Kategoriarkiv: Artificiell intelligens

Lösning för förbättrat maskinseende

Forskare ifrån Japanska forskningsinstitutet RIKEN Center for Brain Science (CBS) meddelar att de utvecklat maskinseende-teknik som har snabbare och mer tillförlitligt objektdetektering än dagens teknik [1].

Man har baserat lösningen på det mänskliga perceptionssystemet där information om ögats rörelser bearbetas när vi och världen runt omkring oss rör på sig. Forskarna kallar detta för motor copies som skickas till hjärnan för att stabilisera synfältet.

Forskarna utvärderade ett neuralt nätverk som på liknande sätt räknade in ögonrörelser och upptäckte en signifikant förbättring i prestation vid objektklassificering.

Nästa steg är att implementera den här lösningen i en kiselbaserad krets för att undersöka hur väl den fungerar i verklig tillämpning.

Källa

[1] James, A., Autonomous Vehicle International. Mimicking ‘eye’ movements could be key to better self-driving cars. 2022-07-01 Länk

Guldkorn från svensk forskning

Det här är svenska guldkorn från er läsare. Tack för ert fantastiska jobb.

Autonoma leveransfordon i interaktion. Inom projektet GLAD (Goods deliveries under the LAst mile with autonomous Driving vehicles) genomfördes under maj månad en användarstudie där en ADV (Automated Delivery Vehicle) utrustad med s.k. eHMI:er (visuella medel som kommunicerar till människor i omgivningen) körde en kortare rutt. Syftet var att utvärdera hur individer uppfattade och förstod eHMI:erna i olika situationer, samt hur de kan utvecklas. Preliminära resultat indikerar att eHMI:erna i sig inte kommunicerade sina specifika budskap, men att de i sina givna sammanhang blev begripliga. Resultaten visade även på tydliga inlärningseffekter, d.v.s. deltagarna lärde sig snabbt eHMI:ernas budskap. Projektet är finansierad av Trafikverket och utförs av RISE, Clean Motion, Aptiv, Combitech och Högskolan i Halmstad. Kontakt: Mikael Söderman, RISE, (mikael.soderman@ri.se)

Förstudie SMART-projektet. Som en del av det EU-finansierade SMART-projektet genomför RISE en förstudie kring förutsättningarna för att komplettera kollektivtrafiken med förarlösa tjänster i Skaraborg. Projektet leds av Destination Läckö/Kinnekulle som är ett kommunalt bolag ägt av Götene och Lidköping. Preliminära resultat visar att det i några av tätorterna finns intressanta systemeffekter värda att studera närmare men att det är svårt att hitta lämpliga lösningar för lite längre avstånd mellan kollektivtrafikens hållplatser och populära utflyktsmål eller uppför Kinnekulles de branta vägar. Det finns också sträckor i området där det antagligen finns en marknad för kommersiella tjänster med manuellt framförda fordon. Kontakt: Håkan Burden, RISE, (hakan.burden@ri.se)

Generering av dimma och väderklassificering. RISE och Veoneer har under våren 2022 genomfört en förstudie ”Dimhöljt” för lära hur dimma kan skapas i klimatkammare. Syftet med den genererade dimman är att testa lidar, t ex för att filtrera bort störningar, för att validera simuleringsmodeller, för att verifiera sensorprestanda eller för att verifiera att en funktion är inom ODD. Det finns i princip tre olika sätt att slå sönder vatten till fina droppar: med vibrationer, med trycksatt vatten eller med tryckluft; man kan även generera dimma genom att kondensera ånga. Dimma är våta aerosoler i storleksordning från våglängden av synligt ljus till en faktor 20-50 ggr större. Projektet har också undersökt hur mätning av dimmans karaktäristik utförs på lämpligt sätt. Mätningar måste bland annat inkludera storleksfördelning av partiklar och mängden vatten i flytande form. Det är viktigt att skapa repeterbart testsystem med dimma. I projektet studerades därtill hur man med en lidar kan klassificera vädertyper såsom dimma, regn, snö, klart väder. Studien baserades på mätningar utomhus och i klimatkammare. De inledande försöken har varit framgångsrika och tanken är att förstudien ”Dimhöljt” följs av en fördjupad ansats. Förstudien delfinansierades av Vinnova/FFI, 2021-02582. Kontakt: Martin Sanfridson, RISE, (martin.sanfridson@ri.se)

Autonoma fordon för blinda, döva och dövblinda. I en nyligen publicerad journalartikel vid namn ”Vibrotactile guidance for trips with autonomous vehicles for persons with blindness, deafblindness, and deafness” presenteras resultat från Drive Sweden projektet ”Guidning till autonoma fordon för blinda, döva och dövblinda”. Studien visar bland annat på vikten av att beakta användarperspektivet för hela resan, inte bara fordonet i sig. Artikeln finns att läsa här. Kontaktperson Jonas Andersson (jonas.andersson@ri.se)

Best student paper på IEEE konferens. Vid konferensen IEEE Intelligent Vehicles Symposium vann doktoranden José Manuel Gaspar Sánchez och industridoktoranden Truls Nyberg från KTH och Scania första pris i kategorin ”Best student paper” med artikeln ”Foresee the Unseen: Sequential Reasoning about Hidden Obstacles for Safe Driving”. I samarbete mellan KTH och Scania har studenterna utarbetat en algoritm för autonoma fordon för att hantera skymda trafikanter på ett säkert och effektivt sätt. Forskningen har finansierats genom Vinnovas center TeCOSA och forskningsprogrammet WASP.
Andra pris i kategorin gick till industridoktoranden Magnus Gyllenhammar vid KTH och Zenseact för artikeln ”Uncertainty Aware Data Driven Precautionary Safety for Automated Driving Systems Considering Perception Failures and Event Exposure”, också den finansierad genom WASP. Kontaktperson Truls Nyberg (truls.nyberg@scania.com)  & Magnus Gyllenhammar (gyllenhammar@zenseact.com). 

Syntetisk data för validering. En vanlig utmaning inom maskininlärning är att ta fram realistisk data både för att träna sina nätverk samt för att validera dem. I dag är en vanlig metod att samla in data i den miljö där nätverket ska appliceras, t.ex. i trafiken, och sedan hoppas att det resulterande datasetet ska vara representativt. Detta är tyvärr sällan fallet eftersom att det är svårt att få med alla tänkbara scenarion. Inom FFI-projektet DIFFUSE utvecklas metoder för att skapa syntetisk data och bilder primärt för valideringssyften. Tanken är att förbättra de maskininlärningsmetoder som i dagsläget bara i begränsad omfattning ger kontroll över vad den resulterande bilden innehåller. Kontaktperson Martin Torstensson (martin.torstensson@ri.se)

Future mobility services in Ride the future-project. Ride the future is a multi-brand pilot where 8 partners join forces in running three autonomous buses along a 4 km route in Linköping’s Valla district. The partners are VTI, Linköping University, Linköping Science Park, Transdev Sweden AB, Östgötatrafiken, Linköpings kommun, Akademiska Hus and RISE. The area includes residential housing, businesses and the campus of Linköping University (LiU). 
Ride the future is furthermore one of the sites in the larger Horizon 2020-project called SHOW (SHared automation Operating models for Worldwide adoption), and a platform for several projects related to future mobility solutions. To date over 20 studies and research projects – completed and ongoing – are related to Ride the Future. A result conference was held 26 April and presented findings about the following topics:

  • Lessons learned from setting up a demonstration site with autonomous shuttle operation; paper (funding: SHOW)
  • Mobility for all – but who is ”all”?  paper (funding: Drive Sweden)
  • 5 feasibility studies (funded by VTI and summarised in here) about
    • Towards a digital twin of campus Valla for co-simulation of road users 
    • Exploring spatio-temporal accessibility in Lambohov: a pre-study. 
    • Data processing and visualization of mobile air quality measurements. 
    • Road surface unevenness and its impact on comfort and vibrations in low speed vehicles
    • Infrastructure needs at bus stops. 
  • The following studies were also presented at the conference. (funding in brackets):
    • Säkerhetsförarens uppmärksamhet och vakenhet (FFI)
    • The digital infrastructure of ELIN’s data collection (SHOW=EU)
    • Automated Vehicles as Social Agents: A Research Agenda (ELLIIT)
    • Cybersecurity of autonomous vehicles (Drive Sweden)
    • Digital guidance in public transport (funding: ERA-net)
    • Children’s perspective on future travels by autonomous bus (SHOW)
    • Autonomous shuttles for all – Experiences from children with intellectual disability (WASP-HS)
    • Game engine simulation of autonomous buses in a student project (LiU)
    • Ljudsignaler i interaktion mellan autonoma bussar och oskyddade trafikanter (LiU)
    • For more information and contact to project leaders, please get in touch with Ingrid Skogsmo (ingrid.skogsmo@vti.se)

Säkerhetskultur för automatiserade fordon. Målet för projektet Säkerhetskultur för automatiserade fordon är att utveckla metoder och verktyg för att kunna hantera säkerhetskulturen i organisationer som konstruerar och implementerar automatiserade fordon och maskiner. Projektet kommer att utforska befintlig säkerhetskultur och nya risker, samt utveckla mätinstrument för säkerhetskultur och pröva hur de kan appliceras på hållbarhet- och jämställdhetskultur. Säkerhetsfokus har länge legat på fordon och förare. Nu behövs organisationens och kundens betydelse lyftas fram. I projektet kommer därför en modell och verktyg utarbetas för att integrera säkerhetskultur i utvecklingsarbetet och för att stötta en lärandeprocess. Modellen utvecklas och utvärderas på två fallstudier från olika domäner, dels autonoma truckar samt automatiserade bussar i projektet Ride the future. En viktig aspekt av projektet är kunskaps och metodiköverföring mellan de olika tillämpningarna och mellan parterna VTI, RISE, Volvo GTT, Combitech och Toyota material handling. Projektet finansieras av Vinnovas FFI-program och genomförs på två år under ledning av VTI. Kontaktperson: Christina Stave (christina.stave@vti.se).

Studie om lastbil-VRU interaktioner inom FFI-projekt. Inom ramarna för FFI-finansierade projektet ”Externa interaktionsprinciper för förtroende och acceptans av tunga autonoma fordon” som bedrivs av Scania, RISE och Högskolan i Halmstad har doktoranden Victor Fabricius och kollegor publicerat en vetenskaplig tidskriftsartikel ”Interactions Between Heavy Trucks and Vulnerable Road Users—A Systematic Review to Inform the Interactive Capabilities of Highly Automated Trucks”. Artikeln syftar till att ge en översikt av den vetenskapliga litteraturen gällande dagens interaktioner mellan tunga lastbilar och oskyddade trafikanter – mer specifikt fotgängare och cyklister. En av insikterna från studien är att en stor del av interaktionen består av implicit kommunikation som till exempel fordons körsätt och rörelsemönster, och att den här typen av kommunikation i framtiden troligtvis kommer utgöra grunden även för interaktioner med automatiserade fordon. En annan insikt från studien är också att explicit kommunikation, i form av exempelvis ljussignaler på lastbilen i syfte att förtydliga lastbilens avsikter och handlingar, kan vara till nytta för interaktionerna. Utformning och nyttan av sådan kommunikation undersöks vidare i projektet som pågår fram till mitten av oktober 2022. Kontaktpersoner: Yanqing Zhang (yanqing.zhang@scania.com) och Daban Rizgary (daban.rizgary@ri.se)

Autonomous vehicle interactions in the hub. Scania, RISE, Boliden and Icemakers are working together in a research project “In the Hub – Samspel mellan operatörer och förarlösa fordon i framtidens transportsystem” funded by FFI. The aim is to investigate how natural interaction technologies can be integrated into autonomous transport systems to facilitate efficient and engaging experience in the hub contexts. An exploratory study have examined the potential of using verbal interaction and augmented reality (AR) to facilitate collaborations between professional human operators and unmanned self-driving heavy vehicles. Concepts that support operators in loading situations were designed and evaluated with forklift operators and rock-loading operators during a video-based study. Overall, the concepts received high scores in perceived efficiency and user experience. The results from the forklift operators supported the idea that more natural and social verbal interaction between operators and unmanned vehicles could lead to increased trust and acceptance compared to using simple voice commands. However, the results from the rock-loading operators showed that extensive use of voice interaction could become disturbing. The exploratory study thus supports the potential of using and further exploring verbal interaction and AR to facilitate human operators’ collaboration with self-driving vehicles, and the proposed concepts provide promising examples of interaction models for further investigation and implementation. The results have been presented in a paper which will be published in the conference “Applied Human Factors and Ergonomics” this year. Contact person: Yanqing Zhang (yanqing.zhang@scania.com) and Johan Fagerlönn (johan.fagerlonn@ri.se)

Heavy Automated Vehicle Operation Center (HAVOC) – Requirements and HMI design is a recently completed FFI-funded research project conducted by RISE and Scania with the following final project summary: Development trends suggest that, in spite of the optimistic announcements made by some stakeholders a few years ago, there are still technological challenges and regulatory constraints making heavy automated vehicles (HAVs) dependent on human control. Indeed, most HAV still require a human safety operator in the vehicle, and automated driving without a human “fallback” might be distant. At the same time, having a human safety operator in the vehicle jeopardises major anticipated benefits of HAVs – transport safety and efficiency. To bridge this gap, stakeholders are exploring remote operation technology, which enables HAV to be remotely operated by a human operator to some extent. The purpose of the HAVOC project was to study operator work and HMI for remote monitoring and control of heavy autonomous vehicles. The aim was to answer the following research questions:

  • What requirements are imposed on people and heavy vehicles for assessment, assistance, and driving?
  • What is required to scale the ratio between the number of operators and the number of monitored vehicles?
  • How should operator work be designed for transitions between assessment, assistance, and driving?
    A simulator was developed in Unity game engine with corresponding 3D-world and operator HMI to enable exploration of remote operation of ten vehicles in parallel. In a user study, 15 participants were invited to work for 1.5 hours and evaluate the system and work in terms of human-automation interaction. Human factors and HMI requirements were elicited for remote assessment, remote assistance, and remote driving operator tasks. The results show the importance of taking a systems perspective in developing and implementing remote operation control centers. See this link for an overview of the study and its results.
  • One of the major takeaways from the user study and the HAVOC project is the importance of a systems perspective in the analysis and design of future remote operation centers. The answer to questions such as “How many operators are needed?, How many vehicles can be monitored and controlled?, What is the best HMI?, What are the most important operator tasks?”  etc., will always rely on the dependencies between multiple human, technical and organizational factors. The ability to deal with the dependencies between factors such as operators’ skills and knowledge, operator tasks and training, HMI, vehicle capabilities, operational context, etc., lies in defining the envisioned work system and deciding what to design for. If a viable business case for remote operation is an operator:vehicle ratio of 1:1, 1:10 or 1:100 will place very different demands on overall human-automation systems design and work organisation. In this project, we have only considered single operator work. In a real application, teamwork between remote operators, traffic planners, and field personnel can be expected, further stressing the socio-technical systems approach. Contact person: Jonas Andersson (Jonas.andersson@ri.se)

MIT lanserar VISTA 2.0

Forskare ifrån amerikanska universitetet MIT har lanserat nya versionen av sin simulator för utveckling av automatiserad körteknologi, vid namn VISTA 2.0 [1].

Simulatorn vars källkod är öppet tillgänglig har förmågan att använda sensordata från den verkliga världen och omvandla det till fotorealistiska digitala miljöer. Dessa miljöer kan sedan användas för att träna neurala nätverk på att handskas med olika trafiksituationer.

Vi skrev om när första versionen av den här simulatorn lanserades här.

Källa

[1] Wessling, B., The Robot Report. MIT CSAIL releases open-source simulator for autonomous vehicles. 2022-06-22 Länk

Förstärkningsinlärning effektiviserar trafiksignaler 

Forskare vid Aston University i Birmingham har utvecklat en ny AI-baserad metod för att styra trafiksignaler i korsningar [1].

Lösningen bygger på förstärkningsinlärning (Eng: reinforcement learning) som belönar signalscheman som maximerar fordonsflödet. AI-lösningen visade sig bättre än samtliga manuellt designade alternativ [2].

Lösningen tränades med hjälp av en digital skugga, dvs. en enkelriktad digital tvilling. Kameradata från ett liveflöde matades i en egenutvecklad simulator och olika signalscheman jämfördes. Forskarna hoppas kunna styra trafiksignaler i en verklig korsning innan året är slut.

Egen kommentar 

Trafikstockningarna i Storbritanniens urbana områden bedöms kosta den genomsnittliga trafikanten motsvarande över 10 000 kr i bränsle- och tidsförlust. Bristfällig styrning med trafiksignaler anses vara en avgörande orsak. Användning av förstärkningsinlärning för att optimera trafiksignaler är lovande, eftersom det inte kräver mänskligt annoterade träningsdata – vilket ofta blir en flaskhals vid övervakad inlärning (Eng: supervised learning). Forskarnas förslag bör därmed kunna skala bättre till olika korsningar efter hand som fler digitala skuggor blir tillgängliga.

Källa 

[1] AI traffic light system could make traffic jams a distant memory. 2022-05-11 Länk 

[2] Garg et al, In Proc. the 21st International Conference on Autonomous Agents and Multiagent Systems, pp. 454-462, May 2022 Länk

Wayve:s samarbete med Microsoft

Brittiska teknikutvecklarna Wayve har erbjöd inblick i deras samarbete med Microsoft. Samarbetet går ut på att lagra, hantera och göra beräkningar på stora mängder videodata med hjälp av Azure, Microsofts molntjänst [1].

Wayves strategi för AD ”AV2.0” är huvudsakligen baserad på kameradata och vad de kallar ”ren maskininlärning”: Systemet ges så få förutbestämda regler som möjligt och matas med stora mängder data att träna på.

Ur samarbetet får Microsoft ett användarfall som utmanar deras molntjänsts och förbereder den för uppskalning av autonoma fordon.

Egen kommentar

Tillvägagångssättet som Wayve förespråkar för utveckling av självkörande teknologi kallas ibland för end-to-end driving och har blivit mer och mer populärt. En anledning är att det tar bort behovet av manuell dataannotering och att den har en enklare arkitektur jämfört med till exempel modular pipelines [2].

End-to-end driving kan förenklat beskrivas göra alla körrelaterade uppgifter till en enda generell uppgift medan modular pipelines delar upp körrelaterade uppgifter i mindre beståndsdelar.

Källa

[1] Anadiotis, G., Venture Beat. Wayve and Microsoft partner to scale autonomous vehicles. 2022-05-18 Länk

[2] Xiao et al, IEEE Transactions on Intelligent Transportation Systems. Multimodal End-to-End Autonomous Driving. 2020-08 Länk

Samarbete för nästa generation perceptionssystem

Teknikföretaget Untethered AI som utvecklar datorseendeteknik för automatiserade fordon meddelar att de ska samarbeta med General Motors (GM) för att utveckla och demonstrera ett nästa generation perceptionssystem [1].

Arbetet är delfinansierat av Government of Ontario genom Ontario Vehicle Innovation Network (OVIN) med en summa på 1 miljon USD. I samarbetet ska man nyttja Untethered AIs at-memory computation teknik som kan bidra till målet om snabbare beräkningar med mindre resurser i perceptionssystem.

Källa

[1] Unthethered AI. Business Wire. Untether AI and General Motors to Develop Next-Generation Autonomous Vehicle Perception Systems. 2022-04-28 Länk

Synthesis AIs öppna delningsplattform

Kalifornien-baserade startupföretaget Synthesis AI har skapat en öppen delningsplattform för maskininlärning och datorseende vid namn OpenSynthetics [1].

Plattformen är öppen för forskar- och industrianvändare som ska kunna dela med sig och ta del av data, vetenskaplig litteratur och kod. Syftet med plattformen är att ge möjligheter för utvecklare av machine-learning teknik att träna och avancera sina algoritmer med hjälp av varandra.

Källa

[1] Butcher, L., Autonomous Vehicle International. Open community for synthetic data development goes live. 2022-04-19 Länk

Cruise får ett rejält tillskott i kassan

Teknikföretaget Cruise som utvecklar autonoma fordon meddelade på tisdagen att SoftBank Group Corps Vision Fund har gått med på att investera ytterligare 1,35 miljarder dollar för att kunna lansera kommersiell robottaxi i San Francisco [1, 2].

Cruise, som till största del ägs av General Motors, har starkt ekonomiskt stöd från sina investerare inklusive Honda och Microsoft. Under 2018 investerade SoftBank Vision Fund 900 miljoner dollar i den San Francisco-baserade startupen och tog på sig att investera ytterligare 1,35 miljarder dollar när robotaxibilarna var redo för kommersiell driftsättning, vilket vid den tidpunkten var planerat till 2019.

Cruise öppnar också upp väntelistan för allmänheten att kunna registrera sig för gratisturer i San Francisco. De fick tillstånd för att testa utan säkerhetsförare på allmän väg i San Fransisco i höstas, vilket vi skrev om här.

Egen kommentar

Stora summor investeras och förväntningarna på robotaxi är höga. Waymo har exempelvis kört tusentals turer med förarlösa fordon i Phoenix, men den breda introduktionen dröjer. Cruise väntar fortfarande på tillstånd ifrån Kaliforniens Public Utilities Commission för att få ta betalt ifrån förarlösa turer i San Fransisco, och även när de får tillstånd i Kalifornien går det inte än att skala upp till övriga stater utan ett nationellt regelverk.

Källor

[1] Lee, J. H., & Jin, H., Cruise to raise $1.35 bln from SoftBank as it readies robotaxis. 2022-02-02 Länk

[2] Shephardson, D., Jin, H., & White, J., Self-driving car companies zoom ahead, leaving U.S. regulators behind. 2022-02-02 Länk

Förklara AI med AI – Studie från MIT

Forskare ifrån Massachusetts Institute of Technology (MIT) har gjort en studie där deltagare får interagera med AI system för att lära sig om AI systemets styrkor och svagheter, vilket kan främja gott samarbete mellan människor och AI exempelvis i automatiserade fordon [1].

I studien fick deltagare en text med en fråga och svaret till frågan. Deltagarna fick sedan välja om de ville svara själva eller låta AI systemet svara på frågan. Efter valet, så fick deltagarna se det korrekta svaret tillsammans med AI-systemets svar samt en förklaring av AI-systemets resonemang. Deltagarna fick också ytterligare förklaring till varför AI- systemet svarade rätt eller fel i form av exempel. Dessa förklarande exempel togs fram av ett annat AI som specialiserades på att hitta pedagogiska exempel för deltagaren. Med kunskapen om hur AI systemet resonerat, och med förklarande exempel, kunde deltagarna skriva ner regler kring AI systemets brister efter varje fråga.

Forskarna delade upp deltagarna i tre grupper. Första gruppen fick genomgå hela upplägget inklusive förklaringar och förklarande exempel. Andra gruppen fick inte se de förklarande exemplen. Tredje fick ingen hjälp men de fick se AI-systemets svar i förväg.

Resultaten visade att de som fick genomgå hela upplägget presterade lika bra som de som fick svaret i förväg, vilket forskarna tolkade som att de hade lärt sig att simulera AI systemets svar lika väl som om de hade sett det. Det visade sig också att hälften av de som fick träning formulerade korrekta regler för AI systemet och hade också högst antal rätt svar på frågorna, bättre än de som fick se AI systemet svar i förväg. Tolkningen här var att inlärning har en stor påverkan när den lyckas.

Egen kommentar

Kan vi få en ökad transparens mellan människa och maskin när det kommer till förarstödsystem och automatiserade fordon så kan vi förhoppningsvis se en ökad acceptans och användning av sådana system. Den här studien visar på att man kan nyttja AI för att förklara AI, vilket jag tycker är väldigt intressant.

Källa

[1] Zewe, A., MIT News. When should someone trust an AI assistant’s predictions? 2022-01-19 Länk

Guldkorn från svensk forskning 2021

Det här är svenska guldkorn ifrån er läsare. Stort tack för alla bidrag, och tack för ert fantastiska jobb.

PhD thesis: Decision-Making in Autonomous Driving using Reinforcement Learning.
This thesis explores different techniques based on reinforcement learning (RL) for creating a generally applicable decision-making agent for autonomous driving. One highlight is the introduction of methods that can estimate how confident the trained agent is in its decisions, which for example is important if the agent is exposed to situations outside of the training distribution. Another contribution is a method for combining planning and RL, which both improves the quality of the decisions and reduces the required amount of training samples. The full text is available here. This project was supported by Volvo Group, Chalmers, Wallenberg AI, Autonomous Systems and Software Program (WASP), Vinnova FFI, and AI Sweden. For more information, contact Carl-Johan Hoel (carl-johan.hoel@chalmers.se).

L3Pilot – Piloting Automated Driving on European Roads
The L3Pilot project (https://l3pilot.eu/) is the largest EU project on automation so far and ended in October 2021. In this project, Chalmers and Volvo Cars investigated human collaboration with automated vehicles. The Wizard of Oz approach was used both on test track and on public roads to simulate an automated driving feature that did not require drivers to supervise the system. However, the drivers occasionally had to resume manual driving in response to take-over requests. More information about the participants and the publications from this project can be found here. For more information, contact Linda Pipkorn (linda.pipkorn@chalmers.se)

Long-term demonstration of autonomous shuttle fleets in Gothenburg will run between spring 2022 and 2023 as part of the H2020 project SHOW – SHared automation Operating models for Worldwide adoption (https://show-project.eu/). Main contribution of the real-life urban demonstration is the integration of fleets of automated vehicles into public transport, to advance sustainable urban mobility, combined with evaluations of technical solutions, business models, user acceptance and scenarios for impact assessment. The project aims to be the biggest and most holistic initiative ever piloting automated vehicles in urban environments. Real-life urban demonstrations will take place in 20 cities across Europe, such as in Madrid, Turin, Salzburg, Rouen, and Linköping. SHOW gathers a strong partnership including 69 partners from 13 EU-countries and fosters international cooperation. The demonstration in Gothenburg will take place at Campus Johanneberg/Chalmers University of Technology with partners Keolis, Ericsson and RISE. The project has received funding from the European Union’s Horizon 2020 research and innovation programme. For more information contact Cilli Sobiech (cilli.sobiech@ri.se).

Demonstrating remote controlled trucks at Lindholmen/Gothenburg. Within the project SCAT – Safety Case for Autonomous Trucks we will demonstrate goods transport without a safety host onboard and with higher velocity in a mixed traffic environment at Lindholmen (https://www.ri.se/en/what-we-do/projects/safety-case-for-autonomous-trucks). The demonstration will take place in spring 2022. The project started in autumn 2020 with partners RISE, Ericsson, AstaZero, Telia and Einride. The consortium explores together how to safely handle remote access and control from a technical safety perspective and from a policy perspective to support future commercialisation of automated vehicles. We consider the gaps and challenges related to the safety of automated trucks, the digital infrastructure, the policy framework in different markets and their behavioural implications. The approach includes the legal/policy framework in Sweden, as well as France and the US exemplarily. The project is funded through the strategic innovation program Drive Sweden by Vinnova, Formas and the Swedish Energy Agency. For more information contact Cilli Sobiech (cilli.sobiech@ri.se).

Digital traffic rules for a connected and automated road transport system. In the framework of Drive Sweden Policy Lab 2021/22, one case study is identifying ways towards a future system for digital traffic rules (https://www.drivesweden.net/projekt-3/drive-sweden-policy-lab). We raise issues concerning the development of traffic regulations in Sweden through dialogue with a wide range of actors. The purpose is to investigate what is needed to create conditions for a future system with traffic rules that are geographically unambiguous and can be read by machines. Reliable information is needed already today for various applications and supporting IT systems and will become increasingly important with a connected and automated road transport system. We use policy labs as a method to find a possible solution, for example through the development of the regulations that govern how traffic regulations are decided and announced. A development of processes and routines for production, management and exchange of traffic rule data would reduce the risk of deviations that we see today. The project can contribute by looking at challenges, opportunities and alternative solutions linked to the regulations. Drive Sweden Policy Lab is a platform for collaborative policy development enabling smart mobility solutions. The platform gathers governmental agencies, municipalities, multinational corporations, start-ups and research to solve bottlenecks for innovative projects. The project Drive Sweden Policy Lab 2021/22 is funded through the strategic innovation program Drive Sweden by Vinnova, Formas and the Swedish Energy Agency. For more information contact Cilli Sobiech (cilli.sobiech@ri.se).

External interaction principles for creating trust in heavy automated vehicles. To become widely used on public roads, future automated vehicles (AVs) will need to be trusted and gain societal acceptance – something that will be greatly affected by their ability to safely, efficiently and seamlessly interact with other road users in the traffic system. This project investigates if there will be new communication needs when heavy AVs are introduced in traffic. More specifically, the project is investigating how trust and acceptance of heavy AVs can be created and maintained via External Human-Machine-Interfaces (eHMI). Currently, the project has conducted a series of studies including a virtual reality simulator study, and two Wizard of Oz studies on a test track. These studies have been focused on interaction between heavy AV’s and pedestrians. Our next goal is to investigate interaction between heavy AV’s and passenger car drivers using a driving simulator. The project is supporting an institute PhD candidate, and has also hosted two master thesis projects together with Umeå University: Designing eHMI for trucks: How to convey the truck’s automated driving mode to pedestrians and Communicating the stopping intent of an autonomous truck: The interplay between content size, timing and truck speed. This project is financed by Fordonsstrategisk Forskning och Innovation (FFI), associated to SAFER and led by Scania with RISE and Halmstad University as partners. For more information contact Yanqing Zhang (yanqing.zhang@scania.com)

Policy Lab Smarta Fartyg. Projektet undersöker hur den pågående digitaliseringen inom svensk sjöfart rimmar med dagens regelverk. Analysen görs utifrån tre konkreta fall. Två av fallen berör hur autonoma funktioner på ett godtagbart säkert sätt kan ta över människans ansvar ombord utifrån konstruktion och användningsområde. Till skillnad från fordon finns det ingen försöksförordning för autonoma fartyg så arbetet utgår från de regler och undantag som etablerats under en epok när befälhavaren alltid var ombord. I det tredje fallet samverkar två myndigheter kring hur en förändring av dagens lotsplikt kan påverkas av nationella behov och förutsättningar samtidigt som det kommer nya internationella regler. Parter i projektet är Transportstyrelsen, Sjöfartsverket, Saab Kockums, ABB, Färjerederiet och RISE. Projektet finansieras av Trafikverket. För mer information, kontakta projektledare Susanne Stenberg (susanne.stenberg@ri.se) eller Håkan Burden (hakan.burden@ri.se)

Precog: Kravhantering för säkra maskininlärningsbaserade perceptionssystem för autonom mobilitet. Självkörande fordon kräver tillförlitliga perceptionssystem. Framgångsrika perceptionssystem förlitar sig på maskininlärning. Maskininlärning bygger på träningsdata av hög kvalitet. Vad innebär detta för fordonens perceptionssystem? Hur kan vi specificera förväntningarna på träningsdatan? Vad innebär kvalitetssäkring på data-nivån? Hur påverkas fordonets funktionssäkerhet på systemnivån? Den nystartade förstudien Precog genomförs av RISE, Göteborgs universitet, Annotell och Zenseact med stöd från Vinnova. Projektet kommer att skapa samsyn för krav på maskininlärningsbaserade perceptionssystem för fordon. Precog ska utreda kedjan 1) annoteringsnoggrannhet för träningsdata, 2) maskinlärningsmodellernas precision, 3) perceptionssystemens korrekthet och 4) funktionssäkerhet. Förstudien kommer att organisera en serie workshops med nyckelspelare inom svensk fordonsindustri. Vidare kommer dessa workshops att kompletteras med djupintervjuer och litteraturstudier. Efter syntes av projektresultaten kommer vi att arrangera en öppen workshop för att delge våra slutsatser under våren 2022. För mer information kan ni kontakta Markus Borg (markus.borg@ri.se)

Motion-Planning approach for autonomous bus driving. A collaboration between Scania and KTH Royal Institute of Technology resulted in the development of a novel Motion-Planning approach for autonomous bus driving. The results of this collaboration have been recently presented in the IEEE Vehicular Technology Magazine (https://ieeexplore.ieee.org/document/9470918). The article presents a motion-planning framework that leverages expert bus driver behavior, increasing the safety and maneuverability of autonomous buses. To deploy autonomous driving technologies in urban public transport, many challenges related to self-driving buses still need to be addressed. Unlike passenger cars, buses have long and wide dimensions and a distinct chassis configuration, which significantly challenges their maneuverability. To deal with the bus special dimensions, the authors introduce a novel optimization objective that centers the whole bus body as its travels along a road. Furthermore, the authors present a new environment classification scheme that enables self-driving buses to take advantage of the elevated overhangs, to increase maneuverability. Finally, a novel collision checking method is presented that explicitly considers a bus’s front wheels and how they can protrude from beneath the chassis when maneuvering near stops. The benefits of the proposed solution are presented through exp8eriments using an autonomous bus in real road scenarios. The work was partially supported by the Wallenberg AI, Autonomous Systems and Software Program (WASP) funded by the Knut and Alice Wallenberg Foundation. For more information contact Rui Oliveira (rui.oliveira@scania.com) from the KTH Royal Institute of Technology.

Industrial PhD project: Machine Learning to Enhance AI Planning for Intelligent Autonomous Transport Systems. Scania has developed an Offboard system by which its autonomous vehicles can be controlled and managed to perform their operations. This Offboard system can allow an automated planning and scheduling system (a.k.a. AI Planner) to create missions (plan) and dispatch them to the autonomous vehicles. Scania is now researching how to improve AI planning methods for fleets of autonomous vehicles using Machine Learning (ML) techniques. Learning algorithms will support AI planners in order to save human effort leading to good quality plans in less time, thus overcoming the challenge of depending upon the fleet transport managers experience. The PhD project’s outcome is expected to help Scania’s Offboard ATS to improve the plan quality and enable the system to scale up so that it could deal with the future challenges as autonomous vehicles will be taking over in many areas that are of immediate interest to Scania. The project, partly founded by the Swedish Foundation for Strategic Research (SSF), started in April 2020 and it will last 4 years, leading to a PhD degree from Örebro University. For more information contact the Industrial PhD student Simona Gugliermo (simona.gugliermo@scania.com), the industrial supervisor Christos Koniaris (Christos.koniaris@scania.com)  or the academic supervisor Federico Pecora (federico.pecora@oru.se)

Thesis on Cyber Resilient Vehicles. Cyber security focuses on detecting and preventing attacks whereas resilience concentrates on maintaining the vehicle’s intended operation in the presence of faults and attacks, which may even require the vehicle to disable some functionality to protect the passengers in and around the car. This becomes more important when higher levels of autonomy are introduced. In this thesis, we provide methods that aid practitioners in identifying and selecting the necessary and appropriate security and resilience techniques during the design of an automotive system. Additionally, this thesis also proposes three techniques to secure them, namely a mechanism to secure the internal communication, a model to assess a vehicle’s behaviour and reliability when it is driving in traffic, and a framework to detect attacks and anomalies in a vehicle fleet. This thesis was partially supported by the VINNOVA FFI projects HoliSec, and CyReV Phase 1 & 2. For more information contact Thomas Rosenstatter (thomas.rosenstatter@ri.se).

Enhanced ADAS – nästa generations ADAS. Advanced Driver Assistance Systems (ADAS) have the potential to improve traffic safety and efficiency. However, there are challenges with these systems in terms of their limited situation awareness and insufficient driver-vehicle interaction capabilities. If not addressed, these could lead to poor driver experience and decreased use of these systems. This project is led by RISE together with Aptiv and Smart Eye as partners. The aim of this project is to explore how safety, efficiency and drivers’ experience, acceptance and trust can be enhanced by enriching the situation awareness of existing ADAS with real-time information from a) digital road maps, b) driver monitoring, and c) by incorporating dynamic driver-vehicle interaction strategies. The project aims to include two iterations of prototypes with testing of each one on public roads or test track. The first iteration of prototypes has been evaluated and was completed now in december together with expert participants that work in the field of automotive technology. We have received valueable feedback for initiating the second iteration where we aim to develop ADAS functionality together with an intelligent vehicle-driver interface that derives information from internal and external vehicle sensors, as well as digital road maps. This project is financed by Fordonsstrategisk Forskning och Innovation (FFI). For more information contact Niklas Strand (Niklas.strand@ri.se)

The focus of automation in the Project I.hamn. Sweden’s ports are facing a major challenge to function as a transport node in the transformation to a more sustainable transport system that is expressed through the UN’s goals for sustainable development and the strategy for transferring freight transport from land to sea and rail. This means a higher pressure on infrastructure and resources, which places demands on new capabilities in the execution of the port’s operations. Ports need to be more efficient, enable sustainable transport and become a natural node in the integrated transport system. The project I.Hamn (https://www.ri.se/sv/vad-vi-gor/projekt/ihamn) gathers a continuous expanding cluster of today 22 Swedish small and medium sized ports allowing them to join forces to lower thresholds in adopting solution associated to digitalisation, automation, and electrification. The project also involves system and infrastructure suppliers, and other port stakeholder, such as shipping lines, authorities and industry associations. During 2020/2021 the vision of the future port has been co-developed together with involved ports and its stakeholders, through workshops and interviews. Based on the vision, a number of demonstrators are planned for in the areas of electrification, digitalisation, and automation. The demonstrators aim to identify potential and future solutions, based on the capabilities required to realize the vision of the sustainable port. Examples within the area of automation that are exploited are auto-mooring, automatic loading operations, autonomous transports in the port area and automatic hinterland entry and exits to the port. I.hamn is a three-year demonstration project funded by the Swedish Transport Administration within the framework of the Lighthouse industry program for sustainable shipping and coordinated by RISE together with Chalmers and GU. For more information contact Sandra Haraldson (sandra.haraldson@ri.se)