Kategoriarkiv: Funktionell säkerhet

Uppdaterat stödsystem från Toyota

Toyota lanserar ett nytt koncept med en kombination av sitt parkeringsstöd och uppdaterat förarstödssystem. Systemet kräver, till skillnad från GM:s Super Cruise,  fortfarande händer på ratten men klarar en rad uppgifter så som körfältsbyten, omkörningar och vävning/anpassning till andra bilister. Systemet ska även kunna utnyttja information om bland annat inbromsningar som skickas mellan fordon [1] .

Till skillnad från till exempel Tesla så understryks att systemet är menat som just stöd och konceptet har troligen bland annat därför fått det något mer ödmjuka namnet Mobility Teammate [2].

Konceptet introduceras i Lexus och Mirai nu i april. Systemet visas i detta klipp.

Källor

[1] Toyota. Toyota Launches LS and Mirai Equipped with ”Advanced Drive” that Enables Drivers and Cars to Drive Together in Japan. 2021-04-08 Länk

[2] Szymkowski, S., CNet. Lexus LS 500h launches ’Teammate’ advanced driver-assist technology 2021-04-09 Länk

Ny Daimler-ADAS

Förra veckans lastbilsrapport följs av information om att Mercedes-Benz från och med nu säljer nya versioner av sina förarstödsystem (ADAS) med bland annat nödbroms som upptäcker gående och cyklister i döda vinkeln.

Nytt är bland annat att systemen nu automatiskt kan tvärbromsa till stillastående från hastigheter upp till 50 km/h (20km/h vid svängar) om inte föraren reagerar på varningar.

Systemen presenterades i höstas och lösningen kommer att byggas in i lastbilar efter halvårsskiftet.

Källa

[1] Daimler. Available now: world firsts from Mercedes-Benz Trucks for greater safety on roads. 2021-03-29 Länk

Volvo verifierar

Volvo Group har ingått partnerskap med det Israeliska verifieringsbolaget Foretellix för att skapa en lösning som kan utvärdera och validera autonoma fordon i stor skala [1].

Lösningen bygger på den plattform vi nämnde i september. Säkerhet, beteenden och effektivitet ska utvärderas för maskiner och fordon i olika slags miljöer, inklusive begränsade utrymmen som till exempel gruvor.

Källor

[1] Volvo Group. Volvo Autonomous Solutions forms Partnership with Foretellix 2021-03-02 Länk

Vävd Värld

Toyota fortsätter på vävtemat. I våras skrev vi om Toyotas och NTTs satsning på dataplattform för den smarta staden Woven City. För någon månad sedan meddelande Toyota att de skapat en investeringsfond på motsvarande över sex miljarder kronor med namnet Woven Capital. Fonden ligger under forskningsinstitut som nu bytt namn till Woven Planet [3].

Nu presenterar Toyota planerna på att erbjuda världens säkraste mobilitetslösning. Detta ska ske med helt självkörande fordon och mobilitetslösningar som tjänst, MaaS [1]. En presentation av sina helt självkörande prototypfordon lovades inom en snar framtid. Ett system för kontroll och optimering av sådan fordonsflotta i den vävda staden har också presenterats [2].

Källor

[1] Tao, M., Robotics & Automation News. Toyota demonstrates autonomous shuttle for ‘mobility as a service’ applications. 2021-01-26 Länk

[2] Yamamitsu, E., Reuters. New Toyota tech unit promises world’s safest drive. 2021-01-29 Länk

[3] Flaherty, N., eeNews Europe. Toyota Research launches $800m investment fund in move to Woven Planet. 2020-09-10 Länk

Lastbilsnyheter från Daimler

Likt flera andra lastbilstillverkare försöker Mercedes-Benz röra sig i riktning från att enbart sälja fordon mot att istället främst leverera tjänster, så kallad Truck-as-a-Service eller Lastbil Som Tjänst [1].

Bland de lösningar som Daimler för fram i den andan hittas till exempel:

  • Truck Data Center 7 med gränssnitt mot även andra lastbilsmärken.
  • Stödsystemet Fleetboard Transport Management service ersätts av ett nyinköpt system för övervakning och arbetsprocesser, HABBL.
  • Nytt gränssnitt för flotthanterare i Fleetboard som nu lyfts över till Microsoft Azure Cloud

Därtill meddelar Daimler introduktion av två förarstödssystem i lastbilar från och med juni 2021 [2]:

  • Uppdaterad automatisk nödbroms som ”lyfter” lastbilarna till automationsnivå 2.
  • Förarstödssystem för döda vinkeln i till exempel korsningar.

Egen kommentar

För två veckor sedan beskrev vi (här) hur svårt biltillverkare verkar ha för att skapa system för att tjäna pengar på digitala tjänster kopplade till fordonen. De stora lastbilstillverkarna verkar ha kommit längre men kan fortfarande ha en bit kvar innan deras lösningar dominerar.

På lastbilstemat kan ni också läsa en intressant artikel av experten inom området Richard Bishop (här) som menar att utvecklingen av automatiserad körning inte saktar ner men att resan dit blir svårare.

Källor

[1] Automotive World. New digital products and features: Mercedes-Benz Trucks has maximum vehicle availability in focus with digital services. 2020-09-23 Länk

[2] Daimler. Mercedes-Benz Trucks presents two worldwide innovations in their trucks for more safety on the road. 2020-09-23 Länk

TomTom kategoriserar vägens lämplighet

Felaktigt användande av system för förarstöd och självkörning leder till olyckor och död. Det holländska kartföretaget TomTom har lanserat en lösning för fordonstillverkare som behöver stöd i att hitta tydliga gränser för var och när olika automatiseringsnivåer är lämpliga.

Lösningen baseras på TomToms HD-kartor och identifierar under vilka förhållanden som vägar kan antas vara bra nog. Produkten kallas RoadCheck och tar bland annat hänsyn till GPS-signalstyrka, väder och vägskick [1].

RoadCheck ska komma att inkluderas i en produktionsmodell av en ledande global biltillverkare i USA år 2021 [2].

Kommentar

Gränsdragningen för var olika automatiseringsteknologier är lämpliga är svår. Mer om kravställning kan bland annat hittas i första delen av veckans avsnitt av youtubekanalen Only GNSS.

TomTom kommer troligen inte vilja ta juridiskt ansvar för gränsdragningarna men lösningen har ändå potential att spara liv om den leder till att fordonstillverkare tvingar sina förare att använda förarstödsfunktionerna på bättre sätt.

Källor

[1] Mendoza, N. F., TechRepublic. TomTom releases new tech for autonomous vehicles to better manage roads and weather. 2020-09-03. Länk

[2] TomTom. TomTom Launches RoadCheck: A Pioneering Product for Safer Autonomous Driving. 2020-09-03. Länk

Eftermontering av ADAS lönsamt och (ibland) görbart

Vi har tidigare nämnt införandet av regelverk som från och med juni 2022 kommer göra en rad förarstödssystem obligatoriska i nya fordon som säljs i EU. Genomsnittsbilen i EU är dock mer än tio år gammal och det kommer alltså ta ungefär tio år innan majoriteten av bilarna har dessa funktioner.

EU-kommissionen har därför i dagarna publicerat den genomlysning som den finska organisationen VTT och den nederländska konsultfirman Ecorys har tagit fram om förutsättningarna för eftermontering av förarstödsystem [1].

De studerade systemen var:

  • Antikollisionsvarnare
  • Avåkningsvarnare
  • Hastighetsvarnare
  • Trötthet och distraktionsvarnare
  • Parkerings och backsensorer
  • Däcktrycksövervakning
  • System som varnar för cyklister eller fotgängare framför eller vid sidan av fordonet
  • eCall (elektroniska nödanrop)

Genomlysningen bedömde såväl tekniska begränsningar som nyttokostnader där både frivilligt införande och lagkrav togs som utgångspunkter.

De största tekniska begränsningarna konstaterades vara relaterade till fordonstillverkares motvilja till att tillåta tredjepartsaktörer att ta kontroll över ställdon som till exempel bromsar. Studien fokuserade därför enbart på system som informerar och varnar.

Det mest ”lönsamma” av informations- och varningssystemen konstaterades vara system som varnar för cyklister och fotgängare framför eller vid sidan av bussar. Flest liv skulle dock räddas med avåkningsvarnare, hastighetsvarnare, eCall, samt trötthets och distraktionsvarnare.

Ett 100%-igt införande av en kombination av antikollisions-, hastighets- och avåkningsvarnare skulle enligt studien minska antalet dödsolyckor med ca 13−27% jämfört med att ingen skulle ha systemen.

Egen kommentar

Ovilja mot att låta tredje part, helt eller delvis, styra fordonet känns igen från de självkörande fordon som testas. Att tillåta utomstående kontroll kan ge ökad sårbarhet, upphäva certifieringar och dessutom försvåra ansvarsfrågor och potentiellt även annullera försäkringar. Detta är en av utmaningarna för fjärrstyrning, en lösning som har påståtts vara avgörande för införande av självkörande fordon.

I vår artikel om Pronto kan ni läsa om ett ADAS eftermarknadsystem för lastbilar.

Källa

[1] EU-kommissionen/Scholliers et al. Study on the feasibility, costs and benefits of retrofitting advanced driver assistance to improve road safety. 2020-04-14 Länk

Att undvika kedjekollisioner

Att förutsäga framtiden är en av de största utmaningar för självkörande fordon. Men som med många saker så kan det vara lättare om man hjälps åt. Att samordna fordons medvetande och beteende är sannolikt mer effektivt än att varje fordon planerar för sig självt.

Forskare vid Cranfield University har inom ramen för Multi-Car Collision Avoidance (MuCCA)-projektet testat ett system för samarbete mellan självkörande fordon i motorvägsliknande miljö [2]. Testet visade att fordonen kunde ta ett gemensamt beslut om beteenden och på det sättet kunde de undvika både hinder och hastiga inbromsningar [1].

Projektet finansieras av Innovate UK och Centre for Connected and Autonomous Vehicles som är en del av Department for Transport och Department for Business, Energy & Industrial Strategy i Storbritannien.

Källor

[1] Institution of Mechanical Engineers. Autonomous cars given ‘human-like’ reactions to prevent crashes on shared roads. 2020-03-24 Länk

[2] The Multi-Car Collision Avoidance Project website Länk

Ny säkerhetsstandard klar (på rekordtid)

Vi har tidigare berättat om det internationella certifieringsföretaget Underwriters Labs (UL) arbete med en ny standard för självkörande fordon, UL 4600 (här och här). Nu är standarden klar och har publicerats [1]. Standarden togs fram på mycket kort tid men i enlighet ANSIs processer och kommer därför automatiskt bli ANSI-standard.

Till skillnad från till exempel ISO 26262 (Functional Safety) och ISO 214448 (SOTIF) så adresserar UL 4600 specifikt ”de ytterligare utmaningar som fullständigt avlägsnande av förare innebär”. En konsekvens av detta perspektiv är bland annat att UL genomgående refererar till ”sak” [eng. ”item”] istället för ”system” eller ”produkt”.

Standarden finns att köpa men går också att läsa avgiftsfritt online. Rykten gör gällande att fordonstillverkare redan nyttjat standarden utifrån höstens utkast.

I den tekniska panel som jobbat med standarden återfanns bland andra Uber, Nissan, Argo AI, Aurora Innovation, Zenuity, Intel, Infineon, Bosch, Renesas, Ansys, Liberty Mutural, AXA och USAs transportdepartment.

Källor

[1] UL. Underwriters Laboratories publishes autonomous vehicle Standard. 2020-04-01 Länk

[2] Junko Yoshida, Electronic Engineering Times. Safe Autonomy: UL 4600 and How It Grew. 2020-04-02 Länk

Metoder för att upptäcka okänd data utan inlärning

Machine Learning (ML) och speciellt Deep Learning (DL) har visat sig vara mycket effektiva och kraftfulla för att lära sig att känna igen mönster, beteende och egenskaper.

En känd egenskap hos ML är att algoritmerna kan vara extremt bra på data som finns inom den rymd som använts för träning, men extremt dåliga på data som ligger utanför träningsrymden. De är alltså bra på att generalisera, men sämre på att extrapolera. För att detektera data som ligger utanför träningsrymden, tränas ofta nätverk som lära sig se skillnad på ”känd data” och ”okänd data”, genom att presentera exempel från båda klasserna. Problemet är dock att det dels finns många dimensioner i datat (speciellt när indata är bilder) och dels blir det snabbt opraktiskt att samla data på objekt som inte är relevanta för nätverket.

Forskare från Georgia Tech och Samsung, har nyligen publicerat en artikel kring hur nätverk kan tränas, utan att använda data data som ligger utanför träningsrymden [1].

Artikeln presenterar en metod som använder sig av signaler som finns inne i ML nätverken. De skapar sannolikhesfördelningar över hur signalerna beter sig för de olika kända klasserna. Genom att jämföra dessa fördelningar med hur signalerna ser ut för ny data som presenteras för nätverket, lyckas de med hög säkerhet avgöra om den nya datan kommer ifrån den kända eller okända datarymden.

Egen kommentar

Denna metodik har studerats inom Vinnova FFI projektet SMILE II även där med stor framgång [2].

Källor

[1] Hsu, Yen-Chang, et al. ”Generalized ODIN: Detecting Out-of-distribution Image without Learning from Out-of-distribution Data.” arXiv preprint arXiv:2002.11297 (2020).

[2] Slutrapport SMILE II https://www.vinnova.se/globalassets/mikrosajter/ffi/dokument/slutrapporter-ffi/elektronik-mjukvara-och-kommunikation-rapporter/2017-03066eng.pdf