Kategoriarkiv: Simulering

Kommunikation, Kooperativa system, Miljöpåverkan, Simulering

Autonoma fordon som trafikledare

Forskare på UC Berkeley utvecklar ett trafikledningssystem baserat på maskinlärning för att automatiserade, semi-automatiserade och manuellt framförda fordon effektivt ska kunna dela på vägrummet. Flow, som det nya systemet kallas, ska kunna hantera stora trafikmängder mer effektivt än ett traditionellt ledningssystem utan stöd av AI [1] [2].

I Flow kan automatiserade fordon använda data från närliggande fordon och infrastruktur för att skapa ett bättre trafikflöde, och på så sätt kan dessa fordon bli trafikledare. De kan exempelvis undvika flaskhalsar genom att tidigt känna igen mönster som kan skapa problem och automatiskt anpassa hastigheten så att dessa undviks. Vissa forskare hävdar att endast 4-5% av fordonen behöver ha denna funktionalitet för att få en positiv effekt.

Systemet är moln-baserat och open source för att förenkla vidareutveckling från andra forskare och utvecklare.

Egen kommentar

På RISE gjorde vi ett projekt för ett tag sedan där vi simulerade ”cooperative speed harmonization” för att öka flödet på E6 mellan Olskroksmotet och Gullbergsvass i norrgående färdriktning där det ofta bildas köer. Resultaten visar också att redan med 5% av uppkopplade fordon som använder funktionen så ökade flödet genom Tingstadstunneln [3].

Källor

[1] Turning Autonomous Cars into Traffic Managers, Machine Design. Länk

[2] Flow på github. Länk

[3] Englund, Cristofer, Lei Chen, and Alexey Voronov. ”Cooperative speed harmonization for efficient road utilization.” 2014 7th International Workshop on Communication Technologies for Vehicles (Nets4Cars-Fall). IEEE, 2014. Länk

Simulering, Tester och demonstrationer

Ike väntar med vägtester

Amerikanska starten Ike, som utvecklar teknologi för självkörande lastbilar, har nu liksom andra företag släppt en rapport om sina vägtester. Ike testar på allmänna vägar men bara för att samla in data. Dessa tänker man sedan använda så långt som möjligt i simuleringsmiljöer och bara genomföra validerande vägtester när man inte kommer längre [1].

Egen kommentar

Kanske inte så unikt att man börjar med simuleringar, det är ju både dyrare och svårare än simuleringar. Men samtidigt så finns det ju en ökande kritik mot de som bara samlat mil, att det inte räcker och i själva verket skulle ta väldigt många år innan man kan bevisa att en teknik är tillräckligt säker bara genom tester på allmänna vägar. Det krävs alltså andra sätt. Kanske Ike har hittat ett?

Källa

[1] John Elkin: Self-driving truck company wants to test without ever using public roads, Digital Trends 2019-10-15 Länk

Simulering

Argo AI öppnar upp sina data

Startuppföretaget Argo AI (som ägs av Ford) har nu beslutat att öppna upp en delmängd av sina data för självkörande fordon, inklusive högupplösta kartor [1]. Datasetet går under namnet Argoverse och är insamlad på vägar i Pittsburgh och Miami. 

För tillfället innehåller Argoverse 113 scenerier och över 300 000 trajektorier, inklusive vänstersväng och körfältsbyte. Det finns också ett API för att koppla ihop kartdata med sensorinformation. 

Egen kommentar

Argo AI är inte ensamma om att öppna upp delar av sina data. Andra exempel inkluderar Cruise Automation, Aptiv, Uber och Waymo. 

Källor

[1] Korosec, K., TechCrunch. Self-driving car startup Argo AI is giving researchers free access to its HD maps. 2019-06-19 Länk

Konferenser, Simulering

Vehicle Electronics & Connected Services 2019 – Del 2

Vi fortsätter vår bevakning av Vehicle Electronics & Connected Services 2019 med några korta referat från 2–3 april.

Dr. Rolf Johansson (Zenuity), Prof Phil Koopman (Carnegie Mellon University) Peter Stavered (CEVT) och Matthieu Worm (Siemens Digital Industries Software) hade en intressant paneldiskussion om hur man kan kombinera verktyg för att verifiera och validera ADAS. Matthieu inledde diskussionen genom att säga att det är bra att outsourca valideringsarbetet medan Rolf ansåg att det fortfarande är ganska dyrt att göra det. Phil sa att det viktigaste är att först tänka på vad man måste bevisa säkert och sedan hitta en simulering som bevisar detta, för att undvika att man spenderar för mycket. Vad man också vet är att människor vill ha mer naturtrogna miljöer än de faktiskt behövs. Det finns också kulturella skillnader att överväga, för japanerna kan det aldrig vara tillräckligt noga, medan européer tenderar att vara mer pragmatiska. Testning på vägar kommer från robotteknik eftersom simuleringen inte var tillräckligt bra förr i tiden (kunde t.ex. inte inkludera friktion etc.). Vad OEM:erna gör nu när de testar i verkligheten är inte testning utan det är felsökning. De har fordon som inte fungerar och sätter dem på vägen för att felsöka fordonet. Den kulturen behöver förändras. Det är möjligt att ha en datasamlingsbil som inte är AD men det finns ingen mening att använda AD för detta. Det kommer också att bli nya olyckstyper som människor inte är ”dumma nog” att göra, för att datasetet kanske inte har all information. AD-bilar behöver förstå beteenden, inte bara kunna identifiera föremål. Det magiska är inte att AD-bilar har snabbare reflexer att bromsa. Äldre människor har långsammare reflexer än yngre människor, men fler yngre människor är involverade i kollisioner. Det handlar om att bli smartare, att inte sätta sig i farliga situationer.

Soheil Bashirinia ESI Group, hade ett intressant presentation om hur man kan använda hybridscenario-generering för AD-utveckling. Han inledde med att säga att i dagsläget finns det ingen certifieringsprocess för AD-utveckling. Många av de testscenarier som används idag är alltför farliga att testa i verkligheten, vilket gör simuleringar väldigt nödvändiga. Han uppmanade också myndigheterna att vara en del av verifieringsprocessen eftersom de måste förlita sig på högprestanda-sensorer. OpenScenario är en standard som kommer att vara viktig för scenarier. ESI har utvecklat verkyget Scenario Editor baserat på OpenScenario. Då ett enda verktyg inte kommer att vara tillräckligt möjliggör OpenScenario samarbeten.

Luca Castignani MSC Software, pratade om varför en realistisk miljö är avgörande för simuleringen. Simuleringar är nyckeln för att gå från att köra bilar till att bara vara resenär. Det paradigmskiftet kan inte göras med försök som endast omfattar körning i verkligheten. Det är avgörande att använda både tester i verkligheten och simulering. Fördelningen mellan tester i verkligheten och simulering behöver förändras, och fler bör dela med sig av sina resultat när man använt simuleringar.

Mjukvara, Simulering

Aptiv öppnar upp sin databas

Genom projektet nuScenes by Aptiv kommer Aptiv att öppna upp sin databas från körning i verklig trafik i Boston och Singapore [1]. Det innebär att data från både vänster- och högertrafik finns med.

Databasen består av 1 000 scener som är 20 sekunder långa, med totalt 1,4 miljoner bilder, 390 000 lidarmätningar och 1,4 miljoner annoterade 3D-objekt. Enligt Aptiv kommer den insamlade datan från sex kameror, fem radarenheter och en lidar-enhet på varje fordon vilket ger ett 360-graders synfält runt fordonet.

Målet är att hjälpa andra forskare att utvärdera säkerheten och utveckla algoritmer för automatiserad körning. Hittills ska 1 000 personer och 200 akademiska institutioner ha anmält sig för att få tillgång till data.  

Databasen finns tillgänglig här.

Egen kommentar

Det är spännande att industrin blir alltmer öppen att dela med sig data och andra värdefulla resurser som visualiseringsverktyg. För bara två veckor sedan skrev vi om Volvo Cars E.V.A.-initiativ att dela olycksdata. Ubers AVS och Cruise Automations Worldview är andra exempel på öppna visualiseringsverktyg. 

Källor

[1] Aptiv media. Aptiv Leads Autonomous Vehicle Safety, Releases Industry’s Largest Public Dataset for Autonomous Driving. 2019-03-28 Länk

Funktionell säkerhet, Lastbilar, Mjukvara, Personbilar, Simulering

Open Innovation Lab presenteras

Under veckan hölls ett event för att presentera resultaten av forskningsprojektet Open Innovation Lab (OIL) med parterna RISE Viktoria, VTI, Volvo Cars, AB Volvo, Semcon och HiQ [1] .

Projektets syfte var att utveckla en öppen, licensfri simuleringsplattform, en verktygskedja för att stödja utveckling, test och demonstration av mjukvarukomponenter för fordon, samt att demonstrera öppen innovation baserad på dessa.

Projektet var uppdelat i två huvudaktiviteter för att uppnå detta.

Den första aktiviteten var att utveckla en öppen platform för att skapa simulatorer i vilka mjukvaruutvecklare snabbt kan utveckla, testa och visa upp sina prototyper utan att de måste ha tillgång till dyra licenser eller access till slutna miljöer där denna typ av verktyg finns tillgängliga (t. ex in-house hos OEM:erna).

Den andra aktiviteten syftade till att demonstrera öppen innovation genom att engagera universitetsstudenter att utveckla infotainment applikationer för en Volvobil genom att använda Volvos Android Automotive plattform.

 Under eventet presenterades den i projektet framtagna plattformen och på olika stationer i lokalen demonstrerades med hjälp av simulatorer exempel där prototypfunktioner integrerats med digitala tvillingar av fordon från AB Volvo och Volvo Cars. 

Projektparterna visade också hur arbetsflödet för att installera en simulatormiljö kan se ut och hur man ska göra för att integrera en ny mjukvarufunktion.

 Slutresultatet från projektet finns på projektets hemsida openinnovationlab.se.

Simulering, Tester och demonstrationer

Samverkan för Virtuell testning

Österrikiska drivlinetestföretaget AVL och mjukvaruföretaget MSC (Nastran, Adams) har börjat samverka för att skapa en komplett verktygskedja för test och verifiering av förarstödssystem (ADAS) och automatiserade fordon (AD) [1].

Inledningsvis har man tagit fram mjukvara för att generera 3D-simuleringar av komplexa trafikscenarios.

Egen kommentar

Mina erfarenheter är att det är när beräkning och provning samverkar som det ger mest. Enbart tester ger inte förståelse för den kompletta bilden av ett resultat och enbart beräkning ger inte koppling till verkligheten. Med AD så tillkommer att det inte kommer att gå att testa så mycket som krävs för att täcka alla scenarios.

Källa

[1] James Billington: AVL and MSC Software partner on virtual self-driving testing and validation, Autonomous Vehicle International 2019-03-22 Länk

Elektronik och processorer, Simulering

Senaste från Nvidia

Under veckan höll Nvidia sin årliga GPU Technology Conference i Kalifornien, och i samband med den presenterades en uppdaterad version av plattformen för automatiserad körning Nvidia Drive AP2X 9.0 [1]. Den kommer att släppas till kunder under nästa kvartal.

Plattformen har blivit berikad med en rad nya funktioner, som exempelvis detektering om en kamera blivit blind vilket förväntas förbättra fordonens förmåga att visualisera och reagera på den fysiska världen runt dem.

En annan nyhet på plattformen är ett mjukvarulager som heter Safety Force Field (SFF) och som analyserar och predikterar dynamiken hos andra trafikanter i fordonets omgivning. Den inkluderar också kollisionsundvikande åtgärder och är validerad med hjälp av data från både motorvägs- och stadskörning. 

Utöver plattformen har företaget öppnat upp sin mjukvarusimulator Drive Constellation som är en virtuell testbana [2]. I denna ska utvecklare kunna testa sin mjukvara under olika väder- och ljusförhållanden. 

Nvidia har också lanserat en liten AI-dator kallad Jetson Nano, som riktar sig till utvecklare, tillverkare och andra entusiaster som letar efter en billig dator för att utveckla neurala nätverk, olika typer av sensorer och olika typer av robotik [3]. Planen är att börja sälja Jetson Nano i juni för 99 dollar till konsumenter och för 129 dollar till företag. Företagsmodellen av datorn ska vara testad och klar att sätta in direkt i produkter av olika slag.

Källor

[1] Nvidia. Mathematically Rigorous and Validated in Simulation, Safety Driving Decision Algorithms Protect Against Unpredictability of Real-World Traffic. 2019-03-18 Länk

[2] Nvidia. NVIDIA DRIVE Constellation Now Available — Virtual Proving Ground for Validating Autonomous Vehicles. 2019-03-18 Länk

[3] Nvidia. NVIDIA Announces Jetson Nano: $99 Tiny, Yet Mighty NVIDIA CUDA-X AI Computer That Runs All AI Models. 2019-03-18Länk

Mobilitetstjänster, 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

Lagstiftning och regelverk, Samhällspåverkan, Simulering, Trafiksäkerhet

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