Kategoriarkiv: Okategoriserade

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

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

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

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

Ford och Waymo släpper nya dataset

Ford har öppnat upp en datasamling som innehåller data som samlats in med hjälp av företagets autonoma fordon i Detroit-området [1]. Datasamlingen är fritt tillgänglig för forskare och kan användas för att förbättra robustheten för självkörande fordon i stadsmiljöer.

Fords dataset kommer efter en uppdatering av ett liknande dataset från Waymo, Waymo Open Dataset [2]. Waymos dataset har utökats med ytterligare 800 segment.  Waymos ambition är att göra det lättare för forskare att utveckla säkra algoritmer från grunden och samtidigt slippa kostnaderna för att samla in sina egna data.

Kopplat till detta har Waymo också utlyst en rad tävlingar, Waymo Open Dataset Challenges. Den betsår av en rad olika utmaningar inom 2D och 3D detektering och objektföljning, och kommer pågår till slutet av maj. Förstaprisvinnaren kommer att belönas med 15 000 dollar.

Egen kommentar

Förutom marknadsföringssyften, är syftet med dessa tävlingar dels att få inspiration till nya lösningar och framförallt att hitta potentiella framtida medarbetare. Flera aktörer använder sig av liknande rekryteringsteknik.

Källor

[1] Wiggers, K., Ford releases a data set to accelerate autonomous car development. VentureBeat 2020-03-19 Länk

[2] Wiggers, K., Waymo expands autonomous driving data set and launches $110,000 challenge. VentureBeat Länk

Navigants ledarlista

För någon vecka sedan skrev vi om Navigants rankning av beräkningsplattformar för automatiserad körning. Nu har företaget också publicerat sin årliga rapport Automated Driving Leaderboard [1, 2]. 

I den har de rangordnat 18 olika aktörer utifrån deras vision, marknadsstrategi, partners, produktionsstrategi, teknologi, försäljning, marknadsföring och distribution, produktförmåga, produktkvalitet och tillförlitlighet, produktportfölj och uppehållskraft. Rankningen är uppdelad i fyra klasser: ledare (leaders), tävlare (contenders), utmanare (challengers) och efterföljare (followers):

Ledare: Waymo, Ford, Cruise, Baidu och Intel-MobileEye. Jämfört med året innan är Baidu och MobileEye nykomlingar i ledarklassen. 

Tävlare: Aptiv-Hyundai, Volkswagen, Yandex, Zoox, Daimler-Bosch, Toyota, May Mobility, Voyage Auto. En överrsaskning här är Yandex som är med på listan för första gången. 

Utmanare: BMW, Volvo, Renault-Nissan-Mitsubishi, Navya och Tesla.

Efterföljare: Den rutan är tom för i år, precis som året innan.

Överlag konstaterar Navigant att 2019 har var ett utmanande år för automatiserad körning och att många först då börjat förstå vilka utmaningar som de står inför. Flera startuppföretag gick i konkurs, eller blev uppköpta av större aktörer. Mycket handlar fortfarande om att utveckla kärntekniken och livskraftiga affärsmodeller.

Vidare konstaterar Navigant att det inte gjorts några betydande kommersialiseringar under 2019 och att alla fortsätter att använda säkerhetsoperatörer i sina fordon. Trots att några aktörer genomfört körningar utan säkerhetsoperatörer i fordonen väntas inte verkliga mobilitetstjänster dyka upp förrän 2021. Det noteras också att alltfler börjat sikta mot godsleverans. 

Egen kommentar

  • Precis som förra året så är Aurora inte ens med på listan. Man kan undra varför? De är bland få företag som har fått tillstånd att transportera passagerare i Kalifornien.
  • Förra året var Apple med bland ”tävlare”. I år är de inte alls med på listan. Förklaringen är nog enkel – Apple har inte visat något konkret under det senaste året, samtidigt som de sagt upp flera anställda som jobbat inom området. Kan Apple komma att överraska alla?
  • Zenuity är inte heller med. Förra året var deras samarbete med Volvo, Veoneer och Ericsson med på listan som ”tävlare”. Nu har också Volvo hamnat i klassen under som ”utmanare”. Vad har hänt där? 
  • En annan förändring jämfört med förra året är att Uber inte kommit med på listan. Jag tror inte att någon är överraskad där med tanke på alla turer kring dödsolyckan i Arizona.
  • Att Tesla hamnat sist på listan kan också vara något överraskande. Men vi ska inte bortse från alla (döds)olyckor med Autopilot påslagen och all kritik som riktats mot Tesla från bl.a. den amerikanska  haverikommissionen NTSB.

Det kan mycket väl vara så att svaret på dessa frågor finns i rapporten men tyvärr har vi inte tillgång till den. 

Här kan ni läsa om förra årets rankning. 

Källor

[1] Navigant, Navigant Research Leaderboard: Automated Driving Vehicles. 2020-03-16 Länk

[2] Krok, A., CNet. Tesla trails Waymo, Cruise and others in self-driving strategy, study claims. 2020-03-16 Länk

Självkörande lastbilar i distributionshubbar

Distributionsföretaget UPS meddelar att de ska testa Gaussins eldrivna lastbilar i sin distributionsanläggning i London [1, 2].

Gaussins lastbilar kan köra själva och kommer användas för att flytta semi-trailers och containers runt på anläggningen. I första fasen av testet kommer lastbilarna köras med en förare, och senare, i nästa fas är det tänkt att testa autonom körning.

Fordonen som testerna ska utföras med är Full ELEC Trailer och Swap Body Mover. Det utges även att dessa fordon kommer kunna köra dag och nattskift med hjälp av en lösning för batteribyte.

Phantom Auto som har en plattform för fjärrstyrning av fordon riktar också in sig på lastbilar i distributionsanläggningar [3]. Tillsammans med Autonomous Solutions, Inc och FANUC America Corporation ska de driftsätta självkörande lastbilar som också ska kunna ge över kontrollen till en fjärroperatör i svårhanterliga situationer.

Egen kommentar

Kopplat till detta kan ni också läsa vår artikel från förra veckan om liknande aktiviteter i amerikanska delstaten Colorado samt i Kina. En tolkning är att kommersialisering av självkörande fordon är nog närmast just för distributionshubbar och liknande avgränsade områden.

Källor

[1] UPS. UPS To Test Gaussin Autonomous-Enabled EV’s To Move Trailers At Its London Hub. 2020-03-11 Länk

[2] Gaussin. UPS announces tests of Gaussin’s Autonomous-Enabled FULL ELEC Trailer and Swap Body Mover. 2020-03-11 Länk

[3] Blanco, S., Forbes. Phantom Auto Readies Autonomous Vehicles For Delivery Center Work. 2020-03-13 Länk

Försäkringsbolag vill ha förarövervakning

Det amerikanska försäkringsinstitutet för vägsäkerhet, IIHS, har gått ut med forskningsbaserade designrekommendationer för förarstödsfunktioner motsvarande SAE-automationsnivå 2 [1,2]. Dessa är baserade på en litteraturstudie där ett tiotal relevanta akademiska studier granskats och vägts in.

Fokus läggs på hur bilen ska kunna säkra att föraren är fokuserad på trafiksituationen. Stödsystemen rekommenderas även ha automatisk begränsning för användning i situationer de inte är lämpade för. Sammanlagt handlar det om fem rekommendationer, eller nivåer på uppmärksamhetspåminnelser:

  • Visuell påminnelse
  • Mer brådskande visuell påminnelse + en ljud eller fysisk varning (t.ex. vibrationer)
  • Visuella + ljud + fysiska varningar
  • Visuella + ljud + fysiska varningar + pulsbromsning
  • Om föraren inte reagerar så bör systemet aktivera varningsblinkers och gradvis bromsa fordonet till ett stopp. När den processen inletts ska föraren inte ha möjlighet att påverka färden.

IIHS poängterar vikten av att se helheten då införandet av en isolerad stödlösning kan leda till försämrad säkerhet. De riktar kritik mot Tesla och ger beröm till GMs Super Cruise samtidigt som de påpekar att ingen av systemen ute på marknaden följer alla dessa rekommendationer.

Egen kommentar

Biltillverkare har generellt större fokus på utveckling av teknik som kan lösa klassiska och isolerade ingenjörsproblem än på övergripande säkerhetsproblematik.

Forskare och experter inom säkerhet och beteende har länge pekat på riskerna i att systemen som helhet inte är anpassade till mänskligt beteende och mänsklig intuition. Ett exempel är ABS-bromsar som marknadsförts som säkerhetslösning men som också visade sig få förare att köra mer vårdslöst.

Källor

[1] Insurance Institute for Highway Safety. Automated systems need stronger safeguards to keep drivers focused on the road. 2020-03-12 Länk

[2] Consumer Reports, Inc. Automakers Need Better Driver Monitoring in High-Tech Cars, IIHS Says. 2020-02-12 Länk

Djurdetektion för ADAS och AD

Startupföretaget StradVision meddelar att de utvecklar algoritmer för djurdetektion i sitt djupinlärningsbaserade kamerasystem [1].

Det sägs även att systemet ska kunna detektera djur i dåliga väderförhållanden, såväl som miljöer där djur kan vara skymda av till exempel träd.

Källa

[1] PRNewswire. StradVision Developing Groundbreaking Animal Detection Software for ADAS Systems and Autonomous Vehicles. 2020-03-05 Länk

EasyMile hindras köra passagerare i USA

Efter en olycka, där en passagerare fallit av sätet vid ett nödstopp, hindrar nu den amerikanska trafiksäkerhetsmyndigheten NHTSA skyttelföretaget EasyMile från att köra passagerare [1]. Förbudet gäller 16 skyttlar i tio amerikanska delstater.

Skyttlarna får enligt EasyMile fortfarande rulla på allmän väg under utredningsperioden, fast då med enbart säkerhetsförare.

Passageraren rapporteras fått lindriga skador och klagat på smärta i knä och ben [2].

Egen kommentar

Skyttelpassagerare är idag inte fastspända och kan färdas stående. Detta trots att skyttlarna i vissa situationer är programmerade till att tvärnita. Idag begränsas därför dessa fordon ofta till en maxhastighet på 20 km/h. En så låg maxhastighet begränsar nyttan men verkar ändå inte räcka för att undvika skador på passagerare.

Källa

[1] U.S. agency slams brakes on self-driving EasyMile shuttles after passenger injury. 2020-02-25 Länk

[2] EasyMile Autonomous Shuttle Operations Paused in U.S. After Minor Incident in Ohio. 2020-02-27 Länk