Alla inlägg av Daban Rizgary

Prognos: Stor tillväxt 2030

Forsknings- och konsultbolaget Frost & Sullivan har gjort en analys av marknaden för självkörande fordon där de förutser en tillväxt från 1.1 miljarder dollar 2019 till 202.5 miljarder dollar 2030. Det här innebär en genomsnittlig årlig tillväxt på drygt 60 % [1, 2].

Analysen räknar med en stor tillväxt för perifiera tjänster som dataförsäljning, mobilitetstjänster samt leverans- och logistiktjänster där automatiserad körning förutses vara en nyckellösning.

Frost & Sullivan föreslår också ett antal möjlighetsområden att satsa på inför framtiden:

  • Omstrukturera affärsmodeller till prenumeration och betalning vid användning (s.k. pay as you go)
  • Data mining för effektivisering av körrutter
  • Samarbeta med staten för integrering av robotaxi och självkörande skyttelbussar i tjänsteutbudet
  • Samarbeta och investera i självkörande teknologi för lösningar inom godsleverans
  • Integrera system i fordonet som samlar data för utformning av individualiserade tjänster

Egen kommentar

Det är nog inget enkelt arbete att förutse framtiden. Storskaliga händelser påverkar våra prioriteringar i samhället, och de är svårt att veta konsekvenserna av sådana händelser. Ni kan läsa en nyhetsartikel om COVID-19 och påverkan på utvecklingen av automatiserade fordon och tillverkning av eldrivna fordon här.

Källor

[1] PR Newswire. Increasing Acceptance of Autonomous Vehicles Uncovers Multi-billion Dollar Opportunities in Mobility Services. 2020-03-27 Länk

[2] Auto Tech Review. Autonomous Vehicles Promise Huge Opportunities: Frost & Sullivan. 2020-04-01 Länk

Teknik för överlämning av kontroll

Det finns en primär utmaning med delvis automatiserade fordon och den utmaningen är överlämning av kontroll mellan fordon och förare. Med fokus på scenariot där föraren tar tillbaka kontrollen ifrån fordonet har nu en grupp forskare från Singapore, Kanada och Kina utforskat en teknik som skall göra övergången säkrare [1].

Tekniken som är baserad på haptisk feedback i två faser och gör överlämning av kontroll till en stegvis händelse, till skillnad från att ge över kontrollen direkt och fullständigt. Den haptiska feedbacken är i form av ett vridmoment i ratten som i första fasen vid överlämning av kontroll från fordonet till förare är mer bestämd (haptic guidance), och i andra fasen mindre bestämd (haptic assistance). Den förstnämnda syftar till att göra stora korrigeringar för att snabbt hjälpa föraren att återfå rätt situationsmedvetenhet och körförmåga. När förarens kontroll av fordonet nått en högre nivå så går systemet in i haptic assistance som gör lätta korrigeringar tills överföringen av kontroll är klar.

I tester fick 26 deltagare utföra två uppgifter med systemet på en testbana. Det första var att ta över kontrollen ifrån bilen, och det andra var att ta över kontrollen ifrån bilen under ett filbyte. Varje deltagare fick erfara de ovan beskrivna haptiska korrigeringsmetoderna, vilket möjliggjorde en jämförelse mellan dem.

Metoden som gjorde stora korrigeringar visade sig kräva mindre tid i överlämningen och resulterade i bättre prestanda med avseende på standardavvikelse av styrvinkel och vridmoment än metoden med långsammare korrigering. Den gav också en bättre girhastighet.

Egen kommentar

Det är ett intressant tillvägagångssätt att leda föraren till en tillräcklig situationsmedvetenhet genom en sådan här lösning i kontrast till att försäkra sig om att föraren är medveten innan systemet initierar överföring av kontroll.

Fördelen här är onekligen att överföringen blir en mer interaktiv process där föraren blir samförare under kontrollöverlämningen. Nackdelen som jag ser det är i kritiska situationer där den här processen av samkörning kan leda till en förvirring kring vem som är i kontroll. Det kan alltså bli en brottningsmatch i situationer där föraren snabbt vill ta över kontrollen men inte lyckas uppfylla parametrarna för att systemet ska bedöma att föraren är redo för det.

Källa

[1] Lv et al., Electrical Engineering and Systems Science: Systems and Control. Human-Machine Collaboration for Automated Vehicles via an Intelligent Two-Phase Haptic Interface. 2020-02 Länk

Beteendeforskning på Toyota

Toyota anställer nu multidisciplinära forskare till sin nya grupp: Machine Assisted Cognition (MAC) vars fokus är på beteende, kognition och AI [1].

MAC gruppen ska ta sig an teknologiska lösningar som involverar samspelet mellan människa och teknik, samt prediktion av beteenden kopplade till beslutsfattande med hjälp av AI.

Gruppen kommer att hålla till i Silicon Valley.

Egen kommentar

Det är inte uttryckt i pressmeddelandet om gruppen har något specifikt mål inom kort tid. Beskrivningen av vad gruppen ska göra är väldigt generell, och de skriver även att samarbeten och projekt bestäms vid en senare tidpunkt. Oavsett så finns det definitivt ett stort värde med att ha en grupp som kan kombinera tech- och människo-aspekten i fordonsindustrin idag.

Källa

[1] Toyota. Toyota Research Institute Launches Research Into Understanding and Predicting Human Behavior for Decision Making. 2020-03-25 Länk

Aptiv och Hyundai i joint venture

Aptiv och Hyundai meddelar att deras joint venture som tillkännagavs förra året i september nu är bildat. Målet med samarbetet är att kunna kommersialisera en plattform för tillämpningar av autonoma fordon [1].

Ni kan läsa om tillkännagivandet som vi skrev om förra året här. Namnet på det nya företaget kommer att bestämmas i efterhand.

Källa

[1] Aptiv. Aptiv and Hyundai Motor Group Complete Formation of Autonomous Driving Joint Venture. 2020-03-26 Länk

Förutse trötthet vid autonom körning

I och med att körning med stöd av automation resulterar i en mer monoton körupplevelse så ökar risken för trötthet. Feng Zhou och kollegor från University of Michigan, University of Wisconsin och Ford har publicerat en studie där de utvecklat en teknik för att förutse trötthet innan förare själva märker att de är trötta [1]. Att kunna förutse trötthet i ett tidigt skede gör att fordonet kan göra nödvändiga beslut och handlingar som exempelvis väcka uppmärksamhet, ge över kontrollen till föraren och rekommendera en paus i körningen.

I den nya studien används PERCLOS (PERcent of time the eyelids CLOSure) – en metod för detektering av trötthet som går ut på att beräkna hur stor del av tiden som pupillerna täcks av ögonlocken. Forskarna sållade även bland 35 fysiologiska parametrar för trötthet där de kvarstående blev: hjärtslagsvariation, hjärtslag, andningsrytmsvariation och andningsrytm.

Nätverket som bearbetade datat var ett så kallat Nonlinear Autoregressive Exogenous Network (NARX). NARX kombinerar de fysiologiska mätningarna med PERCLOS för att förutsäga ett PERCLOS-värde för de kommande sekunderna. Om det förutsagda PERCLOS-värdet överstiger ett givet tröskelvärde för trötthet skickas en varning till föraren. De testade två olika modeller för prediktering med hjälp av NARX.

Forskarna validerade det förutsagda PERCLOS-värdet mot det sanna PERCLOS-värdet i en simulatorstudie med 20 deltagare. Resultaten visade att övergången till trötthet kunde detekteras 13.8 sekunder i förväg med en noggrannhet mellan 97% och 99%, beroende på vilken predikteringsmodell som användes.

Egen kommentar

Resultatet i studien är lovande för tekniken. Jag är fundersam kring PERCLOS och blink-data ifall det är pålitligt även när föraren har t.ex. ögonbesvär i form av allergier eller av någon annan anledning blinkar mer och/eller längre än vad som skulle bedömas som icke-trött.

Källa

[1] Zhou et al., Expert Systems with Applications. Driver fatigue transition prediction in highly automated driving using physiological features. 2020-06 Länk

Ett nytt gyroskop

På universitetet i Michigan har forskare utvecklat ett nytt gyroskop som är litet, relativt billigt och sägs ha väldigt bra precision [1].

Gyroskop hjälper till att orientera objekt i miljöer när det inte finns GPS täckning och har en viktig relevans för autonoma fordon. Det nya gyroskopet påstås ha 10 000 större noggrannhet men är bara 10 gånger dyrare än gyroskop i dagens mobiltelfoner. Vidare sägs det vara 1 000 gånger billigare än andra gyroskop som är större och har likvärdig prestanda.

Detaljer om det nya gyroskopet kommer att presenteras i en artkel med titel 0.00016 deg/√hr angle random walk (ARW) and 0.0014 deg/hr bias instability (BI) from a 5.2M-Q and 1-cm precision shell integrating (PSI) gyroscope inom ramen för 7th IEEE international Symposium on Inertial Sensors & Systems (finns inte online ännu).

Källa

[1] Michigan News. Small, precise and affordable gyroscope for navigating without GPS. 2020-03-23 Länk

MITs nya simulator

Forskare från Massachusetts Institute of Technology (MIT) har tillsammans med forskare från Toyota publicerat en studie där de visar potentialen av MITs simulator kallad Virtual Image Synthesis and Transformation for Autonomy (VISTA) [1].

När automatiserade fordon samlar data från verklig körning så lär de sig manövrera fordonet i de trafiksituationer som de blir utsatta för. Så kallade edge-cases där fordonet är nära olyckor sker dock inte så ofta, och det är utmanande att träna algoritmerna till att lära sig hantera sådana situationer. Med hjälp av simulatorer så är det möjligt att träna algoritmerna på edge-cases utan några verkliga konsekvenser.

VISTA sägs använda sig av en liten mängd data från verklig körning, för att sedan utforska ett stort antal möjliga scenarier för fordonet på vägen. Fordonet i simulatorn motiveras till att inte hamna i olyckor på vägen till sitt slutmål, och blir därmed bättre och bättre på att hantera edge-cases.

Vanligtvis har man i simulatorer en miljö som är artificiellt designad. VISTA använder sig av den videodata från den verkliga körningen, och sägs därmed ge resultat som bättre överförs mellan simulator och verklighet.

I tester så visade det sig att ett fordon som tränats i VISTA under 15 timmar och kört 10,000 km efteråt kunna köra på obekanta vägar.

Mer om det hela kan ni läsa om i MITs artikel med titel Learning Robust Control Policies for End-to-End Autonomous Driving From Data-Driven Simulation.

Egen kommentar

VISTA sägs även använda sig av förstärkt lärande utan inmatade regler förutom ”krascha inte”. Jag är nyfiken på om det är möjligt för fordonet att alls lära sig att förhålla sig till trafikregler genom den metoden. Syftet med VISTA är förmodligen inte att lära sig trafikregler, utan kanske snarare bara fokus på manövrering av fordonet i edge-cases.

Källor

[1] MIT News. System trains driverless cars in simulation before they hit the road. 2020-03-23 Länk

[2] Wiggers, K., Venture Beat. MIT CSAIL’s VISTA autonomous vehicle simulator transfers skills learned to the real world. 2020-03-23 Länk

Självkörande elsparkcyklar

Startuppföretaget Tortoise meddelade nyligen att de introducerar självkörande elsparkcyklar i PeachTree Corners i Atlanta, USA [1].

Projektet skall initialt pågå i ett år, och syftet är främst att kunna positionera om elsparkcyklarna i de fall där användare ställer de vid olämpliga platser efter användning. Till exempel när en användare ställt en elsparkcykel på ett område med parkeringsförbud ska elsparkcykeln själv kunna förflytta sig till ett mer lämpligt område.

Vid autonom körning så skall el-sparkcyklarna kunna nå en hastighet på maximalt 8 km/h.

Här kan ni läsa om en annan självkörande sparkcykel.

Källa

[1] Keenan, S., Atlanta Curbed. Self-driving e-scooters to make debut in Peachtree Corners (yes, SELF-driving). 2020-03-12 Länk

Försäkring för autonoma fordon

Försäkringsbolaget AXA XL meddelade nyligen att de lanserar ett försäkringserbjudande för autonoma fordon [1].

Försäkringen täcker tredje-parts ansvar, skada på försäkrad egendom och fordonsstöld. Som tillval finns också försäkring för ett antal olika händelser som exemplevis avbrutna tester, cyberattacker som leder till materiell eller kroppslig skada och kostnader för förlorad data.

AXA XL har arbetat med försäkringsfrågor kopplade till automatiserad körning sedan 2016 och har bland annat ingått i det brittiska forskningskonsortiet DRIVEN.

Egen kommentar

Här och här kan ni läsa mer om försäkringar kopplat till ADAS och AD.

Källor

[1] AXA XL. AXA XL launches single customisable policy for autonomous vehicles. 2020-03-19 Länk

Två nya smarta funktioner från Ford

Ford har presenterat två nya funktioner: Road Edge Detection och Exit Warning [1, 2].

Det förstnämnda är en lösning som skannar vägen upp till 50 meter fram och 7 meter till sidorna av bilen. Systemet håller koll på vägkanten och hjälper till att styra tillbaka in i filen om det behövs. Funktionen är tillgänglig i Europa i Ford Explorer, Focus, Kuga och Puma.

Det sistnämnda systemet, Exit Warning, är en lösning för att undvika olyckor som kan uppstå när en cyklist kör in i en bildörr öppnas när någon ska ut ur bilen. Systemet känner av området bakom och vid sidan av bilen och ger en visuell varning till föraren i sidospegeln, samt begränsar hur mycket dörren går att öppna när en cykel närmar sig. Varningen är också synlig för cyklisten. Systemet är under utveckling och finns inte tillgängligt än.

Egen kommentar

Det är inte helt tydligt för mig vad som urskiljer Fords Road Edge Detection och andra system med vägkantsensorer och filhållningsstöd som finns i många andra fordontillverkares bilar.

Fords Exit warning är nog en väldigt uppskattad funktion för cyklister som både ökar i antal och samtidigt inte får tillräckligt med omtanke. Projektet SEBRA där vi på RISE i samarbete med Aptiv och Liri tagit fram ett varningssystem för både cyklister och bilister i deras närhet är ett bra initiativ i rätt riktning för cyklisters säkerhet. Läs mer om SEBRA här.

Källor

[1] Ford. Close to the edge? New tech helps drivers steer clear of ditches and drops – and stay on the road. 2020-03-12 Länk

[2] Björklund F., Ny teknik. Fords lösning varnar förare för cyklister. 2020-03-12 Länk