. Trafiken var inte så tär men lastbilen blev vid flera tillfällen omkörd av andra bilar på båda sidor. Vid ett tillfälle bytte lastbilen till mittfilen efter att ha upptäckt att ett fordon stannat på vägrenen lite längre fram. När det var dags att lämna motorvägen tog säkerhetsföraren över kontrollen. Länk
  • Startuppföretaget Embark beskriver i ett blogginlägg hur deras självkörande system för lastbilar gjort framsteg, framförallt när det gäller hantering av vägarbeten och avstängda körfält på motorvägar. Här kan ni se en film som visar hur Embarks lastbil känner av att körfältet som den färdas i är avstängt och byter därefter till ett annat körfält. Länk
  • Startuppföretaget Kodiak Robotics, med huvudkontor i Kalifornien, har inlett ett samarbete med kinesiska lidartillverkaren Hesai Technology. Det framgår inte vilken typ av lidar som kommer att installeras på Kodiaks lastbilar. Här kan vi också nämna att Hesai och en annan kinesisk lidartillverkare, RoboSense, blev för något år sedan stämda av amerikanska lidarföretaget Velodyne för patentintrång. Det hela löstes med att de numera har ett licensavtal. Länk

Cruise köper upp Voyage

Det har under de senaste månaderna ryktats om att Cruise, som ägs av GM och Honda, är på väg att köpa Voyage. Nu har köpet blivit officiellt: Cruise köper upp Voyage [1]. Prislappen är inte känd och köpet väntas färdigställas under de kommande månaderna. Då väntas också ”nyckelpersoner” från Voyage övergå till Cruise, men vilka som omfattas exakt återstår att se. 

Från Voyages VD uttalanden att döma kommer Voyage att förstärka Cruise med tre viktiga pusselbitar: Commander (självkörande A.I.), Shield (olycksundvikande system), och Telessist (fjärrkontrollcenter). Cruise får också på köpet Voyages etablerade testverksamhet och erfarenhet av en mobilitetstjänst för ett äldreboende.   

Voyage bildades 2017 och har sedan dess fokuserat på ett utveckla och testa en mobilitetstjänst för äldreboende, framförallt i San Jose i Kalifornien och The Villages i Florida. Sedan dess har de hunnit lansera tre generationer av sitt självkörande system. 

Egen kommentar

Flera startuppföretag har eller kommer inom kort att ”ätas upp” av andra företag. Och detta är inget negativt. Snarare tvärtom. Det tyder på en viss mognad i utvecklingen och att många insett att de behöver starka konsortier för att uppnå storskalig spridning.

Källor

[1] Cameron, O. Voyage. Voyage Acquired by Cruise. 2021-03-15 Länk

Waymo delar mer data

Waymo har redan öppnat upp delar av data från sina självkörande fordon via Waymo Open Dataset som nu utökats med 570 timmar av annoterad kördata. Det handlar framförallt om röresledata som kan användas för att förutsäga beteende och rörelse i trafiken.

Den nya datamängden är insamlad i San Francisco, Phoenix, Mountain View, Los Angeles, Detroit och Seattle och innehåller interaktioner mellan fordon och olika trafikanter, inklusive fotgängare och cyklister. Varje datasegment är 20 sekunder långt och länkat till en karta. Annoteringen av datasegmenten har gjorts i efterhand och företaget har också publicerat en artikel som beskriver tekniker och algoritmer som tillämpats för detta. Dessutom har de publicerat en sammanställning av interaktionsmått för att underlätta validering av modeller. 

I samband med det har företaget lanserat en ny upplaga av sin tävling som inkluderar fyra utmaningar: prediktering av rörelse, prediktering av interaktioner, realtids 2D-detekterin samt realtids 3D-detektering. Är ni redo för någon av dessa utmaningar?! Deadline är den 31 maj 2021.

Egen kommentar

Jag tror att många (framtida) utvecklare kommer ha glädje av den nya datamängden, och är nyfikna på andra öppna datamängder så kan vi tipsa om följande:

Källor

[1] Waymo. Expanding the Waymo Open Dataset with Interactive Scenario Data and New Challenges. 2021-03-10 Länk

Bort med ogräs

Nu när våren är (nästan) här, visst hade det varit skönt att ha en robot ute i trädgården som tar hand om allt ogräs?! EU-projektet WeLASER håller på att utveckla en lösning som kan få den drömmen att gå i uppfyllelse [1].

Det är ett nystartarprojekt som kommer pågå i tre år med målet just att utveckla en robotplattform som kan skilja mellan ogräs och plantor. Den väntas ha stor nytta i jordbruket. 

Här kan ni läsa om andra liknande initiativ. 

Källor

[1] Innovations Orgins. Killing weeds in a sustainable way using a autonomous robot with laser vision. 2021-03-08 Länk

Hur bra är Waymo Driver på att undvika olyckor?

I oktober förra året publicerade Waymo två artiklar som ger insyn i a) företagets säkerhetstänk och b) interaktioner med andra trafikanter. Nu har företaget publicerat en uppföljare där de genom rekonstruktioner av verkliga olyckor i datorsimuleringar undersökt hur deras system för autonom körning, Waymo Driver, skulle ha hanterat dessa olyckor [1]. 

Studien har omfattat alla dödsolyckor som inträffat under perioden 2008-2017 i Chandler i Arizona där företaget testar sina autonoma fordon. Totalt ingick 72 dödsolyckor i studien, varav 20 involverade en fotgängare eller cyklist. För olyckor som involverade två fordon genomfördes simuleringar med Waymo Driver först i det ena fordonets roll, och sedan i det andra. 

Resultaten visar bland annat att:

  • Waymo Driver skulle ha förhindrat helt eller reducerat våldet i alla olyckor, förutom i de fallen där den blev påkörd bakifrån av ett annat fordon. 
  • När Waymo Driver var i rollen av fordonet vars förare initierade olyckan genom att exempelvis bryta mot trafikregler lyckades den undvika alla olyckor. 
  • När Waymo Driver var i rollen av det andra fordonet (dvs. motparten till fordonet som initierade olyckan) lyckades den undvika 82% av olyckor samt reducera våldet i 10% av olyckor. I 8% av fallen blev utgången oförändrad jämfört med verkligheten och Waymo Driver blev påkörd bakifrån antingen när den stod still eller när den var i konstant rörelse. 

Företaget konstaterar att rekonstruktion och simulering av olyckor är en viktig del av valideringsprocessen för den autonoma tekniken. De påpekar också att de simulerat ett begränsat antal olyckor men att resultaten pekar åt rätt håll och visar på säkerhetspotentialen med autonom körning. 

Här kan ni läsa studien i dess helhet.

Egen kommentar

Att rekonstruera olyckor är en metod som även andra aktörer arbetar med. Det är dock imponerande att Waymo valt att publicera sina resultat. Som vanligt är det svårt att låta bli att undra om de hade publicerat sina resultat om resultaten visat motsatsen?! Svårt att veta men, som Waymo själva säger, så är resultaten imponerande och förhoppningen är att inspirera andra till liknande initiativ. För Waymo är detta säkerligen ett sätt att bygga förtroendekapital hos myndigheter och hos allmänheten. 

Källor

[1] Waymo. Replaying real life: how the Waymo Driver avoids fatal human crashes. 2021-03-08 Länk

NIRA Dynamics hjälper Audi

Vissa Audi-bilar har sedan 2017 kunnat varna varandra för olyckor, trasiga fordon utmed vägen, trafikstockningar, halka och begränsad sikt med hjälp av V2X kommunikation. Nu har företaget tagit det hela ett steg vidare med hjälp av svärmdata från svenska NIRA Dynamics som gör att varningen blir snabbare och mer exakt [1]. Lösnningen är gjord i samarbete med Car.Software och HERE Technologies. 

Information om vägfriktion samlas in med hjälp av bilsensorer. Sensordata anonymiseras, både i själva bilen och när de överförs till NIRAs molnlösning. I molnet kombineras sensordata från många bilar med exempelvis aktuell och historisk väderinformation, och överförs sedan till tjänsteleverantören HERE där den integreras med detaljerad platsinformation. Vid behov skickar HERE varningar till de bilar som befinner sig i eller är på väg mot områden med dåliga vägförhållanden.

Källor

[1] Audi Media Center. Precise data for greater safety: Audi warns its drivers faster about slippery roads. 2021-03-08 Länk