Kategoriarkiv: Simulering

On-demand mobilitetstjänster och kollektivtrafik

En grupp forskare från ETH Zürich, Stanford och Technical University of Munich har undersökt i en simulering samordningen mellan on-demand automatiserade mobilitetstjänster och kollektivtrafik [1].

I studien utforskade de olika modeller och strategier för koordinering av multimodala mobilitetstjänster bestående av automatiserade fordon som beställs vid behov och vanlig kollektiv trafik. Utgångspunkten har varit att maximera social välfärd.

För att se hur modellerna fungerar applicerades de på verkliga data från New York City. Resultaten visar att samordningen mellan automatiserade fordon och kollektivtrafiken kan ge betydande fördelar jämfört med en mobilitetstjänst med enbart automatiserade fordon.

Källor

[1] Salazar et al., 2018. On the Interaction between Autonomous Mobility-on-Demand and Public Transportation Systems. Länk

UK: Det behövs en oberoende verifiering av autonoma fordon

Det går inte att låta tillverkarna själva stå för verifiering av komplexa system för självkörande fordon, skriver brittiska utvecklingsföretaget FiveAI i ett ramverk [1]. Istället bör man öppna upp en marknad för oberoende verifiering av dessa, för att säkra trafiksäkerhet och allmänhetens förtroende för teknologin.

Anledningen är både att säkra att man använder samma metodik vid verifieringarna, och att  även kunna validera dessa metoder – speciellt simuleringar. Simulering är och kommer att vara en viktig del i verifiering av autonoma fordon.

I ramverket skriver man också att aktörerna bör dela med sig av sina erfarenheter, och att det bör sättas upp standarder för hur självkörande fordon ska agera i speciella situationer, t.ex. om ett trafikljus är ur funktion.

Egen kommentar

Som vi tidigare skrivit så har ju Thatcham redan startat en sådan här verksamhet, dock inte så fokuserad på standardisering och simulering. Det finns säkert både behov och plats för flera aktörer. Det finns nog också ett behov av att bygga upp och dela data.

Källor

[1] Lucy Yu: “We need an industry-wide safety certification framework for autonomous vehicles”
FiveAI publishes paper as call to action, Medium 2018-11-06 Länk

Simulering nödvändig för validering

För att säkerställa att självkörande fordon är tillräckligt säkra och tillförlitliga i alla möjliga situationer så skulle det krävas tiotals miljarder km testkörning, vilket för att genomföras paradoxalt nog skulle innebära minst 3 miljoner icke validerade självkörande bilar på vägarna under en tioårsperiod. Detta är förstås inte rimligt [1].

Istället är det nödvändigt att kombinera fysiska prov med datorsimuleringar. Ett välkänt exempel är Waymo som ju visserligen har kört längst sträcka autonomt av alla aktörer, men som också satsar på simuleringar och varje dag täcker lika lång körsträcka i dator som man hittills gjort på väg.

Egen kommentar

Min erfarenhet säger att det är just när man kombinerar beräkning/simulering med fysiska prov som det ger mest. Det skapar också nya utmaningar men också nya möjligheter för testverksamheter som t.ex. svenska AstaZero.

Källa

[1] ABI Research: Simulation will be a key technology in autonomous vehicle testing and validation, Green Car Congress 2018-10-22 Länk

Toyota sponsrar CARLA

Toyota Research Institute, TRI, sponsrar den öppna simuleringsplattformen för automatiserad körning CARLA – Car Learning to Act, för att stötta samverkan och möjliggöra utbyte av information, data och algoritmer [1].

CARLA utvecklas av  Computer Vision Centre på Universitat Autònoma de Barcelona och syftar till utveckling, utbildning och validering av automatiserade urbana körsystem. Målet är att säkerställa stabiliteten i ett system av automatiserade fordon i det otal situationer som kan uppstå men inte som till fullo går att testa fysiskt.

Källor

[1] Toyota Research Institute Supports Development of Open-Source Automated Driving Simulator, Toyota pressrelease 2018-06-21 Länk

Drive Sweden Seminarium med Dr. Steven Shladover

Igår 14 maj arrangerade Drive Sweden ett seminarium med Dr. Steven Shladover, pionjär inom forskning kring automatiserade transportsystem med lång erfarenhet från University of California Berkeley. Temat för föreläsningen var de praktiska utmaningarna kring introduktionen av automatiserade fordon och vikten av uppkoppling för att möjliggöra att automatiserade fordon ska gynna transportsystemet istället för att ha motsatt effekt.

Här är ett kort referat av de olika punkterna som Dr. Shladover berörde.

Historisk översikt

Vi har redan haft automatiserade fordon utan både ratt och pedaler i över 40 år (t.ex. de tåg som kör mellan olika terminaler på större flygplatser). Skillnaden med dessa fordon mot de som nu utvecklas är att de brukas i ett stängt system där de inte behöver interagera med andra fordon eller objekt. Utmaningen nu är att utveckla system som kan hantera ett öppet system som ständigt förändras, och som dessutom inkluderar flera olika typer av objekt (människor, djur, väghinder etc.). Dr. Shladover påpekade också att den hajp som finns kring att automation ligger väldigt nära i tiden inte stämmer överens med vad tekniken faktiskt klarar av i dagsläget.  En anledning till detta är att de som rapporterar inom området (av naturliga skäl) inte är helt insatta i teknologin och övertolkar vad de olika OEM:erna och mjukvaruföretagen predikterar är möjligt inom en snar framtid.

Terminologin 

Ibland kan vissa termer stå i vägen för förståelsen för teknologin. Självkörande (self-driving) är en term som Google uppfunnit som egentligen inte säger så mycket. Robotfordon är ett annat sådant ord som kan vara vilseledande.

För att verkligen kategorisera vad ett automatiserat fordon kan göra är det viktigt att ha en förståelse för:

  1. Vilken förarens roll är.
  2. Vilken systemets roll är.
  3. Graden av uppkoppling i fordonet.
  4. Operativ designdomän (ODD) – de specifika förhållanden ett specifikt automationssystem är utformat för att fungera i, som exempelvis på motorväg eller i ett geografiskt område.

Betydelsen av uppkoppling

Uppkoppling är mycket viktigt för att möjliggöra högre nivåer av automation.  Utan aktiv uppkoppling är det mer sannolikt att automatiserade fordon kommer att försämra det nuvarande transportsystemet. Fordonen behöver kunna förhandla med varandra för att koordinera sin körning utan att utgöra en säkerhetsrisk.

Exempel på prestanda som endast kan uppnås med hjälp av kooperativa system inkluderar kolonnkörning (V2V) och hastighetsharmonisering (V2I).

Dr. Shladover menade också på att 3G/4G är tillräckligt bra för automation, det vill säga 5G är inget krav för att möjliggöra automation.

Utmaningar relaterade till detekteringssystem

Automatiserade fordon måste inte bara kunna detektera objekt, utan de behöver också kunna förutsäga hur objekten kommer att röra sig. Här ligger utmaningen i hur man kravställer tröskeln för känslighet för systemet, så att fordonet inte stannar så fort det detekterar något som uppenbarligen inte skulle orsaka skada. Sensorer behöver inkludera radar, LiDAR, högupplösta kartor, kameror och trådlös kommunikation.

För att garantera en hög nivå av säkerhet behöver systemet detektera allt, men för funktionalitetens skull behöver det endast detektera det som kan utgöra ett hot.

Utmaningar relaterade till säkerhet

För att visa på att automatiserade fordon är säkra är den första utmaningen att kartlägga vilken kombination av scenarion som ska bedömas. Det som också behöver definieras är vilken kombination av testning i sluten testmiljö, testning på offentliga vägar och simulering som är nödvändigt för att visa på att det automatiserade fordonet är säkert. Här behöver man också undersöka hur mycket som behövs av varje testtyp och hur man ska gå tillväga för att validera simuleringarna.

Utmaningar relaterade till hur media rapporterar om autonoma fordon

Dr. Shladover är också väldigt skeptisk till hur olika medier rapporterar om utvecklingen kring automatiserade fordon och bygger upp förväntningar hos allmänheten. Frustrationen ligger i hur media rapporterar att det kommer finnas fullt automatiserade fordon på vägarna inom en snar framtid, vilket skiljer sig avsevärt från det faktum att teknologin fortfarande är väldigt ung och obeprövad.

Apollo 2.5

Ett år efter att Baidu lanserat sin öppna plattform för automatiserade fordon, Apollo, lanserar nu företaget en uppdaterad version av plattformen, Apollo 2.5 [1].

Plattformen har nu fått ett bredare spektrum av applikationer och scenarier. Den inkluderar också visionsbaserad perception, relativ kartläggning i realtid samt höghastighetsplanering och kontroll.

Plattformen erbjuder också effektivare utvecklingsverktyg, bland annat ett visuellt felsökningsverktyg, en datasamlare för HD-kartor och en simulator för molnbaserad autonom körning. Dessutom kommer Apollos nyligen lanserade data- och teknikprojekt, ApolloScape, att publicera en stor datamängd relaterad till autonom körning liksom nästa generations simuleringsteknik.

Apollo har nu samlat mer än 200 000 kodrader som har laddats ner och används av över 2000 utvecklare och partners.

Totalt sett är ungefär 100 partners med i den öppna plattformen.

Källor

[1] Baidu PR. Baidu Unveils Apollo 2.5, the Newest Upgrade to its Autonomous Driving Open Platform. 2018-04-19 Länk

Nvidia kombinerar AI och VR

Under Nvidias årliga konferens GTC som hölls i Kalifornien i slutet av mars presenterade företaget en ny simuleringsplattform som döpts till NVIDIA DRIVE Constellation [1].

Det är en molnbaserad plattform som använder sig av fotorealistisk simulering för att testa självkörande fordon. Att ha ett lager av virtuell verklighet gör att olika användarfall kan illustreras och testas ihop med människor.

Plattformen består i huvudsak av två servrar. Den ena använder sig av företagets simuleringsmjukvara (NVIDIA DRIVE Sim) för att simulera verkliga fordonssensorer som kamera, lidar och radar. Den andra servern innehåller företagets dator för artificiell intelligens (NVIDIA DRIVE Pegasus). Denna processar informationen som simulerats fram av simuleringsmjukvaran, på samma sätt som om den hade kommit från verkliga fordonssensorer.

Förhoppningen är att DRIVE Constellation ska möjliggöra riskfri och snabb storskalig testning. Den kommer att lanseras på marknaden under tredje kvartalet 2018.

Här han ni se hur det hela ser ut.

Källor

[1] Nvidia News. NVIDIA Introduces DRIVE Constellation Simulation System to Safely Drive Autonomous Vehicles Billions of Miles in Virtual Reality. 2018-03-29 Länk

Hur göra AD säkert?

Enligt forskare på University of Michigan krävs det att man kan visa med 80% konfidens att självkörande bilar är 90% säkrare än mänskliga förare, för att allmänheten ska acceptera dem [1]. Det motsvarar tester – i verkligheten eller simulerade – i 17,7 miljarder km. Vi pratar om årtionden eller århundraden av dygnet-runt-tester i verklig miljö. Waymo, som har testat betydligt mer än någon annan, har kommit upp i ca 10 miljoner km i verklig miljö och 4 miljarder km i simulering.

Det kommer alltså aldrig att gå att visa tillräcklig säkerhet enbart med fysiska tester utan det kommer att krävas simulering. Siemens har till exempel just i dagarna presenterat en plattform för simulering av automatiserade fordon, just med tanke på att avlasta behovet av fysiska prov [2].

Samtidigt innebär verklighetens komplexa trafikmiljöer att man måste ut på vägarna i stora antal, för att samla in information men också utvärdera regleralgoritmer. Och naturligtvis utan att det sker olyckor!

Egen kommentar

Utmaningarna för att verifiera men också kunna (be)visa att tekniken är tillräckligt säker för allmänhetens förtroende, ”AD trust”, är alltså fortsatt stora.

Källor:

[1] Peter Els: 5 Setbacks to the future of mobility following the fatal Uber accident, Automotive iQ 2018-04-03 Länk

[2] New Siemens simulation offering hastens the arrival of self-driving cars, Siemens Press Release 2018-03-27 Länk

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

Siemens köper upp TASS

I slutet av förra veckan blev det känt att Siemens köper upp TASS International [1]. TASS är en global aktör inom simuleringar för applikationer inom fordonsindustri. Företaget har en tydlig riktning mot simulering av autonoma fordon, integrerad säkerhet, avancerade förarstödsystem (ADAS) samt däckmodellering.

Detta går ihop med Siemens vision om att simuleringar och simuleringsverktyg kommer spela stor roll genom en produkts hela livscykel, och stärker Siemens position inom fordonsindustrin. Siemens blir därmed en stark konkurrent till bland annat Dassualt Systems som sedan länge etablerat sig som en stark spelare inom området [2].

Källor

[1] Siemens Press Release. Siemens to Acquire TASS International, Adding Automated Driving Solutions to Portfolio. 2017-08-30 Länk

[2] Ogwell, V., Engineering. TASS Acquisition Makes Siemens a Tougher Competitor for Dassault in the Automotive Industry. 2017-08-31 Länk