Kategoriarkiv: Teknologi

Avvägning mellan automation och eldrift

Idag finns det teser att vikt, beräkningsbelastning, sensorbelastning och eventuellt större dragkraft kan öka energianvändningen för automatiserade eldrivna fordon i förhållande till eldrivna fordon som framförs manuellt, även om denna ökning kan kompenseras av jämnare körning. 

En grupp forskare från Carnegie Mellon University har med hjälp av en simuleringsstudie visat resultat som är i linje med detta: automatisering kan komma att minska elbilens räckvidd med 5–10% för körning utanför tätbebyggda områden och med 10–15% för körning inom tätbebyggda områden.  

Utanför tätbebyggda områden påverkas räckvidden starkt av sensordrag. I tätbebyggda områden beror förlusterna däremot på beräkningsbelastning. Effekten av automatisering på batteriets livslängd är försumbar. 

Enligt forskarna är dessa resultat ”optimistiska” och förlusterna inte så oöverkomligt stora. Men för att säkerställa att automatiserade fordon kan vara eldrivna bör tillverkarna implementera energieffektiva datorer och aerodynamiska sensorer.

Egen kommentar

Det här är en utmaning som jag tror att tillverkarna är väl medvetna om. Många av dem har arbetat hårt under de senaste 2-3 åren med att integrera sensorer, eller skapa lämpliga ”takboxar” med sensorer. Lika så arbetar man hårt med att optimera beräkningar samt skapa energisnåla processorer. Men visst kan man fråga sig om det kommer vara enklare att lösa detta för de som har designat nya självkörande fordon från scratch? I vilket fall som helst så tycker jag att det borde vara en självklarhet att självkörande fordon ska vara eldrivna. 

Källor

[1] Mohan et al., 2020. Nature Energy. Trade-offs between automation and light vehicle electrification. 2020-06-29 Länk

UNECE inför SAE 3 föreskrift

UNECE World Forum for Harmonization of Vehicle Regulations har infört den första internationella föreskriften kring SAE 3 automation, där föreskriften specifikt behandlar krav på Automated Lane Keeping Assistance (ALKA) [1].

Föreskriften berör tre överordnande krav:

  1. Fordonstillverkare ska introducera system som detekterar förartillgänglighet, där tillgänglighet innebär förarens närvaro och förmåga att ta över kontrollen från fordonet.
  2. Fordonstillverkare ska utrusta fordon med Black Box som lagrar inspelning vid tillfällen där ALKA aktiveras.
  3. Fordonen ska uppnå vissa prestandamått innan ALKA utrustade fordon kan säljas.

Utöver dessa så beskrivs det att alla skärmar i fordonet som under automatiserad filhållning används till andra syften än att köra ska automatiskt upphöra alla dessa aktiviteter när fordonet kräver en överlämning av kontroll tillbaka till föraren. Om föraren inte tar tillbaka kontrollen skall det finnas minimum risk strategier för att stanna fordonet, och föreskriften beskriver hur det här ska ske.

Det finns också i föreskriften specifika kriterier gällande aktivering av ALKA, system som bedömer förartillgänglighet, och datalagringssystem.

Källa

[1] UNECE. UN Regulation on Automated Lane Keeping Systems is milestone for safe introduction of ‎automated vehicles in traffic. 2020-06-25 Länk

Mercedes väljer Nvidia

Mercedes har inlett ett samarbete med Nvida kring utveckling av en nästa generations datorplattform för fordon [1]. Den kommer stödja allt från programvaruuppdateringar till förarstödsfunktioner och automatiserad körning. Lanseringen är planerad för 2024.

Den nya plattformen kommer att baseras på Nvidias system-på-chipteknik kallat Orin samt mjukvarustacken Drive AGX. Orin lanserades i början av 2020 och påstås kunna utföra upp till 200 biljoner operationer per sekund och med mindre kraft än dess föregångare. 

Egen kommentar

I början av veckan rapporterade vi att Mercedes och BMW valt att avvakta med sitt samarbete som initierades förra året. Mellan raderna kunde man utläsa att de ville hellre samarbeta med andra än med varandra. Antagligen är samarbetet med Nvidia ett sådant samarbete, och något som BMW och Mercedes inte kunde enas om. 

Källor

[1] Daimler media. Mercedes-Benz and NVIDIA to Build Software-Defined Computing Architecture for Automated Driving Across Future Fleet. 2020-06-23 Länk

Didi + BAIC

Mobilitetsföretaget Didi Chuxing och fordonstillverkaren BAIC har inlett ett strategiskt samarbete [1]. Inom ramen för detta kommer de gemensamt forska om, utveckla samt kommersialisera automatiserade fordon motsvarande nivå 4 på SAE-skalan.

De kommer bland annat att utveckla anpassade bilmodeller, utforska tillämpningar av artificiell intelligens samt delade mobilitetstjänster. Vad detta innebär rent praktiskt framgå dock inte. 

Didi har också avslöjat sina ambitioner gällande självkörande taxi: 1 miljon taxibilar år 2030 [2]. Tanken är att dessa ska finnas där det råder ont om mänskliga taxiförare.  

Egen kommentar

För att sätta det hela i ett sammanhang så kan det vara värt att nämna att Didi fick över 500 miljoner dollar extern finansiering i början av året, från bland annat Softbank. 

Källor

[1] China Daily. Didi, BAIC ink self-driving pact. 2020-06-23 Länk

[2]TechWire Asia. Didi Chuxing pledges 1M robotaxis by 2030. 2020-06-25 Länk

DriveU.autos fjärrkontroll

Fjärrkontroll av fordon har blivit en alltmer vedertagen idé för att hantera eventuella begränsningar med självkörande fordon. Nu har ett Israeliskt startuppföretag, DriveU.Auto, äntrat scenen med sin lösning för fjärrkontroll [1].

En vanligt förekommande utmaning med fjärrstyrning av fordon är uppkoppling- och latensbegränsningar. Detta eftersom säker manövrering av fordon på distans via skärmar kräver hög videoupplösning utan fördröjningar. DriveU säger sig tackla den utmaningen med hjälp av cellular bonding som innebär samverkan av flera uppkopplingskällor, och sina algoritmer för videokodning.

Företaget har nyligen fått 4 miljoner dollar i extern finansiering, och sägs ha pågående samarbeten och testning med bland annat företag som utvecklar leveransrobotar, robotaxi och självkörande lastbilar.

Källa

[1] Korosec, K., TechCrunch. DriveU.auto, a LiveU spinout, comes out of stealth with $4M. 2020-06-23 Länk

Lyfts säkerhetsrapport och AD träning

Lyft har publicerat sin första Voluntary Safety Self-Assessment rapport som är en frivillig säkerhetsrapport med syfte att upplysa allmänheten om den pågående utvecklingen och testningen [1, 2].

Den har en viss betoning på säkerheten kring oskyddade trafikanter så som fotgängare, cyklister, motorcyklister och personer med mobilitetssvårigheter. Något annat som Lyft betonar i rapporten är allmänhetens acceptans, och hur de jobbar med frågor kring tillit till sina automatiserade fordon. De erbjuder bland annat support till resenärerna inför åkturer.

I rapporten beskrivs också allt ifrån systemarkitektur, tankar kring HMI, säkerhetstester, och funktioner i fordonen.

Lyft har också meddelat att de börjat använda data från sina manuella taxibilar. Det här för att kunna träna sina självkörande bilar på verkliga scenarion och mänskliga trajektorier [3, 4].

Källa

[1] Moon, M., Engadget. Lyft details how it’s going to make self-driving cars safer. 2020-06-23 Länk

[2] SELF-DRIVING SAFETY REPORT. 2020. Länk

[3] LyftLevel5, Medium. Accelerating Autonomous Driving with Lyft’s Ridesharing Data. 2020-06-23 Länk

[4] Wiggers, K., Venture Beat. Lyft crowdsources driver data to train its autonomous vehicle systems. 2020-06-23 Länk

Tester med uppkopplade fordon i Ohio

I juli inleddes förberedelser av tester med uppkopplade fordon och uppkopplad infrastruktur i staden Columbus i den amerikanska delstaten Ohio [1]. Detta görs inom ramen för projektet Connected Vehicle Environment. Själva testerna väntas äga rum i november.

Syftet är att studera effekterna av uppkoppling med avseende på säkerhet och trafikflöde. Planen är att utrusta upp till 1800 fordon med kommunikationsenheter som är kopplade till head-up-skärmar. 

Det handlar om Dedicated Short-Range Communication (DSRC) som kommer möjliggöra för fordonen att emot meddelanden från kameror och trafikljus vid 113 korsningar, inklusive några av stadens farligaste korsningar. Fokus kommer att ligga på att generera ”grundläggande säkerhetsmeddelanden” till förarna som varningar för att minska hastigheten eller se upp för fotgängare framöver.

Projektet är en del av initiativet Smart Columbus som vann 40 miljoner dollar inom ramen för tävlingen 2015 Smart City Challenge som anordnades av U.S. Department of Transportation. 

Liknande testning av uppkopplade fordon och infrastruktur har redan inletts i två andra städer i delstaten Ohio, Marysville and Dublin

Egen kommentar

Även om det handlar om enkla meddelanden så är det här ett intressant projekt på grund av det relativt stora antalet deltagande fordon. Frågan är bara om det räcker för att kunna studera systemeffekter?

Liknande initiativ i Europa äger rum bland annat inom ramen för projektet NordicWay 2 och 3 där flera svenska partners deltar. 

Källor

[1] Ong, S., IEEE Spectrum. Pilot Test Begins for Tech to Connect Everyday Vehicles. 2020-06-19 Länk

Tesla vill undvika högupplösta kartor

Tesla har valt att försöka utveckla teknik för automatiserad körning utan att fordonen ska vara beroende av högupplösta kartor. Detta gör att fordonen ”upplever” att de ser varje plats för första gången. Ett sådant angreppssätt anses vara mycket svårare att hantera för fordonet och ingenjörerna. Det skulle dock göra att Tesla oberoende av, vad de utgår från i längden kommer att bli, mycket dyra kartsystem [1].

Teslas lösning kräver istället mycket bra data för att träna AI-algoritmer. Sådan data är svår att hitta men Tesla har fördelen av att redan ha hundratusentals bilar som samlar data åt dem [2].

Här kan ni se ett föredrag av Teslas chef för AI Andrej Karpathy där han går igenom företagets strategi.

Egen kommentar

Man kan tycka ett och annat om Tesla och deras sätt att utveckla automatiserad körning. Men det kan vara värt att fundera på om det är hållbart att skapa detaljerade kartor av alla vägar?

Källor

[1] Papadopoulos, L., Interesting Engineering. Tesla’s Head of AI Says The Firm Uses a Harder Approach to Self-Driving for Scalability Reasons. 2020-06-20 Länk

[2] Lambert, F., Electrek. Tesla admits its approach to self-driving is harder but might be only way to scale. 2020-06-18 Länk

Gott och blandat från forskningen

Säkerhetsutmaningar utan uppkoppling. Förra veckan skrev vi om en studie från IIHS som kommit fram till att automatiserade fordon bara kommer kunna undvika en tredje del av dagens alla olyckor. Lite på samma tema så har nu en annan forskargrupp från University of California – Berkeley med hjälp av teoretiska modeller och empiriska data kommit fram till att det behövs uppkoppling för att kunna undvika en större andel olyckor: Vår säkerhet beror inte bara på våra egna handlingar utan också på hur omgivande trafikanter beter sig och var de befinner sig, och utan uppkoppling (V2V eller V2I) kan dessa faktorer förbli okända i flera trafiksituationer som exempelvis där fotgängare eller andra fordon är dolda eller där någon trafikant kör mot rött. Länk

Mode confusion. Under överskådlig framtid kommer det finnas fordon som möjliggör både manuell och automatiserad körning. Det är också ganska givet att dessa fordon kommer innehålla funktioner med olika automationslägen som fungerar under olika förutsättningar. Då är det viktigt att kommunikationen med föraren är utformad på rätt sätt och att det är tydligt för föraren vilket automationsläge som fordonet befinner sig i. Annars kan föraren bli förvirrad kring vad som gäller, vilket i sig kan medföra säkerhetsrisker och påverka tillit till automationen samt leda till att automationen inte används. En studie från Seeing Machines i Australien har utforskat just detta i en studie som genomförts på allmän väg med 21 förare. Länk

Detektering av tomrum med lidar. En grupp forskare från Carnegie Mellon University har undersökt nyttan med att ta hänsyn till tomrum när det gäller 3D objektdetektering med hjälp av lidarsensorer på självkörande bilar. Att ta tomrum i beräkenskap är en teknik som används vid framställning av digitala kartor. En initial utvärdering av den nya metoden visade att den var bättre på att detektera bilar, fotgängare, lastbilar, bussar och långtradare än den tidigare toppresterande metoden för dataseende med 11%, 5%, 7% respektive 16%. Studien beskrivs i artikeln What You See is What You Get: Exploiting Visibility for 3D Object Detection och presenteras vid konferensen Computer Vision and Pattern Recognition (CVPR) som pågår den 13-19 juni 2020. Länk

Uppdaterade rekommendationer om kartdata

Brittiska samarbetsorganet Zenzic släppte under sommaren 2019 en rapport av den brittiska motsvarigheten till Lantmäteriet, Ordnance Survey, om den analys och de rekommendationer kring behov av geodata för testning av självkörande fordon.

Rapporten innehöll en enkät riktad till industrin. Nu har resultaten från den enkäten sammanställts och analyserats. Resultatet pekar på att det kommer att kräva branschövergripande konsensus för att skapa storskaliga plattformar för insamling, bearbetning och delning av kartdata från uppkopplade och självkörande fordon för att säkerställa att sådana fordon finns i stor skala på allmänna vägar till 2030.

Några av huvudslutsatserna:
  • Det kommer krävas mycket arbete med att likrikta kartdata från regionala källor (Storbritannien har till exempel över 200 lokala vägmyndigheter). Detta för att undvika flera olika sätt att bearbeta och hantera data på.
  • Kartläggning av datakvalitet anses vara viktigare än upplösning.
  • 10 cm (men 5 cm för information om körfältsmarkeringar) anses vara lämplig upplösning för automatiserade körsystem som använder högupplösta kartor, och 2 cm för de som inte gör det.
  • De uppkopplade och självkörande teknologibranscherna bör följa spel-, väder- och BIM-sektorerna (Building Information Modeling) i att hitta gemensam terminologi, förutom att samarbeta med  myndigheter.
  • För närvarande används både TN-ITS och ISO 20542 standarderna av utrustnings- och fordonstillverkare. Harmonisering mellan de två standarderna kommer att ta lite tid, så testanläggningarna måste initialt kunna stötta båda.
Rapporten går att ladda ned gratis här men det krävs registrering.

Källa

[1] Zenzic. Zenzic announces results of industry-wide consultation on geospatial data for self-driving vehicles. 2020-06-11 Länk