Alla inlägg av Mahdere Amanuel

Artificiell intelligens

Utmaningar gällande data för autonoma fordon

Startup-företaget Mighty AI, som levererar träningsdata till företag som bygger datormodellmodeller för autonoma fordon, och konsultföretaget Accenture har publicerat en rapport om några av de utmaningar som autonoma fordon står inför med avseende på all den data som samlas in [1].

För att fordon ska kunna uppnå högre nivåer av automation genom deep learning behöver de en massiv datamängd som kommer från sensorer såsom kamera, radar och LiDAR,  både för upplärningen av AI-systemet men också för att kunna fatta beslut i realtid när de väl introducerats på marknaden.

Rapporten pekar ut följande fyra områden att ha i åtanke när man utvecklar metoder för att hantera massiva datamängder för autonoma fordon:

  • Datainsamling: Företag kan bli mycket effektivare på datainsamling genom att optimera datakraven och insamlingsmetoden.
  • Datalagring: Att engagera företagets centraliserade IT-avdelning så tidigt som möjligt är avgörande (innan man har distribuerade team som jobbar i olika riktningar).
  • Datahantering: Att kunna spåra datas ursprung, vad som händer med det och hur det används över tid är viktigt.
  • Datamärkning: Med så mycket data som samlas är det viktigt med kategorisering för att få klarhet.

Rapporten säger avslutningsvis att företag som är medvetna om dessa utmaningar och bygger system för att hantera dem har större möjligheter att kringgå utmaningar som kan bromsa deras framgång.

Källa

[1] Autonomous vehicles: The race is on. Accenture, 2018, Länk

Infrastruktur

Design av parkeringsplatser för autonoma fordon

För att hitta den optimala parkeringsplatsen som kräver minimala antal omflyttningar, har forskare vid University of Toronto presenterat ett icke-linjärt program som behandlar varje parkeringsplats i parkeringen som en ö med ett eget kö-system [1].

Autonoma fordon kommer att få stor inverkan på parkeringsplatser i framtiden. Jämfört med vanliga bilparkeringar som endast har två rader fordon på varje parkeringsplats, kan framtida parkeringsplatser (för autonoma fordon) ha flera rader av fordon staplade bakom varandra. Även om denna multiradslayout minskar parkeringsutrymmet som behövs, kan det ändå uppstå blockering om ett visst fordon är barrikaderat av andra fordon och inte kan lämna parkeringsplatsen.

För att undvika detta scenario behöver operatören flytta några fordon för att skapa en väg ut för det blockerade fordonet, där omfattningen av detta är beroende av parkeringsplatsens layout.

Jämför ett vanligt Femton-spel.

Källa

[1] Nourinejad, M., Designing parking facilities for autonomous vehicles, Transportation Research Part B: Methodological, 2018-02-03 Länk

Mjukvara, Positionering, Sensorer

Ny laserteknik gör det möjligt för autonoma fordon upptäcka hinder runt hörnet

En forskargrupp från Stanford University har utvecklat ett nytt laserbaserat system som gör det möjligt för autonoma bilar att se hinder runt hörnet innan det är inom deras visuella synfält [1].

Systemet gör detta genom att effektivt producera bilder av föremål som är dolda runt ett hörn, vilket gör det möjligt för autonoma fordon att se hinder innan de kommer inom synhållet.

Genom att använda teknologier som t.ex. LIDAR, skickas laserpulser mot en yta och mäter tiden som krävs för att ljuset ska reflekteras – denna data samlas sedan in för att bygga en tredimensionell modell av ytan vilket resulterar i att man kan utveckla bildobjekt som inte är direkt synliga för kameran.

Forskargruppen uppgav också att den reflekterande karaktären av vägskyltar och cykelreflektorer gör deras teknik passar bra för autonoma fordon och tillägger att deras forskningen använder sensorer som liknar dem som redan används i autonoma fordon.

Trots detta meddelade forskargruppen dock att de fortfarande behöver förbättra systemet, så det kan bli bättre på att upptäcka objekt som inte är väldigt reflekterande eller stationära (till exempel barn eller vilda djur) men även att se till det kan användas utomhus under soliga förhållanden.

Källa

[1] Davis,N., New laser technology lets driverless cars see round corners, The Guardian, 2018-03-05 Länk

Mobilitetstjänster, Tester och demonstrationer

Nissan utvecklar autonom taxi-tjänst i Japan

Nissan och tech-företaget DeNA kommer att testa en app baserad autonom taxi-tjänst i Japan [1].

Nissan har sagt att de kommer att utföra fälttester av tjänsten, som heter Easy Ride, i Minatomirai-distriktet i Yokohama, längs en bestämd rutt på cirka 4,5 kilometer.

I bilarna kommer det att finnas en surfplatta som visar en lista över rekommenderade destinationer som testdeltagarna kan välja att åka till genom att kommunicera via text eller röst med Easy Rides mobilapp.

Nissan och DeNA planerar att göra tjänsten tillgänglig för allmänheten i början av år 2020.

I filmen visas Nissans vision av den framtida autonoma tjänsten.

https://www.youtube.com/watch?v=QjPUnAt3PSA

Källa

[1] Browne,R., Nissan is taking on Uber with its own self-driving taxi service, www.cnbc.com 2018-02-27 Länk

Distributionsfordon, Fordon, Tester och demonstrationer

Ford testar autonom körning i Miami med två fordonsflottor

Ford kommer att testa två fordonsflottor i Miami som en del av sin forskning kring automatiserad körning [1].

Den första bilparken kommer att bestå av Fusion Hybrid-bilar som Ford kommer att testa med tillsammans med Argo AI.

Den andra flottan kommer att bestå av ett bredare urval av olika Fordmodeller och kommer att testa hur kunderna interagerar och reagerar på leveranser gjorda av Domino och leveransservicen Postmates.

I testet kommer fordonen att köras av en mänsklig förare men som inte kommer att interagera med kunderna. Dominos leveranser i testprogrammet startade i Miami-området redan förra veckan.

Källa

[1] LeBeau,P., Ford teams with Domino’s, Postmates in Miami to test delivery via autonomous vehicles, www.cnbc.com 2018-02-27 Länk

Personbilar, Produktplaner

Renault, Nissan och Mitsubishi inleder samarbete kring autonoma bilar och elbilar

Renault, Nissan och Mitsubishi har nu presenterat sina planer på att arbeta tillsammans med elektriska och självkörande bilar [1].

Biltillverkarna planerar att gemensamt lansera sin första helt autonoma bil som inte kräver någon mänsklig förare redan 2022. Samma år är det också deras avsikt att lansera 12 nya elbilar som har en räckvidd på över 600 km och en 30% lägre batterikostnad.

Biltillverkarna lade också fram följande tidsplan för introduktionen av autonoma bilar:

2018 – Introducera ”högt autonoma bilar på motorvägar” men där en mänsklig förare fortfarande hela tiden skall ha översikt. Detta skulle likna Nissan’s nya ProPilot Assist-system som kommer att finnas tillgängligt i Nissan Leaf och senare även i andra modeller.

2020 – Expandera förarstödsteknik med hög automation och minimalt mänskligt ingripande till stadsmiljöer.

2022 – lansera gruppens första helt autonoma fordon som inte kräver något mänskligt ingripande i alla situationer (SAE nivå 5).

Biltillverkarna presenterade också en logotyp som representerar Renault-Nissan-Mitsubishi-samarbetet. Trots att de kommer att fortsätta att verka som tre separata bolag kommer de att ha ett lager i respektive organisation som innefattar en gemensam ledningsgrupp där alla bolagen finns representerade.

Källa

[1] Valdes-Dapena, P., Renault, Nissan and Mitsubishi team up on self-driving and electric cars. CNN Tech. 2017-09-15 Länk

Produktplaner

Autoliv och Ardient utvecklar bilstolar för autonoma fordon

Autoliv inleder ett samarbete med den världsledande leverantören av bilsäten Adient, för att ta tackla utmaningar med bilstolar för framtidens autonoma fordon [1].

Ambitionen är att gemensamt utveckla produkter och lösningar som relaterar till säkerhet och komfort i autonoma fordon. Inledningsvis kommer fokus ligga på att integrera Autolivs säkerhetskomponenter i sittplatserna för framtida fordon, förbättra de befintliga krockkuddesystemen och Euro NCAPs nya passagerarside-system. Tanken är att dessa ska finnas tillgängliga från slutet av 2018.

Med introduktion av autonom körning kommer förare och passagerare att spendera mer tid i fordonen utan att faktiskt köra, vilket medför att interiören i bilen kommer att få  mer uppmärksamhet och därmed spela en mer dominerande roll i framtiden. Passagerarna kommer att vilja ha mer interiör flexibilitet i bilen, där alternativa sittplatser för att koppla av, umgås och arbeta blir avgörande. Trots detta kommer säkerhetsbälten fortsätta vara en primär komponent för att minimera inverkan av olyckor, även i fordon utan en mänskliga förare.

Källor:

[1] Zacks Equity Research, Autoliv (ALV) Allies With Adient for Advanced Seating System, Nazdaq. 2017-09-12 Länk

Artificiell intelligens, Mobilitetstjänster, Sensorer

Five.ai siktar på att leverera självkörande fordon i London 2019

Cambridge-entreprenören Five.ai har fått in en investering på 26,8 miljoner pund, där 12,8 miljoner pund är del av statligt stöd, till sitt deltagande i StreetWise-projekt som syftar till att introducera autonoma fordon på Londons vägar redan 2019 [1].

Syftet är i första hand att utveckla ett mjukvarusystem som kan implementeras på befintliga fordon och består av sensorteknik (inklusive LiDAR, radar och ultraljud) som gör det möjligt för fordonet att upptäcka miljön kring det [2].

Den AI-baserade plattformen kommer i ett nästa skede användas för att konkurrera med Uber och andra mobilitetstjänster som har en flotta av autonoma taxibilar.

Genom att även använda befintlig stadsinfrastruktur från CCTV-videoklipp för att få översikt och kombinera detta med datorsimuleringar blir det möjligt att bygga modeller av hur människor beter sig vid olika gatukorsningar i London, säger VD:n Stan Boland.

Källor

[1] Burgress, M., CCTV footage is helping self-driving cars predict the future. Wired. 2017-09-05 Länk

[2] Lunden, I., UK’s FiveAI gets $35M to build a taxi service powered by its own self-driving car platform. TechCrunch. 2017-09-05 Länk

Bussar, Forskningsprojekt, Sensorer

Autonoma bussar snart en verklighet

I Ericssons senaste ’Mobility Report’ beskrivs att det snart kan bli vanligt att se autonoma bussar på vägarna [1]. Ett viktigt steg  för att införa autonoma bussar i kollektivtrafiken är dock utvecklingen av fjärrövervakning och kontrollsystem som säkerställer säkerheten.

Rapporten beskriver att Scania har ett 5G-konceptnätverk som nu används för olika tester där en fjärroperatör kör en buss runt ett testområde, som till och från en parkeringsplats. Testerna fokuserar på två områden: responstiden för fjärrövervakning och kontrollsystemet, och de automatiska verktygen som krävs för att prioritera nätverkstjänsterna. Sensordata från bussen, inklusive videouppspelning med högupplösning, strömmas till fjärroperationscentralen över LTE-radio i ett 5G-nätverk. Testbädden inkluderar också en automatiserad servicebeställning, vilket möjliggör att man kan prioritera vilka nätverksresurser som behövs för fjärrövervakning och drift.

Parallellt med Scanias verksamhet demonstrerades också fjärrstyrningen av ett forskningskonceptfordon (RCV) – utvecklat och anpassat av Integrated Transport Research Lab vid KTH Royal Institute of Technology – på Mobile World Congress 2017.

Källa

[1] Remote operation of vehicles with 5G, Ericsson.com, 2017 Länk

Personbilar

Nissan X-Trail blir utrustad med ProPILOT

Nissan X-Trail har nu blivit märkets andra bil som är utrustad med ProPILOT, Nissans teknologi för autonom körning [1].

ProPILOT stöder föraren genom att hjälpa till med att kontrollera acceleration, bromsning och styrning under körning på motorvägen. Hittills har ProPILOT endast varit tillgänglig i Nissan Serena, som fick en helt ny design under hösten.

Den uppdaterade Nissan X-Trail säljs nu hos Nissan-återförsäljare i hela Japan.

Källa

Nissan releases X-Trail with ProPILOT autonomous drive function in Japan, Green Car Congress, 2017-06-08 Länk