Alla inlägg av Cristofer Englund

Kommunikation

Multiantennsystem för förbättrad positionering inomhus och för autonoma fordon

I veckan som gått försvarade Dr. Marco Marinho vid Högskolan i Halmstad sin avhandling som handlar om hur multiantennsystem kan används för noggrann positionering, både i inomhusmiljö och utomhus för autonoma fordon.

Multiantennsystem används redan i bl.a. wifi-routrar och mobilmaster för att förbättra kommunikationen. Den nya tekniken som presenterades i avhandlingen har fokuserat på att öka noggrannheten i positionering. Resultaten visar att noggrannheten i positioneringen bli så hög som 1 cm.

Forskningen har framförallt handlat om energieffektivisering inom systemet samt interaktion mellan mobila enheter och stationära sensornätverk. Tekniken har även studerats praktiskt för att möjliggöra kommunikation mellan fordon i lastbilskonvojer.

Egen kommentar:

Att förbättra positionering med hjälp av trådlös kommunikation är ett bra komplement till traditionella SLAM-algoritmer. Med så bra noggrannhet som rapporteras i avhandlingen så kommer det möjliggöra många nya applikationer, allt från navigering för autonoma fordon och flygfarkoster till inomhusnavigering för räddningsinsatser vid bränder.

Källor:

[1] Louise Wandel: Multi antenna systems improve indoor positioning and autonomous vehicles, Högskolan i Halmstad 2018-03-05 Länk

Marknadsundersökningar

Fler undersökningar kring attityder till självkörande bilar


Tidigare i veckan rapporterade vi om en studie i USA och Tyskland där bilförare visade sig skeptiska till att låta sig transporteras i självkörande fordon.

Det finns forskning på nära håll också som visar på liknande resultat. SOM-institutet på Göteborgs Universitet har tillsammans med forskning.se gjort en undersökning där 1600 svenskar ingick och som visar att vi är något mer positiva till att använda självkörande bilar: knappt hälften säger att de inte håller med om att ”Jag kan tänka mig att använda en självkörande bil när sådana finns på marknaden” [1].

Människors attityd till självkörande fordon är något som det forskas kring inom projektet  ”Självkörande bilar: förändringar, förväntningar och upplevelser”. Det är ett tillämpat etnografiskt forskningsprojekt, finansierat av Vinnova, där forskare från Högskolan i Halmstad och Volvo Cars samarbetar för att öka förståelsen kring vad som händer med oss människor när vi använder självkörande bilar på publika vägar.

Även i Storbritannien har en studie utförts kring användaracceptans kring självkörande bilar. Det är det brittiska projektet UK Autodrive och Cambridge University som gjort undersökningen där 2800 personer svarat på frågor som berör  bl.a. om de skulle använda automatiserade fordon [2]. I Storbritannien svarar endast 15% att de absolut inte skulle sätta sig i en självkörande bil, att jämföra med 30% av svenskarna och 50% av undersökningen i USA & Tyskland som vi skrev om i tisdagens nyhetsbrev.

Källor:

[1] Eva Barkeman: Skulle du sätta dig i en självkörande bil? Forskning.se 2017-08-22 Länk

[2] Survey finds UK public still “open minded” about self-driving vehicles, UK Autodrive 2017-08-08 Länk

Marknadsundersökningar

Många skeptiska till att åka i autonoma bilar

Gartner presenterade nyligen resultat från en undersökning kring människors inställning till autonoma bilar [1]. Undersökningen, som utfördes på 1500 tillfrågade personer i USA och Tyskland, indikerar att mer än hälften av konsumenterna inte vill åka i en helt självkörande bil. Däremot är över 70 procent mer vänligt inställda till att åka i delvis automatiserade bilar, alltså sådana bilar som kan köra autonomt, men som låter föraren återta kontrollen om bilen kräver det.

Förespråkare till autonom körning hävdar att tekniken kommer göra trafiken säkrare eftersom statistik pekar på att det är mänskliga förare som är orsaken till olyckor. Men, många konsumenter är vana vid att elektronik havererar eller gör fel och har därför svårt att acceptera tanken med att vara fast i en bil som går sönder, speciellt när de inte kan ta över kontrollen, säger Gartners forskningschef Mike Ramsey. Förare är speciellt oroliga för två saker: att bilen blir förvirrad i okända situationer, och att ett systemfel kan utsätta dem för fara. Slutligen visar studien att hela 29 procent av de tillfrågade inte vill åka ens i en delvis delvis automatiserad bil.

Egen kommentar

Det intressanta är att så många är skeptiska till ny teknik, men det är trots allt människoliv som står på spel och många tänker säkert att vi från dagens bilar ska gå direkt till en bil utan ratt – det är i alla fall lätt att få den bilden när vi matas med nyheter om att autonoma fordon snart är här. Men för vanliga pendlare så tror jag vi kommer ha kvar ratten i bilen ett tag.

Människor och teknik måste mogna och vi måste vänja oss vid att fordonen tar över mer och mer av vissa uppgifter och scenarion och jag tror nog de allra flesta litar på tekniken i sina bilar idag, jag känner i alla fall ingen som väljer att stänga av ABS och antisladdfunktionen för att de inte litar på tekniken.

Källa:

[1] Robert Ferris: There is a ton of people who still don’t want to ride in self-driving cars, says survey, CNBC 2017-08-24 Länk

Mjukvara, Sensorer

Bästa magisteruppsatsen 2017 utsedd av SAIS

SAIS (Swedish Artificial Intelligence Society) tillkännagav i veckan att Thomas Rosenstatter på Högskolan i Halmstad är vinnaren av SAIS Best AI Master’s Award 2017 [1].

Uppsatsen som belönats med utmärkelsen handlar om ett system som kan skapa bättre situationsmedvetenhet för automatiserade fordon. Systemet introducerar ett tillit-koncept som med hjälp av både egna och omgivande fordons sensorer bygger modeller över hur pålitligt det egna fordonet är, omgivande fordon samt infrastrukturen.

Systemet kan t.ex. användas för bättre sensorfusion. Systemet vet i förväg att vissa platser har opålitlig GPS-signal eller att kommunikationen är skymd bakom en viss lastbil, eller att ett fordon har ett riskfyllt beteende och därför ökar systemet säkerhetsavståndet till detta fordon.

Systemet utvecklades inom ramen för Grand Cooperative Driving Challenge (GCDC) 2016 där laget från Högskolan i Halmstad tog hem segern i maj 2016. Länk till tidigare nyhetsbrev om GCDC.

Källor

[1] SAIS Best AI Master’s Thesis Award 2017, Swedish AI Society 2017-04-25 Länk

Fordon, Forskningsprojekt, Kolonnkörning, Lastbilar, Personbilar, Tester och demonstrationer

GCDC 2016: Tävlingen avgjord

28-29 maj var det dags för Grand Cooperative Driving Challenge (GCDC) 2016. Det var fem år sedan första GCDC anordnades av TNO i Holland på testmotorvägen A270 mellan Eindhoven och Helmond i Holland.

Tio lag från Lettland, Spanien, Frankrike, Tyskland, Holland och Sverige deltog i tävlingen som handlade om tre scenarion för kooperativ och automatiserad körning.

I tävlingen använde fordon exempel på nästa generations kommunikationsprotokoll för kooperativ körning som bl.a. möjliggör förhandling mellan fordon. Fordonen utförde till exempel automatiskt filbyte på motorväg som föregicks av förhandling för att fordonen skulle bestämma vilket fordon som skulle öppna en lucka för vilket. Det andra scenariot gick ut på att köra igenom en T-korsning utan trafikljus, fordonen förhandlade om vilket fordon som skulle passera som första, andra och tredje fordon genom korsningen.

Det tredje scenariot handlade om att utryckningsfordon, med hjälp av kommunikation och HMI i andra uppkopplade fordon skulle kunna begära i vilken fil de vill ha fri väg när de är under utryckning.

Vinnare i tävlingen var studenter från Högskolan i Halmstad som tävlade med en Volvo S60, på andra plats kom Team AnnieWay från KIT Karlsruhe som tävlade med en personbil från Mercedes och på tredje plats placerade sig KTH som tävlade med en lastbil från Scania.

GCDC 2016 arrangerades inom FP7-projektet i-GAME där TNO, TU/e (Techniche Universitet Eindhoven) från Holland, Idiada från Spanien och Viktoria Swedish ICT.

Här finns senaste nyheterna från GCDC2016 länk: https://twitter.com/hashtag/gcdc2016

Egen kommentar

De svenska lagen som deltog i GCDC 2016 arbetade tillsammans med stöd från SAFER inom projektet CoAct, en fortsättning på det projekt som ledde Högskolan i Halmstad, Chalmers och KTH till placering 2,3 och 4 i GCDC 2011.

Tester och demonstrationer

Invigning av fordonslabbet ReVeRe

Torsdagen den 19 november var det officiell invigning av fordonslaboratoriet ReVeRe (Research Vehicle Resource) på SAFER (Vehicle and Traffic Safety Centre) i Göteborg. Projektledaren Fredrik Von Corswant på Chalmers invigde  ReVeRe genom att koppla samman ett långt säkerhetsbälte i stället för att klippa ett band.

Projektet leds av SAFER och har regionalt stöd från Västra Götalandsregionen, från Volvo Cars och AB Volvo samt från flera av Chalmers styrkeområden. Fordonslaboratoriet härbärgerar bl.a. personbilar, lastbilar, en aktiv dolly samt en körsimulator.

Laboratoriet länkar samman hela utvecklingskedjan från algoritmer, experiment i simulatorer till tester i både miniatyrfordon och verkliga fordon. Det skapar också en länk mellan utbildning och industri vilket ska gynna regionens attraktionskraft.

Konferenser, Lagstiftning och regelverk, Samverkan människa - maskin, Sensorer, Tester och demonstrationer

Sammanfattning av IV2015

Det stora fokuset för konferensen var autonoma fordon och teknologier för bl.a. navigering och att känna igen hinder, vägskyltar och trafikljus. Även teknologier för att känna igen beteende och rörelser hos andra fordon och oskyddade trafikanter presenterades.

Chris Gerdes från Stanford University, som vi omnämnde i nyhetsbrev 110, gav en presentation om sin forskning på Stanford där de bl.a. adresserar frågan: ”Ska ett automatiserat fordon köra som en människa eller som en robot?”. För att svara på frågan lät de en tävlingsförare tävla mot sitt autonoma fordon ”Shelly”. Tävlingsföraren fick köra ”Shelly” på en tävlingsbana och därefter fick ”Shelly” köra själv. Resultatmässigt blev det väldigt jämt och mellantiderna visade att de båda förarna körde om varandra flera gånger under banan. Men de båda förarna hade olika strategier i sin körstil. ”Shelly” var mer riskbenägen och hade bättre bromsteknik och därmed högre hastighet i kurvorna. De hade också olika strategier i att välja spår, ibland valde ett ”Shelly” snabbare spår, ibland den mänskliga föraren. Men den mänskliga föraren var bättre på att anpassa sig till banans utformning och kunde ta genvägar utanför banan eftersom ”Shelly” var programmerad att hålla sig på banan.

Slutsatsen från seminariet är att det finns mängder av dilemman som måste hanteras av den automatiserade bilen, exempelvis hur regler ska följas eller om regler måste göras om för att kunna följas av automatiserade fordon. En annan viktig egenskap som måste uppfyllas för automatiserade fordon för att de ska uppfattas som pålitliga, är att de måste kunna kommunicera med sin omgivning om vad de gör och varför.

Ryan Eustice, från University of Michigan i Ann Arbour, gav en överblick över deras forskning kring automatiserade fordon. I samarbete med bl.a. Ford har de utvecklat helt självkörande bilar med olika teknologier t.ex. 3D lasersensorer från Velodyne och stereokamerateknik. De framhåller och visar att sensor fusion mellan GPS, radar, lidar och (stereo-) kamera är att föredra för att uppnå bra kännedom om omgivningen[1].

Ryan Eustice presenterade också en ny testbana för uppkopplade och automatiserade fordon som kommer invigas 20 juli vid University of Michigan i Ann Arbour, MCity [2]. Testbanan har kulissbyggnader för att kunna utföra tester i stadsmiljö, den har flera olika typer av vägar med olika friktion och kurvor med olika radie, rondeller och tunnlar. Det finns också trafikljus, gatljus, övergångsställen, filmarkeringar, cykelvägar, trottoarer. Allt som behövs för att utveckla och testa uppkopplade och automatiserade fordon.

Hyundai visar självkörande fordon

Om Toyota var tongivande den första dagen på konferensen så tog Hyundai över den rollen under resten av konferensen, med flera föredrag kring autonoma fordon och sensorsystem för positionering och navigering [3,4]. De demonstrerade också fem automatiserade fordon med integrerade funktioner såsom lane-keeping, car-following, V2X kommunikation och kooperativ nödbroms.

Hyundai är också det företag som talat mest om kooperativa system. De presenterade också några områden som behövde mer forskningsfokus:

  • Verifiering av trafiksäkerhet för automatiserade fordon
  • Interaktion mellan fordon och förare för att uppnå ömsesidig förståelse för intentioner och prestanda
  • Kommunikationssäkerhet och skydd mot cyberattacker

Ett par svenska artiklar

Vi på Viktoria Swedish ICT presenterade två artiklar på konferensen. Ett arbete presenterades i samarbete med Trafikverket och handlade om att koordinera fordon med farligt gods så att de inte ska befinna sig nära varandra på vägar som är extra känsliga för olyckor, t.ex. tunnlar eller broar. Arbetet gick ut på att ge fordon (automatiserade eller manuella) hastighetsrekommendationer så att de anländer till den känsliga vägsträckan med ett förutbestämt säkerhetsavstånd [5].

Den andra artikeln presenterades av Högskolan i Halmstad där även VTI och Viktoria Swedish ICT deltog som författare. Denna artikel handlade om dimensioner inom automatiserad och kooperativa fordon. Det är välkänt att både NHTSA i USA och VDA i Europa har delat in automationen i olika nivåer. Denna artikel handlade om hur även samarbetet mellan fordon kan delas in i olika nivåer [6].

Slutkommentar

Det var en spännande konferens med många bra talare med intressanta presentationer som i de allra flesta fall direkt relaterade till automatiserade fordon.

Nästa år går konferensen 19-22 juni på Lindholmen Science Park i Göteborg. Sista dag för att skicka in bidrag dit är 8 januari 2016.

Källor

[1] Enric Galceran, Ryan M. Eustice, and Edwin Olson, Toward Integrated Motion Planning and Control using Potential Fields and Torque-based Steering Actuation for Autonomous Driving, 2015 IEEE Intelligent Vehicles Symposium (IV) June 28 – July 1, 2015. COEX, Seoul, Korea

[2] MCity, Länk

[3] Dongwook Kim, Taeyoung Chung and Kyongsu Yi, Lane Map Building and Localization for Automated Driving Using 2D Laser Rangefinder, 2015 IEEE Intelligent Vehicles Symposium (IV) June 28 – July 1, 2015. COEX, Seoul, Korea

[4] Yonghwan Jeong, Kyuwon Kim, Beomjun Kim, Jihyun Yoon, Hyokjin Chong, Bongchul Ko and Kyongsu Yi, Vehicle Sensor and Actuator Fault Detection Algorithm for Automated Vehicles , 2015 IEEE Intelligent Vehicles Symposium (IV) June 28 – July 1, 2015. COEX, Seoul, Korea

[5] Lei Chen, Azra Habibovic, Cristofer Englund, Alexey Voronovand Anders Lindgren Walter, Coordinating dangerous goods vehicles: C-ITS applications for safe road tunnels, 2015 IEEE Intelligent Vehicles Symposium (IV) June 28 – July 1, 2015. COEX, Seoul, Korea

[6] Maytheewat Aramrattana, Tony Larsson, Jonas Jansson, and Cristofer Englund, Dimensions of Cooperative Driving, ITS and Automation, 2015 IEEE Intelligent Vehicles Symposium (IV) June 28 – July 1, 2015. COEX, Seoul, Korea

Samverkan människa - maskin

Körstilsskillnader mellan unga och gamla

En presentation om att detektera körstil hos unga och gamla förare hölls under en workshop inom Human Factors. Den är baserad på [1] som beskriver ett smart-phone baserat system där en Samsung Galaxy Note 2 och en gratis-app Sensorstream IMU+GPS har använts för att samla data från 15 förare, varav 7 mellan 24-43 år och 8 mellan 64-83 år.

Alla förarna körde en förutbestämd rutt och deras data användes för att bygga en modell som karaktäriserade förarbeteende för en ung resp. äldre förare. Modellen baserades på de uppmätta sidoaccelerationena. Författarna framhåller att mätmetoden skulle kunna förbättras genom att använda t.ex. puls- och blodtryckssensorer.

Man visar med hjälp av maskinlärande algoritmer, Gaussian Mixture Model, där flera sannolikhetsfunktioner kombineras till en modell som beskriver det observerade datat, att det är möjligt att se skillnader mellan unga och gamla förare.

Denna presentation relaterar till en artikel i DN [2] som handlar om att äldre förare kan komma att behöva göra test för att visa sin körskicklighet.

Egen kommentar

Att automatiskt detektera körstil borde vara attraktivt för de allra flesta förare. Förutom att privatpersoner kan få förslag på t.ex. eco-drivingbeteende, borde även försäkringsbolag bli mer intresserade av att introducera variabel premie beroende på körstil med hjälp av denna teknik.

En kommentar från publiken var dock att de såg faran med ett sådant system eftersom det då skulle kunna upptäcka om man druckit ett glas vin. Jag konstaterar oroligt att trafiksäkerhet betyder helt olika saker i Sverige och i Spanien.

Källor

[1] Dong-Woo Koh and Hang-Bong Kang, Smartphone-Based Modeling and Detection of Aggressiveness Reactions in Senior Drivers, 2015 IEEE Intelligent Vehicles Symposium (IV) June 28 – July 1, 2015. COEX, Seoul, Korea

[2] Hansson., M., Dagens Nyheter. Transportstyrelsen: Färre äldre borde få köra bil. 2015-06-27 Länk

Sensorer

Toyota visar framfötterna

Forskare från både TRINA (Toyota Research Institute North America) i Ann Arbour och från Toyota Central R&D Labs Inc. i Japan hade flera presentationer om sina system som hanterar Environment Perceptron för automatiserade fordon [1, 2, 3, 4].

Toyota ser Environment Perceptron och att förstå omgivande trafikanter och deras intentioner som de stora utmaningarna inom automatiserad körning. I sin forskning använder Toyota ofta takmonterade 3D Velodyne laserscanners (Velodyne HDL-32E) för att läsa av omgivningen runt om ett fordon, vilket de ser som en fördel jämfört med radar, där det ofta krävs flera sensorer för att skapa samma 360 graders vy. Andra metoder som de lyfter fram som intressanta är:

  • Multiband kameror, som använder olika sorters ljus för att detektera olika objekt, t.ex. mänsklig hud, eller som upptäcker i mörker.
  • Integrerad positionering, med hjälp av standard GPS och externa sensorer som accelerometrar eller kända landmärken i kombination med radar/lidar.
  • Stereo/Optical flow.
  • Lidar/Image processing.

Min uppfattning är att Toyota var den biltillverkare som hade flest presentationer och talare på plats. Deras resultat är imponerande och de visar stor bredd på sin forskning – samtidigt vittnar det om stora utmaningar för att introducera helt autonoma fordon på våra vägar.

Källor

[1] Chao Wang, Huijing Zhao, Chunzhao Guo, Seiichi Mita, Hongbin Zha, Visual-Based On-road Vehicle Detection: A Transnational Experiment and Comparison, 2015 IEEE Intelligent Vehicles Symposium (IV) June 28 – July 1, 2015. COEX, Seoul, Korea

[2] Xue Mei, Naoki Nagasaka, Bunyo Okumura, and Danil Prokhorov, Detection and Motion Planning for Roadside Parked Vehicles at Long Distance, 2015 IEEE Intelligent Vehicles Symposium (IV) June 28 – July 1, 2015. COEX, Seoul, Korea

[3] Chunzhao Guo, Kiyosumi Kidono and Yoshiko Kojima, Understanding Surrounding Vehicles in Urban Traffic Scenarios based on a Low-cost Lane Graph, 2015 IEEE Intelligent Vehicles Symposium (IV) June 28 – July 1, 2015. COEX, Seoul, Korea

[4] Keisuke Yoneda Chenxi Yang, Seiichi Mita, Tsubasa Okuya and Kenji Muto, Urban Road Localization by using Multiple Layer Map Matching and Line Segment Matching, 2015 IEEE Intelligent Vehicles Symposium (IV) June 28 – July 1, 2015. COEX, Seoul, Korea

Okategoriserade

Artificiella neuronnät hjälper till att automatisera fordon

På senare tid har intresset för Deep Neural Networks (DNN) blommat upp inom forskning kring självkörande fordon. Utmaningen med självkörande fordon är att de måste kunna hantera oförutsedda situationer och därför kan inte kod av typen ”if-then-else” skrivas för att hantera alla situationer som dessa fordon kommer ställas inför. DNN möjliggör för maskiner att själva läsa sig och klassificera nya oförutsedda objekt och händelser och på så sätt skapa en databas med objekt och relevanta åtgärder för respektive händelse. Denna inlärning kan ske genom att analysera hur människor beter sig. Genom att låta datorer analysera beteendet kan nya händelser lättare identifieras, sparas och delas så fler fordon kan lära sig dessa händelser.

DNN är (extremt) bra på att känna igen bilder och näten är uppbyggda på liknande sätt som traditionella Neural Networks (NN). Utmaningen med DNN är att de har många neuroner som måste tränas och bilderna som används för att beskriva trafiksituationer är också många. Detta gör att det tar lång tid att träna näten. Därför har Nvidia nyligen börjat intressera sig för att parallellisera DNN för att på så sätt snabba upp inlärningen med hjälp av sina grafikkort (GPU) [1].

I december publicerade Elektroniktidnignen en artikel om ”Artificiella neuronnät lika effektiva som riktiga” där DNN diskuterades och att GPUer är på väg att bli AI-forskarnas nya favoritverktyg [2].

Egen kommentar

DNN verkar ha stor potential men det finns fler intressanta forskningsfrågor kring deras förmåga. T.ex. ibland kan man variera träningsdata med hjälp av slumpmässigt brus för att göra modeller mer robusta. Men, i [3] diskuterar författarna risker med detta eftersom det visat sig att bilder med brus (trots att det var omöjligt att se för mänskliga ögon) skapar motsatt effekt inom DNN, med 100% felklassificering jämfört med 100% rätt klassificering på originalbilden!

Källor

[1] SAE International, Deep learning could help safely automate cars Länk

[2] Artificiella neuronnät lika effektiva som riktiga , Elektroniktidning 19 december 2014 Länk

[3]Shixiang Gu, Luca Rigazio Towards Deep Neural Network Architectures Robust to Adversarial Examples, ICLR 2015, Länk