Kategoriarkiv: Teknologi

EMC ett framtida problem för självkörande fordon

I en tid där fordonen får allt fler antenner och sensorer för att bidra till upprätthållandet av säkerhetskritiska funktioner blir det allt viktigare att undvika elektromagnetiska störningar som kan riskera funktionaliteten.

Ett sätt att skydda mot dessa är att skärma av känslig utrustning. Skärmning kräver dock ett ledande material och att skärma av med plåt kan öka både tillverkningskostnad och bränsleförbrukning. Att blanda metallpulver med annat material för att därefter tillverka den form som krävs kan vara ett sätt att spara vikt men ändå uppnå önskade skärmningsegenskaper, se ett exempel från Parker Chomerics [1]. Det är då viktigt att säkerställa att det skärmande materialets egenskaper också uppfyller alla de prestandakrav som ställs på fordonet, som miljökrav, åldringskrav och krav relaterade till tillverkning och underhåll.

Ett problem är att material av denna typ med en felaktig sammanställning kan ge ett material som blir sprött med tiden eller har mycket dålig ledningsförmåga. För att välja korrekt är det därför viktigt att specificera vilka elektromagnetiska fält materialet skall skärma mot, vilka miljökrav (temperaturer och saltstänk eller andra kemikalier) det skall tåla samt hur materialet  skall monteras.

Källa:

[1] Tiberius Recean: EMC design in tomorrow’s semi- and fully autonomous vehicles, Parker Chomerics 2019-02-06 Länk

Självkörande fordon som laddar varandra

Apple har nyligen fått ett patent beviljat som heter Peloton och som går ut på att låta automatiserade fordon ladda varandra [1]. Ihop med ett tidigare patent som beskriver hur två fordon kan kopplas till varandra med hjälp av en ”connector arm” skulle det tillåta två eller fler efterföljande fordon (som Apple kallar peloton) att utbyta laddning med varandra medan båda är i rörelse.

Motiveringen bakom en sådan lösning är att laddningen i stillastående tillstånd tar tid och att det kan förlänga restiden om ett automatiserat fordon behöver stanna för att laddas. 

Källor

[1] TREA Database 2019-02-14 Länk

Softbank säljer Nvidia, köper Nuro

Japanska investeringsbanken Softbanks Vision Fund har sålt av hela sitt innehav i elektroniktillverkaren Nvidia för 3,6 miljarder dollar [1]. Det är ytterligare ett slag mot Nvidia, som haft flera motgångar på senare tid, speciellt i Kina.

Istället har Vision Fund nu investerat 940 miljoner dollar i startup-företaget Nuro [2]. Nuro, med grundare från Google, utvecklar ett distributionsfordon för leveranser av livsmedel.

Egen kommentar:

Nvidias problem vad gäller automatisering av fordon kan vara kopplat till att kostnaden för komponenterna är höga. På årets CES-mässa lanserade AMD nya CPU och GPU som var såväl snabbare, energi-effektivare som 20-25% billigare än Intels och Nvidias. Även ARM finns med i denna giganternas kamp. Vem vinner?

Källor:

[1] Elizabeth Schulze: SoftBank’s investment fund dumps entire $3.6 billion stake in Nvidia, CNBC 2019-02-06 Länk

[2] Driverless delivery startup Nuro gets $940 million SoftBank investment, Reuters 2019-02-11 Länk

Radarreflektorer med fraktala superspridare

Fraktala superspridare, ”fractal superscatterers” gör det möjligt att elektromagnetiskt förstora ett radarmål och då också göra dess spektrala signatur identifierbart av t.ex. radarer i automatiserade fordon [1].

I praktiken kan alltså t.ex. vägstolpar och vägmarkeringar utrustas med sådana fraktala superspridare och på det sättet ge information till fordonet om t.ex. sina exakta positioner. Detta skulle göra det möjligt att slippa använda LIDAR och bara använda radar.

Egen kommentar:

För några år sedan gjorde vi tillsammans med Sentient+ en förstudie av identifierbara radarreflektorer [2]. Då föll det på teknologin som inte var tillräckligt utvecklad. Nu kan det alltså öppnas nya möjligheter.

Källor:

[1] Fractal superscatterers to enable driverless cars with greater safety and capabilities, SafeCarNews 2019-02-05 Länk

[2] Alexey Voronov, Johan Hultén, Johan Wedlin, Cristofer Englund: Radar reflecting pavement markers for vehicle automation, Trafikverket 2016 Länk

Ny tröghetssensor från ACEINNA

Sensortillverkaren Aceinna lanserar nu en ny RTK tröghetssensor, som ihop med GNSS (GPS) kan nå mycket hög precision avseende position (2 cm horisontalt, 3 cm vertikalt) och hastighet (0,01 m/s horisontalt och 0,02 m/s vertikalt) [1].

Tröghetssensorn, kallad INS1000, har 9 frihetsgrader för att med hög precision kunna ge position och hastighet i situationer där GNSS har svårt, såsom i stadsmiljöer, alléer, tunnlar, broar etc.

Källa:

[1] Linda Trego: ACEINNA launches system for guiding autonomous vehicles and drones, Autonomous Vehicle Technology 2019-02-05 Länk

AI.se

Under veckan invigdes det nya centret AI Innovation of Sweden i Göteborg [1]. Det är en nationell satsning som har ambition att fungera som en motor i det svenska AI-ekosystemet. Fokus kommer att ligga på att accelerera tillämpningen av AI genom delning av kunskap och data, samlokalisering och samarbetsprojekt, allt med ett starkt fokus på etik, transparens och säkerhet. Satsningen finansieras av Vinnova (30 Mkr fördelade på 4 år) samt ett 40-tal medlemmar som väntas bidra med egen tid. 

AI Innovation of Sweden har lovordats av många, och inte minst vår nyblivne Energi- och digitaliseringsminister Anders Ygeman som under invigningen konstaterade: Sverige ska vara bäst i världen på att använda digitaliseringens möjligheter. AI Innovation of Sweden är en viktig del i att göra verklighet av det. [2]

Lindholmen Science Park AB står som värd för det nya centret. 

Källor

[1] AI Innovation of Sweden, News. AI Innovation of Sweden officially launched. 2019-02-06 Länk

[2] Digitalifrsatruktur. Nu startar AI Innovation of Sweden. 2019-02-06 Länk

Interferens mellan lidar och kamera?

Under årets Consumer Electronics Show (CES) hävdade en fotograf att lasern från en lidar slagit ut CCD-sensorn i hans digitalkamera [1]. CCD står för charge-coupled divice, en elektronisk enhet som mäter ljusstyrkan. Lidarn i fråga påstås vara av märket AEyes med en våglängd på 1550 nm och en räckvidd på 1000 m. 

Det finns inga bevis förutom fotografens egna bilder som påstås illustrera skadan så frågan om det verkligen skett står obesvarad. Att döma av diverse experters utlåtanden i fråga så är sådana företeelser ej helt uteslutna. Viktigt att notera att denna våglängd ligger utanför godkända våglängder i USA. 

IEEE Spectrum har publicerat en intressant artikel på temat för dem som är intresserade av att gräva djupare i det hela [2]. Veteranen Brad Templeton presenterar också intressanta reflektioner i sin bloggartikel [3].

Källor

[1] Lee B T, Arstecnica. Man says CES lidar’s laser was so powerful it wrecked his $1,998 camera. 2019-01-11 Länk

[2] Hecht, J, IEEE Spectrum. Can Lidars Zap Camera Chips? 2019-01-24 Länk

[3] Templeton, B., Longwave LIDAR burns out camera sensor — a big problem in the making? 2019-01-25 Länk

Waymo och Google använder AutoML för att bygga Machine Learning

Waymo, kända för sina självkörande fordon, är väl förtrogna med machine learning (ML) som de använder i nästan alla delar av sina fordon, från att läsa av omgivningen, att förutsäga hur trafikanter i närheten kommer agera och bestämma det egna fordonets nästa rörelse.

Med ett samarbete med Google AI och forskare från ”the Brain team” har forskare börjat undersöka möjligheten att använda ett ML-baserat system, AutoML, för att anpassa sina modeller till olika städer och miljöer. Frågan som samarbetet jobbar med att söka finna svar på är: kan AutoML generera högpresterande och snabba Neural Networks för en bil? Med prestanda menar de hur precision i svaren från näten och med snabbhet menar de hur snabbt nätet kan leverera ett svar. 

För att hitta en bra arkitektur för ett neuralt nätverk görs mycket manuellt arbete med att kominera olika typer av byggblock, t.ex. antal gömda noder och inlärningsfunktioner etc. 

Med hjälp av AutoML kunde de automatiskt kombinera dessa byggblock och på så sätt förbättra prestanda på två olika sätt: nya nätverk som var signifikant snabbare, fast med liknande precision och nätverk med högre precision fast med liknande snabbhet.
Alltså, genom att kombinera olika byggblock kunde de utforska olika konfiguration av nätverken. Så, med denna kunskap ville de även prova att skapa helt nya typer av nätverk. 

Eftersom det tar dagar att utvärdera en ny arkitektur skapades mini-problem baserade på original-problemet, dvs. bildsegmentering. Miniproblemen kunde analyseras på några timmar och nu kunde AutoML mjukvaran användas för att testa inte bara nya byggblock utan helt nya arkitekturer. Det som annars skulle ta år att köra på servrarna med multipla grafik-kort tog nu några timmar. 

Resultaten var enastående, 10 000 nya arkitekturer kunde skapas automatiskt, och testas på ett par veckor (istället för över ett år). Nätverk som var 20-30% snabbare och med mellan 8-10% högre precision kunde automatgenereras.

Källa:

[1] Automating the design of machine learning models for autonomous driving, Waymo 2019-01-15 Länk

Vatten och AI

En rapport från ”Center of U.S. auto manufacturing” höjer ett varningens finger kring prestanda hos AI-baserade algoritmer för objektidentifiering i samband med regn. Hayder Radha, professor vid Michigan State University, bekräftar detta problem och säger: I tester missar algoritmen ca 20% av alla objekt i lätt regn, om regnet tredubblas, dubbleras felfrekvensen. Även till synes små förändringar som färgskiftningar på grund av årstiderna kan påverka fordonens radar och lidarsensorer säger Prof. Radha.

Trots dessa utmaningar storsatsar bl.a. Hyundai på AI-teknologi för självkörande fordon. De har bl.a. investerat i startupföretaget Allegro.ai. Även Boston-baserade företaget Optimus Ride satsar med Nvidias Drive AGX Xavier plattformar för att starta en flotta med självkörande fordon i specifika områden t.ex. högskolekcampus och andra zoner för självkörande fordon.

Källa: 

[1] George Leopold: Study Pours Cold Water on AI Driving Algorithms, Datanami 2019-01-02 Länk

Audi och Volkswagen testar ny lidarsensor i sin flotta av självkörande fordon

Audi och Volkswagen inleder ett samarbete med AV-sensor plattformsleverantören Luminar för att använda deras avancerade lidarsensorer i sin flotta av självkörande bilar, som för närvarande håller på att testas i München, Tyskland [1].

Luminars lidarer kommer att placeras på fordonets tak och användas för att få framåtriktad perception med lång räckvidd och hög precision. Fordonen kommer också att få stöd av lidarsensorer för kort räckvidd för att man ska kunna se i sidled. Detta tillsammans med radar och kameror möjliggör att man kan få ett 360° synfält kring fordonet.

Källa

Billington, J., Audi and Volkswagen to use advanced lidar technology in autonomous mobility fleet. Autonomous Vehicle International 2018-12-21 Länk