Kategoriarkiv: Teknologi

Mobileye får storbeställning

Mobileye, som numera ägs av Intel, kommer att förse 8 miljoner bilar med teknologi för avancerade förarstödssystem [1]. Beställningen är gjord av en icke namngiven europeisk fordonstillverkare. Det är inte heller känt hur mycket som tillverkaren betalar för detta.

Första leveransen kommer att göras 2021 då Intels EyeQ5-chip, som är specialgjort för helt automatiserad körning, lanseras som en uppgradering av EyeQ4 (som i sig lanseras under de kommande veckorna).

Källor

[1] Scheer, S., Reuters. Exclusive: Intel’s Mobileye gets self-driving tech deal for 8 million cars. 2018-05-17 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.

Navigation utan 3D karta

En grupp forskare vid MITs Computer Science and Artificial Intelligence Laboratory (CSAIL) har utvecklat en lösning som möjliggör för automatiserade fordon att navigera utan att ha tillgång till detaljerad 3D karta av omgivningen [1].

Med den nya lösningen som kallas MapLite kan automatiserade fordon klara obekanta vägar genom att enbart använda GPS och inbyggda sensorer.

Först definierar MapLite ett slutmål och ett “lokalt navigeringsmål” som behöver vara i fordonets nuvarande vy. Sedan skapas en sökväg till målet med hjälp av inbyggda sensorer som lidar. Ett viktigt antagande som görs är att vägen kommer att vara plattare än omgivande områden. MapLite inkluderar också parametriserade modeller som beskriver likartade situationer. En modell kan exempelvis beskriva vad fordonet ska göra vid korsningar eller hur den ska agera på en viss typ av väg.

Enligt forskarna är bergsvägar den största utmaningen eftersom systemet har problem med att handskas med dramatiska höjdförändringar.

Forskningen görs i samarbete med  Toyota Research Institute (TRI)  som har bland annat försett forskarna med en Toyota Prius som de använder i sina tester.

Egen kommentar

Det finns å andra sidan förstås goda skäl till att självkörande bilar matas med information från detaljerade 3D kartor, och det är att teknologin blir tillförlitlig på ett helt annat plan. Men den nya lösningen är självklart lovande och skulle underlätta navigeringen av automatiserade fordon betydligt.

Källor

[1] Conner-Simons, A., Gordon, R., MIT News. Self-driving cars for country roads. 2018-05-07 Länk

Lastbilar och bilar varnar varandra

Volvo Trucks och Volvo Cars kan nu ”prata” med varandra [1]. Företagen delar nämligen anonymiserad realtidsinformation om faror med varandra via ett molnsystem.

Till att börja med är det information om varningsblinkers som fordonen delar med varandra. På så sätt kan förare varnas om faror i omedelbar närhet av den plats där föraren befinner sig.

Från och med 2018 kommer sådan information att delas mellan utvalda Volvo-lastbilar som säljs i Sverige och Norge med företagets egna riskvarningssystem, och Volvo-bilar utrustade med Volvo Cars varningssystem för varningsblinkers. Varningssystemet för varningsblinkers har funnits i Sverige och Norge sedan 2016, där det är standard på alla bilar i 90- och 60-serierna samt XC40.

Egen kommentar

Denna typ av funktion behöver förstås standardiseras så att det inte krävs enskilda avtal mellan alla möjliga tillverkare.

Källor

[1] Volvo Cars. Volvo Cars och Volvo Lastvagnar delar fordonsdata i realtid med varandra för ökad trafiksäkerhet. 2017-05-07 Länk

Drive.ai pilotar i Texas

Drive.ai är ett startuppföretag som förekommit flera gånger i vår nyhetsrapportering. Nu har företaget offentliggjort sina planer att lansera en pilot med automatiserade fordon i Frisco i Texas med start i juli [1].

Genom att använda företagets app kommer allmänheten att kunna beställa transport med sådana fordon. Fordonen kommer att trafikera en fördefinierad sträcka mellan ett affärscenter (HALL Park) och ett köpcenter (The Star).

Initialt kommer det att finnas en säkerhetsförare med i fordonet. Planen är att inom kort ersätta säkerhetsföraren med en assistent i passagerarsätet som ska utbilda resenärer om fordonet. Så småningom kommer resor utan extra personal att erbjudas. Under alla faser av piloten kommer fordonen att vara uppkopplade till ett kontrollcenter som vid behov kan anropa en fjärroperatör.

Under piloten kommer tjänsten att administreras av Denton County Transportation Authority i samarbete med The Hall Group, Frisco Station Partners och The Star.

Enligt Drive.ai är det tre faktorer som bidragit till att de kommit så långt i utvecklingen:

  • Deras världsledande kompetens inom AI och djupinläring.
  • Samverkan med privata och offentliga aktörer.
  • Säkerhet med människan i centrum. Fordonen är exempelvis märkta med “Self-Driving Vehicle”-skyltar så att folk kan känna igen dem, färgerna är noga utvalda och fordonen är utrustade med externa gränssnitt för att underlätta kommunikation med fotgängare och andra trafikanter runtomkring.

Här kan ni se hur det hela ser ut.

Källor

[1] Drive.ai Medium. Self-Driving Cars Are Here: Drive.ai is Launching in Texas. 2018-05-07 Länk

Gott och blandat

Peloton satsar på kommersialisering. Peloton är ett startuppföretag som vi rapporterat om vid flera tillfällen. Företagets fokus är kolonnkörning (platooning) med två lastbilar. Just nu pågår finjustering av systemet och kontraktdiskussioner med åkerier runt om i USA. Planen är att lansera systemet på marknaden i slutet av 2018. Länk

Aptiv och Lyft utökar testflottan. I ett samarbete med Lyft kommer Aptiv att utöka antalet testfordon i Las Vegas till 30. De kommer kunna bokas via vanlig Lyft-app, men användarna kan välja om de vill ha en självkörande eller vanlig bil. Länk

Uber utökar samarbete med NASA. Uber har skrivit under ett nytt samarbetsavtal med NASA som går ut på utöka samarbetet kring s.k. urban air mobility (UAM, läs flygande taxi). Länk

Ömsesidig förståelse är nödvändigt. För att automatiserade fordon ska bli verklighet måste de kunna förstå människor, och vice versa. Det förklarar Annika Larsson från Veoneer. Länk

Vad finns det för begränsningar med dagens prototyper? Många – i alla fall enligt en sammanställning som den kaliforniska myndigheten för motorfordon DMV gjort baserat på tilläggsrapporter om incidenter från åtta företag som utför testning i Kalifornien. Länk

Mer transparens? Brist på insyn i hur sensorer, logiken, kartor och andra teknologier i automatiserade fordon fungerar samt debatten om reglering av sådana fordon skulle kunna forma allmänhetens uppfattning om den växande industrin. Mer transparens kan vara nödvändigt Länk

Jaguar Land Rover vill utveckla självkörande bil som kan ”se” runt hörn

Teknikkonsultföretaget Ricardo inleder nu ett samarbete med Jaguar Land Rover (JLR) för påbörja AutopleX-projektet, vars syfte är att skapa en självkörande bil som kan ”se” runt hörn och genom diverse hinder [1].

AutopleX projektet kommer att kombinera uppkoppling, automation och teknik för realtids-kartläggning för att möjliggöra att mer information lämnas till det självkörande fordonet och i ett tidigare skede. Tillgången till denna information tidigt gör det också möjligt för det självkörande fordonet att kommunicera både med andra trafikanter och hinder där det inte finns någon direkt sikt, för att på ett säkert autonomt kunna byta fil och ta sig fram i komplexa rondeller.

Projektet kommer att utveckla teknologi med hjälp av både simulering och fysisk testning på både motorvägar och i stadsmiljöer i Storbritannien.

I projektkonsortiet finns även Highways England (HE), Inrix, Siemens, Transport for West Midlands (TfWM) och WMG (Warwick Manufacturing Group) vid University of Warwick.

Källa

[1] Frost, A.: Jaguar Land Rover and Ricardo to develop self-driving car that can ‘see’ around corners, Traffic Technology Today, 2018-04-23 Länk

Sensor som ser i dimman

En grupp forskare vid MIT har utvecklat ett sensorsystem som kan detektera objekt i dimma och beräkna avstånd till dem, något som på sikt kan hjälpa automatiserade fordon att detektera objekt vid dåliga väderförhållanden [1].

Sensorsystemet har testats i labbmiljö där den presterat bättre än mänskligt seende. I en tät dimma, där människan bara kunde se 36 cm framför sig, kunde systemet upptäcka objekt som befann sig 57 cm ifrån.

Enligt forskarna var dimman mycket tätare än vad man vanligtvis upplever i verklig trafik, och om ett detekteringssystem kunde prestera lika bra som en mänsklig förare vid körning i dimma skulle det vara ett stort genombrott.

Systemet är baserat på en kamera som använder sig av flygtidsprincipen (time of flight). Den skickar ljussignaler och mäter sedan tiden det tar för signalerna att reflekteras. För att komma runt problemet med att vattendroppar i dimman kan störa signalerna används statistiska beräkningar. En ledtråd: MIT-forskarna har kommit fram till att, oavsett hur tjock dimman är, kommer ankomsttiden för det reflekterade ljuset att följa en Gamma-distribution.

Systemet beskrivs i mer detalj i en artikel som heter Towards Photography Through Realistic Fog och som presenteras nästa månad på International Conference on Computational Photography.

Här kan ni se en illustration.

Källor

[1] Hardestay, L., MIT News. Depth-sensing imaging system can peer through fog. 2018-04-20 Länk

Alibaba inleder testning

Det har längre spekulerats om Alibabas aktiviteter kring automatiserade fordon. Nu ska  företagets taleskvinna ha bekräftat att företaget håller på att testa automatiserade fordon på allmänna vägar i Kina [1].

Det är automationsnivå 4 som Alibaba satsar på.  För att nå dit kommer företaget att anställa 50 nya AI-experter.

Egen kommentar

Att Alibaba är en aktör att räkna med  visar också faktumet att företaget kommer att leverera ett AI-baserat system för röststyrning till Daimler, Audi och Volvo för lansering på den kinesiska marknaden.

Källor

[1] South China Morning Post. Alibaba confirms self-driving car tests, joining Baidu and Tencent in China’s autonomous car race. 2018-04-16 Länk

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