Alla inlägg av Johan Wedlin

Forskningsprojekt

AUTOCITS testar autonoma fordon i Madrid, Paris och Lissabon

Det EU-finansierade forskningsprojektet AUTOCITS kommer att börja testa autonoma fordon i 3 städer: Madrid, Paris och Lissabon [1] [2].

I Madrids centrum kommer man att testa 3 kooperativa ITS-tjänster: varning för vägarbete, varning för trafikköer och varning för dåliga väderförhållanden.

I Lissabon kommer man att testa varningar för trafikköer, långsamma eller parkerade fordon och för dåliga väderförhållanden vid körning på trafikleden A-9. Man kommer också att testa två autonoma lågfartsfordon som skyttlar.

I Paris kommer man att testa varningar för farliga situationer och trafikköer, ge information om hastigheter och rekommenderade filer etc på trafikleden A-13 i utkanten av staden.

i AUTOCITS-konsortiet ingår Indra, spanska trafikmyndigheten (DGT), Madrids tekniska universitet, Trafikverket i Portugal (ANSR), Universitetet i Coimbra, Pedro Nunes-institutet och Inventors for the Digital World. Projektets budget är 2,6 miljoner Euro.

Källor

[1] Indra launches tests of the autonomous vehicle in Madrid, within the framework of the AUTOCITS project, Indra 2017-10-11 Länk

[2] https://www.autocits.eu

Mobilitetstjänster, Tester och demonstrationer

Nissan planerar tester med självkörande taxibilar

Nissan kommer att i mars ihop med mjukvaruföretaget DeNA testa självkörande taxibilar i Yokohama, Japan där Nissans huvudkontor ligger [1].

Det handlar om att under två veckor prova en tjänst kallad Easy Ride med en självkörande Nissan Leafbil. Intresserade kan redan nu boka in en tur med bilen [2] (går bara att göra på Easy Rides japanska sida och fram till 15 januari).

Nissans mål är att sedan lansera tjänsten i samband med olympiska spelen i Tokyo 2020.

Se en kort film om projektet.

Källor

[1] Nissan and DeNA unveil Easy Ride mobility service in Japan, Nissan 2017-12-05 Länk

[2] https://easy-ride.com/

Produktplaner

Brittiska roadmaps

Brittiska organisationen Automotive Council UK har nu uppdaterat två av sina roadmaps, för Intelligent Connected Vehicle och för Electrical and Electronic Archictures [1].

Kartorna visar när man tror olika automatiseringsnivåer som beräknas komma på marknaden och vilka teknologier som är kritiska för framgång.

Egen kommentar

Det är många som vill veta när fordonsautomationen kommer på bred front. För att få en bra bild bör man titta på flera prognosmakare.

Källor

[1] The Automotive Council launches two new roadmaps in connected and autonomous vehicles, Advanced Propulsion Centre UK Länk

Tester och demonstrationer

Yandex testar i snö

De flesta tester och demonstrationer av självkörande fordon sker i varmt och soligt klimat som Kalifornien och Singapore, men för att teknologin ska slå igenom på bred front krävs förstås att man kan hantera svårare förhållanden. Waymo håller på att testa detta och nu visar också ryska internetföretaget Yandex upp tester i vinterförhållanden runt Moskva [1]. Som syns på filmen så verkar det fungera så här långt, bilarna kan hålla sig i filen och stanna mjukt för fotgängare. Men det finns förstås ännu tuffare förhållanden än de på filmen.

Källor

[1] Jon Fingas: Yandex wants to ensure its self-driving cars can survive the winter, Engadget 2017-11-28 Länk

Tester och demonstrationer

BlackBerry QNZ testar i Ottawa

I oktober startade BlackBerry QNX tester med självkörande bilar i Ottawa [1]. Borgmästaren fick åka med.

Det är snart ett år sedan som Blackberry fick tillstånd att börja testa i Ottawa. Men målsättningen är inte att direkt konkurrera med algoritmer som andra företag som Waymo, utan istället att erbjuda en plattform för sådana.

Källor

[1] BlackBerry QNX self-driving car hits public roads in Ottawa for the first time, TechSecurity.news 2017-10-13 Länk

Konferenser

FFI-konferensen 2017

Årets konferens inom programmet Fordonsteknisk Forskning och Innovation (FFI) hade temat Hur kan forskningsresultat från fordonsindustrin bidra till Agenda 2030? Agenda 2030 är  17 samverkande globala FN-mål, ”världens största beställning”, med 3 dimensioner: miljömässig, ekonomisk och social hållbarhet.

Mycket av konferensen handlade om de 4 stora trenderna inom fordonsutveckling: elektrifiering, automatisering, delning och uppkoppling. Även om många av de kända fördelarna med de 4 trenderna presenterades så tog man också upp utmaningar. Till exempel håller många med om att man bör köra elektrifierat eller använda delningstjänster, men samtidigt säger man att ”men det passar inte just mig”.

Min kollega i nyhetsbrevredaktionen Azra Habibovic hade fått i uppgift att tala om just utmaningarna (för fordonsindustrin) avseende självkörande fordon, det blev 7 stycken:

  1. Tekniken behöver bli bättre. Även om det pågår en hel del testning av högt eller helt automatiserade fordon världen över handlar det än så länge om tester under fina ljus- och väderförhållanden och på förvalda vägar. Detta eftersom tekniken inte är mogen för något annat. Såväl sensorer, processer, kartor och intelligensen behöver utvecklas betydligt.
  2. Bevisa säkerheten. Vi måste kunna visa att smarta fordon är just smarta. Men hur testar vi det? Idag är det vanligt att skryta med antalet mil som ett automatiserat fordon kört – men är antalet körda mil ett bra mått på säkerhet? Till detta hör också utmaningen att visa att automatiserade fordon är krocksäkra. Automationen väntas tillåta friare sittpositioner för passagerarna och dagens provmetoder är inte anpassade för detta.
  3. Vägens regler. Ofta säger vi att vi vill ha fordon som är bättre än dagens förare. Är det då naturligt att förvänta sig att dessa fordon ska följa samma regler som mänskliga förare? För tillfället vet vi generellt sett väldigt lite om automatiserade fordon, och att definiera regler och lagstiftning utifrån det är en riktig utmaning.
  4. Informationssäkerhet. Alla automatiserade fordon kommer ha någon typ av uppkoppling. Detta kan möjliggöra för utomstående att bryta sig in i systemet om inte informationssäkerheten adresseras på rätt sätt och tidigt i designprocessen. Framtida system måste bli attacktåliga, och självförsvarande – dvs. om någon lyckas bryta sig in i systemet så ska det finnas mekanismer som förhindrar denne att ta sig vidare i systemet.
  5. Samverkan med människor. Oberoende av automationsgraden behöver automatiserade fordon kunna samverka med människor. Just nu är det mycket fokus på interaktion med ”föraren” men hur är det med andra passagerare och de utanför fordonet? Hur kommer dessa fordon kunna samverka med manuellt framförda fordon, cyklister, fotgängare? Kulturella skillnader är också något som behöver tas hänsyn till i större utsträckning.
  6. Affärsmodeller. Många etablerade fordonstillverkare har börjat anpassa och utöka sina affärsmodeller, men det är inte lätt att välja rätt strategi. Många har etablerat samarbeten som inte ens fanns i deras visioner för bara två år sedan.
  7. Systemtänk. Just nu ligger väldigt mycket fokus på själva fordonet. I framtiden behöver fordonsindustrin ta mer hänsyn till helheten. Staden måste bli en del av affärsekvationen.

Sammantaget var just slutsatsen från många föredragare detta att man måste lyfta utvecklingen till en systemnivå – det räcker inte med att bara jobba med ”sin” komponent, som t.ex. ett fordon eller en delningstjänst.

Artificiell intelligens, Infrastruktur, Lagstiftning och regelverk

Kina satsar på AI

Kinesiska myndigheten MOST (Ministry of Science and Technology) har identifierat de stora internetföretaget Baidu, Alibaba och Tencent (tillsammans kallade BAT) ihop med röststyrnings-företaget iFlyTek som de första företagen att hjälpa till att ta landet till globalt ledarskap inom artificiell intelligens [1].

Tanken är att de fyra företagen ska samverka för att bygga öppna innovationsplattformar inom fyra områden: autonom körning (Baidus fokus), smarta stadstransporter (Alibabas fokus), visionsystem (Tencents fokus) och ”röstintelligens” (iFlyTek).

Kina satsar mycket på utveckling av självkörande fordon och har som mål att 2022 ha nått Nivå 3 (SAE-skalan) och 2025 Nivå 4/5 [2]. Innan dess ska man ha satt standarder för vad sådana fordon ska klara liksom regelverk för provning, licensiering och ansvar.  Platser för test och demonstration har byggts på flera platser i landet som Shanghai, Beijing, Wuhan och Chongqing.

Källor

[1] China recruits Baidu, Alibaba and Tencent to AI ‘national team’ , South China Morning Post 2017-11-21 Länk

[2] Much work still needed for era of driverless vehicles, Global Times 2017-11-26 Länk

Artificiell intelligens, Simulering

Microsoft utvidgar AirSim för självkörande fordon

Microsoft har utvidgat sin AI-plattform AirSim att även inkludera simulering för utveckling av självkörande fordon [1]. Med AirSim kan man utveckla och testa system i realistiska miljöer och med realistiska modeller för fordonsdynamik och sensorer.

Med AirSim följer mer än 12 km väg i detaljerade 3D-miljöer av såväl storstäder, förorter, industriområden etc.

Här kan ni se en demo av simulering av en drönare inklusive vad olika sensorer ser.

Egen kommentar

Simulering är ett viktigt verktyg för utvecklare, det går inte att testköra miljontals mil. Dessutom är det viktigt med repeterbara förhållanden. Samtidigt så blir inte resultaten bättre än vad som byggs in. I verkligheten kan en elefant korsa en indisk väg men har man inte modellerat elefanten så händer det aldrig i simuleringen.

Källor

[1] Microsoft extends Artificial Intelligence research to self-driving vehicles, Financial Express 2017-11-27 Länk

Artificiell intelligens, Sensorer

Apple forskar på objektidentifiering med bara LIDAR

Det är många som är nyfikna på vad Apple håller på med inom fordonsområdet. Nu har två av deras forskare, Yin Zhou och Oncel Tuzel, skrivit en vetenskaplig artikel i webbtidskriften arXiv [1] [2] om att kunna identifiera objekt som cyklister och fotgängare med färre sensorer och en programvara som kallas VoxelNet.

Normalt använder självkörande fordon en kombination av 2D-kameror och LIDAR för objektidentifiering och positionering. Ett problem med dessa är att upplösningen är för låg att kunna detektera små objekt på stora avstånd. För att klara detta får man komplettera med en vanlig kamera.

Med VoxelNet säger Apples forskare att de kan få mycket bra resultat enbart med användande av bara LIDAR-data. Dock handlade det om simuleringar och inte tester i verkligheten.

Egen kommentar

Att kunna ”se” är förstås avgörande för självkörande fordon, och det går att klara med dyra lösningar med många sensorer. För att få ner kostnaden vore det bra om man kan klara sig med färre. Men samtidigt så finns det många situationer där LIDAR inte fungerar så bra som i dåligt väder. LIDAR är också en relativt dyr teknologi jämfört med radar och kameror.

Källor

[1] Stephen Nellis: Apple scientists disclose self-driving car research,  Reuters 2017-11-22 Länk

[2] Yin Zhou, Oncel Tuzel: VoxelNet: End-to-End Learning for Point Cloud Based 3D Object Detection, 2017-11-17 Länk

Mobilitetstjänster, Tester och demonstrationer

Förarlösa pendelbussar i Singapore 2022

Singapores regering har identifierat 3 städer: Punggol, Tengah och Jurong Innovation District (JID) som lämpliga områden där pendlare kan få testa självkörande bussar och minibussar för sina första/sista kilometern-resorfrån 2022 [1].

I dessa städer tänker man sig att autonoma bussar kör rutter på tidtabell under lågtrafik, medan förarlösa minibussar kan beställas vid behov.

Singapores transportminister Khaw Boon Wan sade att testerna kommer att ge insikter i hur nya städer kan planeras eller befintliga omdanas för säkert införande av förarlösa fordon.

”Den största utmaningen för autonoma fordon är inte teknikutvecklingen utan hur vi på ett säkert sätt kan införliva dem i vår miljö genom lämplig lagstiftning och stadsplanering,” sade Khaw.

Singapore är hett för utveckling och test av autonoma fordon. Det finns minst 10 företag och forskningsinstitut som sysslar med detta där.

Källor

[1] Adrian Lim: Driverless bus rides for commuters at three new towns from 2022, The Strait Times 2017-11-22 Länk