Kategoriarkiv: Samverkan människa – maskin

Krav på nivå 3 från Mobileye

I en samförfattad artikel av den verkställande direktören på Mobileye, Amnon Shashua, och den utvecklingsansvarige på Mobileye, Prof. Shai Shalev-Shwartz, diskuteras automationsnivå 3 (enligt SAE skalan) och några förslag på krav presenteras [1].

Enligt standarden J3016 från Society of Automotive Engineers (SAE) som berör automationsnivåer skiljer sig nivå 3-5 från nivå 0-2 på så sätt att 3-5 skall kunna utföra alla köruppgifter (Dynamic Driving Task: DDT) inom given designdomän (Operational Design Domain: ODD). Vidare så skall personen i förarsätet kunna ta över kontrollen av köruppgifterna omedelbart i automationsnivå 0-2 medan övertagandet av kontroll för nivå 3-5 inte sker omedelbart.

Mobileye författarna gör här en poäng kring att man i automationsnivå 3 inte kan anta ett mindre sofistikerat självkörande system än automationsnivå 4 och 5 eftersom vad som helst kan hända under den tid som personen i förarsätet har på sig att ta tillbaka kontrollen, då överföringen inte sker omedelbart. Med andra ord så kan ett automationsnivå 3 system inte endast vara designat att hantera sin ODD, utan bör klara DDT även utanför sitt ODD.

En annan del av artikeln berör det som de kallar för ”Black Swans” vilket innebär att ett system exempelvis kan göra perceptuella missar som på förhand inte går att veta om systemet kommer att göra. Man kan dock få ut en statistisk uppskattning på sådana fel där måttet ”Mean-Time-Between-Failures” (MTBF) ger en genomsnittstid för systemet innan det gör ett ”Black Swan” fel. Författarnas förslag här är att MTBF inte får vara lägre än siffror ifrån olycksstatistik med mänskliga förare för automationsnivå 3-5.

Egen kommentar

Kopplat till det här ämnet kan ni också läsa en nyligen publicerad artikel från den internationella forskargruppen HF-IRADS kallat Can the human driver be made responsible when automation is unable to handle the situation? Där lyfter fram de liknande oro som Mobileye, till och med för avancerade förarstödssytem som idag klassas som SAE-nivå 2.

Källa

[1] Amnon Shashua. Medium. On Black Swans, Failures-by-Design, and Safety of Automated Driving Systems. 2021-03-14 Länk

Högre hastigheter med förarstödssystem

Den amerikanska organisationen Insurance Institute for Highway Safety (IIHS) har ihop med MIT gjort en studie som visar att förare är mer benägna att köra över hastighetsgränserna när de använder förarstödssystem [1].

Studien ägde rum i Boston och omfattade 40 förare. Hälften av dem fick använda en 2016 Land Rover Range Rover Evoque utrustad med vanlig adaptiv farthållare (ACC), medan hälften använde en 2017 Volvo S90 utrustad med ACC med körfältscentrering (läs: Pilot Assist) under en fyra veckors period.

Resultaten visar att för det mesta så väljer förare hastigheten själva för adaptiv farthållare, och ofta ställer de in funktionen på en hastighet som är över hastighetsgränsen för vägen. Resultaten visade också att förarna var 24% mer benägna att köra över hastigheterna. Dessutom körde förarna i högre hastigheter med förarstödssystemen än utan. Studien visade dock inga signifikanta skillnader i hastigheter för de två olika förarstödsysstemen som testades.

Egen kommentar

Som IIHS skriver själva i den aktuella källan så spelar andra faktorer också in för olycksrisken. Exempelvis tittade forskarna inte på avståndsinställningarna till framförvarande fordon.

Sedan är det värt att påpeka att adaptiv farthållare anpassar ju sig efter framförvarande fordons hastighet, så även om man ställer in på högre hastighet så kör fordonet inte fortare än framförvarande fordon. Resultaten här bli därmed paradoxala om vi inte antar att alla andra fordon på vägen också hade adaptiv farthållare, eller att det helt enkelt inte fanns något framförvarande fordon i den större delen av datat.

Till sist vill vi påminna om ett svenskt initiativ just för mer hållbara hastigheter som startats av Trafikverket och en rad andra aktörer: Tillsammans för hållbara hastigheter!

Källa

[1] IIHS. Adaptive cruise control spurs drivers to speed. 2021-03-11 Länk

Automated Vehicles konferens

Del två av Automated Vehicles konferensen som hålls av Chartered Institute of Ergonomics & Human factors ägde rum nyligen och fokuserade på villkorad automatiserad körning dvs. nivå tre enligt SAE-automationsskalan. Vi ska här kort återberätta några intressanta delar av innehållet i konferensen som vi följde.

När det gäller villkorad automatiserad körning så ligger den största diskussionen kring överlämning av kontroll mellan förare och fordon. Presentatörer och deltagare på konferensen diskuterade bl.a. tid för att ta över, typer av signaler för överföring av kontroll, och körförmåga efter att föraren tagit tillbaka kontrollen.

När det gäller ”tid för att ta över” och ”typer av signaler” så presenterade Christian Janssen ifrån Utretch universitet i Nederländerna resultat från en doktorand Remo Van der Heidens och hans kollegors resultat där man sett en minskning i förarens hjärnaktivitet som ska motsvara upptäckandet och bearbetandet av ljudsignaler när hen åkte autonomt i en körsimulator. Vidare så noterades ännu större minskning i den relevanta hjärnaktiviteten när föraren utförde en sekundär uppgift i samband med att åka autonomt i simulator. För att undvika den här effekten nämnde Janssen att en ljudsignal inte räcker, att 10 sekunders tidsmarginal kanske inte heller räcker, och att en gradvis ökande frekvens av ljudsignalen kan tillämpas.

Alexander Eriksson från Volvo Cars diskuterade bl.a. problemen med att anta att fordonet i alla situationer inser att den inte klarar av situationen och hinner be föraren att ta över [1]. Han betonade också att kvalitén av körförmågan efter att föraren tagit tillbaka kontrollen beror dels på trafiksituationens förutsägbarhet och dels på tidsmarginalen föraren haft för att ta över.

Emily Shaw från universitetet i Nottingham i England berättade om en studie där deltagare fick köra fordon med villkorad automation och där överföring av kontroll skedde med 60 sekunders tidsmarginal under vilken deltagarna skulle förbereda sig för att ta över [2]. Deltagarna fick köra vid fem olika tillfällen under fem dagar. Resultaten visade att ju mer erfarenhet som deltagarna fick desto mer nyttjade de tidsmarginalen för sekundära uppgifter istället för att förbereda sig för kontrollövertagandet.

Källor

[1] de Winter, J., Stanton, N., & Eisma, Y. B. Is the take-over paradigm a mere convenience? 2021-01 Länk

[2] Large, D.R., Burnett, G., Salanitri, D., Lawson, A., Box, E. A Longitudinal Simulator Study to Explore Drivers. Behaviour in Level 3 Automated Vehicles in Automotive User Interfaces and Interactive Vehicular Applications. 2019-09 Länk

Gott och blandat

  • Torc Robotics som ägs av Daimler har inlett samarbete med Amazon som går ut på att använda Amazons molnlösning för tester med autonoma lastbilar, framförallt i New Mexico och Virginia. Länk
  • Optimus Ride har i samband med sin senaste skyttelpilot i TheYards i Washington D.C. lanserat en app, Opti Ride, som väntas förbättra användarupplevelsen av den autonoma mobilitetstjänsten genom att erbjuda enklare planering och reservation av resor. Länk
  • Vodafone och Sapcorda påstås ha demonstrerat en ny positioneringsteknik som kan lokalisera ett fordon med en noggrannhet på 10 cm. Länk
  • Amerikanska städer Detroit, Pittsburgh, San Jose och Miami-Dade County i Florida utforskar aktivt hur autonoma fordon kan implementeras på ett sätt som återspeglar samhällets behov och villkor. Baserat på deras erfarenheter har nu forskningscentret Urbanism Next Center vid University of Oregon tagit fram ett ramverk som beskriver hurden offentliga sektorn kan arbeta med autonoma fordon för att säkerställa att de blir tillgängliga för alla. Länk

Förhindra åksjuka med hjälp av ljud?

Volvo Cars har tillsammans med RISE och det svenska företaget Pole Position Production gjort ett projekt med fokus på tillit och åksjuka i självkörande fordon där passagerare ska få en ljudsignal innan fordonet gör manövrar så som acceleration och skarpa svängar [1].

Tanken är att passagerarna ska hinna justera sig inför en rörelse, och resultaten har visat att passagerare både känner sig mindre åksjuka och även litar mer på fordonet. Enligt Justyna Maculewicz, som är användarupplevelsedesigner på Volvo Cars, har utgångspunkten varit i att anpassa naturliga billjud som exempelvis motorljud snarare än att använda röst- och pip-ljud för detta. Här kan ni höra ett exempel på framtagna ljudsignaler.

Vi berättade även om det här FFI-projektet innan jul, läs mer här.

Källa

[1] Deighton, K., The Wall Street Journal. Volvo Aims to Ease the Queasiness of Riding in Self-Driving Vehicles. 2020-02-10 Länk

Oroliga föräldrar

En ny studie från Insurance Institute for Highway Safety och J.D. Power visar att föräldrar är oroliga att förarstödssystem (ADAS) kommer hämma deras barn att läsa sig grunderna i bilkörningen [1]. Studien har omfattat diskussioner med 21 föräldrar i USA som var uppdelade i tre fokusgrupper. 

Medan många av studiedeltagarna tycker att ADAS ger vissa säkerhetsfördelar så hade de olika åsikter om hur dessa system skulle användas under körövningen. Några konstaterade att de under körövningen med sina barn hade stängt av ADAS, men att de skulle så småningom aktivera dem igen. 

Ja, allt är en balansgång!

Källor

[1] IIHS. Parents worry vehicle tech might prevent teens from mastering the basics. 2021-01-21 Länk

En APP för ökad tillgänglighet av AD

En app vid namn Autonomous Vehicle Assistant (AVA) har utvecklats på University of Maine i USA, och syftar till att hjälpa seniora personer samt blinda personer [1].

Appen kan guida användare haptiskt och auditivt, samt med ett extra tydligt visuellt gränssnitt. Genom appen går det att ställa in sin profil och sedan göra en sökning efter autonoma fordon som är anpassade utefter sin profil. Med hjälp av Augmented Reality teknologi kan man sedan använda mobiltelefonens kamera till att göra området omkring sig i verkligheten mer tolkningsbar genom att få information om position, rutt, och förstärkning av farliga objekt i miljön så som otydliga trottoarkanter.

Virtual Environments and Multimodal Interaction Laboratory (VEMI Lab) som utvecklat appen har belönats med 300 000 dollar ifrån USAs transportdepartement för sin insats med appen i en designtävling.

Källa

[1] News Medical. Smartphone app will people with disabilities and seniors use autonomous vehicles. 2021-01-29 Länk

Stödsystem för personer med funktionshinder

Carnegie Mellon University har nyligen fått statligt bidrag på ungefär 300 000 dollar (motsvarande 2 500 000 kr) för ett projekt som ska fokusera på att göra självkörande fordon mer tillgängliga för personer med funktionshinder [1]. 

Projektet ämnar utforska vilka stödbehov som personer med funktionshinder har samt hur självkörande fordon behöver utformas för att möta dessa behov. Målet är att utveckla ett prototypsystem för självkörande fordon som gör det möjligt för vem som helst att styra diverse fordonsfunktioner från sin mobiltelefon, som exemplevis att öppna fönster i fordonet, anpassa temperaturen och kalla fordonet till sin plats.

Projektet startar i februari och väntas pågå i ungefär ett år.

Egen kommentar

Självkörande fordon väntas möjliggöra bättre mobilitet för personer med funktionshinder. Dessvärre är det ett ämne som fått begränsat med uppmärksamhet i forsknings och utvecklingssammanhang. På så sätt är det nya projektet värdefullt, trots dess begränsade omfattning.  

Källor

[1] Blazina E., Pittsburgh Post-Gazette. CMU team to examine autonomous vehicles for people with disabilities. 2021-01-11 Länk

Tillit och händer

Var håller förarna sina händer när de litar på sina förarstödssystem (ADAS)? 

Enligt en ny studie utförd av en grupp forskare från Kina och USA så håller förarna sina händer lite olika beroende på hur mycket de litar på ADAS. Litar de mycket på ADAS håller de sina händer längst ner på ratten. Litar de lite på ADAS så håller de sina händer högst upp på ratten. Tilliten påverkas dock av åldern (medelåldersförare litar mer på ADAS än yngre förare) och kön (kvinnor litar mer på ADAS än män). 

Studien omfattade två typer av ADAS: filhållningsassistansen (lane-keeping assist, LKA) filvarningssystemet (lane-departure warning, LDW). Varje studiedeltagare fick uppleva ett av dessa system. Studien genomfördes i verklig trafik i Michigan i USA och involverade totalt 16 förare.

Forskarna har också utvecklat en modell baserat på Random Forest, och tror att den på sikt kommer kunna användas för att förutsäga tillit till ADAS i realtid.

Källor

[1] Yu et al., 2021. Measurement and prediction of driver trust in automated vehicle technologies: An application of hand position transition probability matrix. Transportation Research Part C: Emerging Technologies. Länk

Safer Seminarie: Människor och automatiserade fordon

På ett Safer Thursday Webinar den 19 november presenterades forskning och resultat från två projekt inom området människor och automatiserade fordon.

Den första presentationen gavs av forskaren Alberto Morando från Massachussets Institute of Technology (MIT) som varit med i The Advanced Vehicle Technology (AVT) projektet lett av MITs AgeLab. I konsortiet finns bl.a. Volvo Cars, Veoneer och Aptiv, och i projektet har man fokuserat på att undersöka hur människor använder de förarstödssystem och automatiserade körfunktioner som finns på marknaden idag.

I presentationen fick man veta om en studie [1] inom projektet där bl.a. videodata samlats in från naturligt körbeteende hos förare av Tesla-bilar. Datat bestod av ungefär 33 800 km som körts av 27 olika förare i sina privata Tesla-bilar. Resultaten visar att förarna hade mindre fokus på vägen, dvs. mindre blicktid på vägen, när förarstödssystemet Autopilot var aktiverat. Blicktid i nedre mitten av synfältet ökade med autopilot aktiverat vilket indikerar aktiviteter så som mobiltelefonanvändning. Det visade sig också att förare hade händerna mindre på ratten, och dessutom körde många förare med händerna helt borta från ratten.

Alberto Morando och hans kollegor har också jobbat med modellering av blickbeteende för att kunna prediktera blickbeteende, så som exempelvis när förare inte tittar på vägen. Metoden som används är bayesiansk modellering, och målet är att nu göra en studie inom förarövervakning för riskutvärdering med hjälp av blickmodellering.

Forskaren Emma Tivesten från Volvo Cars Safety Center presenterade resultat från det Vinnova-finansierade projektet Autonomous Driving Effects on Sustainable Transportation (ADEST) som drivits av forskningsplattformen Drive Me och utförts av Volvo Cars och Trafikverket. Presentationen fokuserade på det som gjorts i projektet inom området driver engagement in assisted automation.

Tre studier har gjorts på testbanan AstaZero med hjälp av en Wizard of Oz uppsättning, dvs. att körningen upplevs vara automatiserad men styrs i själva verket av exempelvis en person i baksätet, vilket var fallet i dessa studier. Automationsnivån motsvarade det som Volvo Cars refererar till som ”oövervakad automatiserad körning” (SAE-nivå 4). I studierna varierades tre faktorer: instruktioner om systemets begränsningar, påminnelser om blick på vägen samt händer på ratten, och automatisk broms i sista momentet. I slutet av alla tre studier fanns det ett kritiskt moment där fordonet kör mot ett stillastående objekt [2, 3, 4].

I första studien behövde deltagarna inte ha händerna på ratten. De fick inte påminnelser om att hålla blicken på vägen, och fordonet bromsade automatiskt vid det sista momentet. Resultaten visade att alla deltagare hade blicken borta från vägen i mer än två sekunder, och en tredjedel av deltagarna hade blicken borta från vägen mer än åtta sekunder. Vidare så var tre av 30 deltagare extremt trötta och en av dem somnade under körningen.

I den andra studien fick deltagarna mer instruktioner om fordonets begränsningar, samt påminnelser om att hålla blicken vägen i två nivåer: visuell och auditiv. Förarna blev instruerade att inte ha händerna på ratten, och det fanns ingen automatisk inbromsning vid det sista momentet. Resultaten visade att påminnelserna om blicken på vägen minskade tiden som deltagarna hade blicken från vägen, men att en tredjedel av förarna ändå krockade i det sista momentet.

I den tredje studien blev hälften av deltagarna instruerade att hålla händerna på ratten. De fick också mer instruktioner om begränsningarna av fordonet, hade ingen automatisk inbromsning vid det sista momentet, samt fick både påminnelser om att hålla blicken på vägen och händerna på ratten. Resultaten visade här att deltagarna krockade i samma utsträckning i det sista momentet som i det andra experimentet. De som krockade hade hög tillit till att fordonet skulle klara den kritiska situationen, eller åtminstone varna föraren vid det kritiska tillfället. De som inte krockade hade en tydligare uppfattning om förarens ansvar och var mer medvetna om fordonets förmågor.

Övergripande slutsatsen från dessa studier är att påminnelser var effektiva men inte tillräckligt för att förhindra krockar i experimentet.

Framöver är planerna att genomföra studier med liknande experimentupplägg fast med lägre automationsnivå. Planen är att göra ett pilotprojekt med villkorad automation [5], samt undersöka förarövervakning med detektion av allvarliga nedsättningar så som extrem trötthet och alkoholpåverkan.

Källa

[1] A. Morando., P. Gershon., B. Mehler., & B. Meyler., AutomotiveUI ’20: 12th International Conference on Automotive User Interfaces and Interactive Vehicular Applications. Driver-initiated Tesla Autopilot Disengagements in Naturalistic Driving. 2020-09 Länk

[2] Victor, W T., Tivesten, E., Gustavsson, P., Johansson, J., Sangberg, F., & Ljung Aust. M. Human Factors. Automation Expectation Mismatch: Incorrect Prediction Despite Eyes on Threat and Hands on Wheel. 2018-11 Länk [3] Gustavsson, P., Victor, T. W., Johansson, J., Tivesten, E., Johansson, R., & Aust, M. L.Proceedings of the 6th Driver Distraction and Inattention conference, Gothenburg, Sweden. What  were  they  thinking? Subjective experiences associated  with automation expectation mismatch. 2020 18 [4] Tivesten, E., Victor, T. W., Gustavsson P., Johansson J.,  and Ljung Aust, M. (2019) Out-of-the-loop crash prediction: the automation expectation mismatch (AEM) algorithm, in IET Intelligent Transport Systems, vol. 13, no. 8, pp. 1231-1240, 8 2019. Länk [5] Pipkorn, L.; Victor, T. W., Dozza, M., & Tivesten, E. (2020) Driver conflict response during supervised automation: do hands on wheel matter? Transport Research Part F. Länk