Kategoriarkiv: Artificiell intelligens

Ghosts kit förvandlar din bil till självkörande

Ghost Locomotion är en amerikansk start-up som utvecklar ett kit för eftermarknadsmontering på befintliga bilar och som då gör det möjligt för dem att köra själva, men bara på motorvägar [1]. Detta då detta utgör 2/3 av amerikansk körning. Därmed undviker Ghost de betydligt svårare problem som finns i andra miljöer.

Ghost använder också en annan princip för sin AI-funktionalitet, något man kallar för imitation learning som utgår från observationen av hur mänskliga förare kör och försöker utifrån detta efterlikna mänskligt körsätt på ett generellt sätt som ska kunna tillämpas på i stort sett vilken modern bil som helst.

Egen kommentar

Ghosts ansatser låter intressanta men är än så länge bara teoretiska då de ännu inte börjat testa i verklig trafik.

Källa

[1] Kyle Wiggers: Ghost raises $63.7 million to develop an aftermarket kit that gives cars self-driving capabilities, Venturebeat 2019-11-07 Länk

Hjälp i korsningar

En grupp forskare vid MIT och Toyota har utvecklat en ny modell som hjälper självkörande fordon i korsningar med sikthinder [1].

Modellen använder sin egen osäkerhet för att uppskatta risken för potentiella kollisioner eller andra trafikstörningar vid obevakade korsningar utan stoppskyldighet. Den väger in flera kritiska faktorer, inklusive visuella hinder i närheten, sensorbrus och fel, liksom hastigheten på andra bilar. Baserat på den beräknade risken kan modellen råda bilen att stanna, köra vidare i korsningen eller krypa framåt för att samla in mer data.

Modellen har utvärderats i ungefär 100 försök med fjärrstyrda miniatyrbilar som svängde vid en tät trafikerad korsning med sikthinder på en miniatyr. Dessa experiment involverade helt självkörande bilar och bilar med stödsystem. Resultaten visar att modellen hjälpte bilarna att undvika kollision i 70-100% av fallen. 

Enligt forskarna skiljer sig deras nya modell från liknande modeller som implementerats i samma fjärrstyrda miniatyrbilar som ibland inte kan fullborda en enda körning utan kollision.

Källor

[1] E&T Engineering and Technology. Autonomous vehicles get help to safely navigate tricky crossroads. 2019-11-05 Länk

Forskare varnar: Enkelt att lura AI-algoritmer för autonoma fordon

Forskare vid universitetet i Tübingen (Tyskland) har nu visat hur AI-algoritmer, som omvandlar kamerabilderna i självkörande bilar till körinstruktioner, är lätta att lura [1].

Enkla färgmönster på en T-shirt, en bildekal eller ett emblem på en shoppingväska kan räcka för att förvirra autopiloten i självkörande fordon. Forskarna varnar nu bilbranschen och har redan informerat vissa biltillverkare som för närvarande jobbar med att utveckla självkörande fordon.

Källa:

[1] Hammerschmidt, C., How simple it is to fool AI algorithms for autonomous vehicles. Smart2.0  2019-10-29 Länk

Reflektioner från ITS World Congress : Del I

Den här veckan befinner jag mig på ITS World Congress 2019 i Singapore som inleddes igår för 26:e gången i rad. Själv deltar jag för första gången. Det är också första gången som kongressen hålls i Sydostasien. Enligt organisatörerna har kongressen dragit till sig runt 10 000 deltagare. 

Konferensen inleddes igår och här kommer mina första reflektioner.

  • Samverkan mellan automatiserade fordon och mänskliga förare är fortfarande ett populärt ämne. Att döma av presentationerna som ingick i ”Human Factors”-spåret utförs sådana studier framförallt i körsimulatorer. Vad som var intressant för mig är att alla dessa studier är gjorda på motorväg, i enkla trafiksituationer och under fina ljus- och väderförhållanden – något som automationen för motorvägskörning typiskt borde klara av. Frågan är då vad som är värdet av sådana studier? Borde man inte utforska situationer där automationen misstänks kunna fallera?
  • En forskargrupp i Japan har utforskat hur förarens förmåga att hantera kritiska situationer påverkas av ”lång” körning (40 minuter) med ett system som kontrollerar fordonets longitudinella och laterala placering på vägen, motsvarande SAE nivå 2 (ACC+LKA). Med hjälp av förarens ögonbeteende och fysikaliska data kunde de avgöra hur sömnighet påverkar förarnas prestanda i sådana situationer. Varje förare deltog i studien vid tre tillfällen vilket möjliggjorde studier av beteendeförändringar över tid. 
  • Effekten av icke körrelaterade uppgifter på förarens förmåga att ta över kontrollen från bilen har utforskats av en forskargrupp vid Newcastle University. Slutsatsen är att tiden att ta över kontrollen ökade när förarna var involverade i flera icke körrelaterade uppgifter samtidigt jämfört med fallen då de inte utförde någon särskild icke körrelaterad uppgift. Beslut att styra undan blev också försenat vid engagemang i flera icke körrelaterade uppgifter. 
  • EasyMiles självkörande minibussar har testats och/eller införts i över 200 platser i 27 länder. Totalt har företaget 130 fordon ute hos kunder och samarbetspartners. EasyMile har delat upp sin mjukvarustack i två delar: EZ Shield och EZ Drive. I den förstnämnda tillämpas ingen djupinlärning. När det gäller säkerhetsutvärdering och validering av EZ Drive ser man två utmaningar: att förstå träningsdata och att förstå modellen.
  • Algoritmer för artificiell intelligens kan lätt störas, både fysiskt och digitalt. För att kunna hantera eventuella attacker föreslår en grupp forskare från NTU i Singapore en s.k. Affine Disentangled Generative Adversarial Network (ADIS-GAN) metod. Den påstås ha bättre prestanda i termer av att identifiera störningar än motsvarande algoritmer. 
  • För att säkerställa att AI fungerar som tänkt föreslår en grupp forskare från tyska TÜV en kvalitetsäkringsprocess som säkerställer att utvecklingen har utförts på ett korrekt sätt under AIs hela livscykel, inklusive hantering av data. 
  • Myndigheterna i Singapore arbetar efter tre pelare: kollektiv trafik, självkörande fordon och eldrivna fordon. Trots att landet testat självkörande fordon under flera år tror inte myndigheterna att automatiserade fordon kan införas i stor skala på marknaden inom de närmsta åren och innan infrastrukturen är redo. Däremot tror man att Singapore kan bli först att adaptera 5G-tekniken.
  • Några intressanta (och återkommande) ord och begrepp:
    • AI is blackbox
    • Data is blood / fuel for AI
    • Technology neutral solutions
    • Cyber security
    • Safety assessment / assurance
    • Multimodal integrated solutions
    • Definitions written by engineers do not necessarily make sense to general public
    • ITS is also for women

To be continued.

Telematics Valley: AI in Automotive – Reality Check

Årets Telematics Valley-konferens handlade om AI inom fordonsindustrin. Här några korta referat.

The Great Math Gap of AI
Carl Lindberg, AI Innovation Sweden
“Matematik, statistik och datavetenskap = AI”
Observation: många hatar matte i skolan och många är dåliga i matematik. Men för att förstå AI måste du kunna matematik och statistik, vilket krävs för att utveckla AI-team och deras kompetens.

AI essential component for automotive
Shafiq Urréhman, CEVT
AI-utveckling är tidskrävande och kräver mycket arbete med data. Datapreparation och märkning tar 80% av tiden.
Nästa stora steg för AI är att använda kvantdatorer för att öka beräkningskapaciteten.

AI based occupant sensing is the key to unleash a new level of functions
Henrik Lind, Smart Eye
Förarövervakningssystem krävs i fordon från 2023 av EU.

What we know that we don’t know
Mats Nordlund, Zenuity
Nyckelfrågor:
• Vad kommer andra trafikanter att göra?
• Bevisa säkerheten
• Framtida lagar och förordningar
• Träning av neurala nätverk
• Minska kostnader för sensorer
Forskningsområden:
• Prediktion av fotgängares rörelser och interaktion med fordon med hjälp av maskininlärning.
• Positionering och ruttprognoser

Automation
Sasko Cuklev, AB Volvo
Det finns stora vinster med automatiserade fordon för godstrafik:
• Ta bort föraren
• Ökad utnyttjandegrad av fordonen
• Minskat underhåll och reducerad bränsleförbrukning
• Plus säkrare och mer förutsägbara fordon
”Använd automatisering där det gör en stor nytta”
Affärsmodellen håller på att förändras. Numera beställer kunderna inte bara bilar, de önskar transporttjänster från A till B.
Flera piloter med automatiserade fordon pågår, bl.a i.
• Avgränsade områden, kalkstengruva i Norge
• Publika områden, hub till hub, 2 projekt pågår.
Vera är en transportlösning för gruvdrift, hamnar och motorvägar.

Egen kommentar: En bra presentation som visar applikationer för automatisering som inte är långt borta.

Autonomous driving in the Nordics –  Geofenced or SAE L5?
Hari Sentamala, Sensible 4
I närtid kommer autonoma fordon kunna köras inom avgränsade, geofencade områden. En säker autonom transport behöver kunna hantera alla väder- och miljöscenarier, där är vi inte idag. Sensible 4 arbetar med att använda redundans med hjälp av olika sensorer och kombinera och analysera resultaten från alla sensorerna så en säkrare autonom funktion kan fås.
Fälttester med autonoma fordon under vinterförhållanden ovanför polcirkeln har positionsnoggrannhet bättre än 18 cm uppnåtts.

Egen kommentar: En bra presentation med mycket humor. ”När SAE-nivån når 5 ändrar vi företagsnamn till Sensible 5”. Från en teknisk synpunkt ser de sig själva som ett sensormjukvaruföretag som använder många sensorer och uppkoppling i sina lösningar.

The importance of Data Quality and Governance for DAIR (Data and AI Ready)
Sofia Serafimovska, SAM Management Consulting
Affärsaspekter och KPIer är viktiga för att hitta och välja den information som krävs.

Machine Learning vs Software development – Verification & validation challenges
Lars Tornberg, Volvo Cars
Hur göra maskininlärning/AI säkert i verklig drift? Träningen av algoritmen kan inte återspegla alla möjliga scenarier.
Ett koncept är att använda en ”safety cage”. Analysera resultaten och validera modellen om de är trovärdiga. Föremål som modellen inte har tränats för, kan i ”safety cage” analysen tala om att detta är något nytt och resultatet därmed inte är säkerställt.

AI on the dark side of the moon
Peter Nordin, Semcon
Är AI ett hot? Ja! Elon Musk, Bill Gates, Stephan Hawkins tror det. Var försiktig med hur AI används. I första steget används AI för bra saker som att upptäcka cancer. Men redan idag är falska nyheter en verklighet. Psykologi och etik måste ingå i AI-utvecklingen.

Egen kommentar: Förmodligen måste EU och regeringar definiera etiska regler och lagstiftning om AI-lösningar. Peter gör en sammanfattning av science fiction-filmer som kan vara verklighet med AI släppt utan etiska aspekter. Då slutar det vara roligt.

Developing environmental model with ML from the ground truth data and scaling it in the cloud
Ulrich Wurstbauer, Luxoft
AD-validering kräver simulering i en virtual reality-modell ” Varför?

  • Fälttester på väg, 1 000 mil körning och ger nästan ingen data som krrävs för validering.
  • Re-simuleringar med hjälp av sensordata, 100 000 000 mil körning och ger ca 1% av data som krävs för validering
  • Simulator i virtual reality, kan ge 99% av nödvändiga data.

Men simulatorer kräver:

  • Modeller, med fokus på detektion, identifiering och prediktion.
  • Skalbarhet
  • En öppen dataplattform för att samla in, sortera och lagra data.

””Retail vision, applying AD approach for enterprise applications”
Atif Kureishy, ​​Teradata
Data + AI = Bättre svar och beslut.
Förutsäga försäljning med hjälp av människors beteende i butiker och använda information för att ändra butiken eller personalen för att förbättra försäljningen.

Egen kommentar: En känd applikation för AI att förutsäga försäljning eller kundreaktioner av olika marknadsföringsåtgärder.

AI risk, AI safety, AI ethics
Olle Häggström, Chalmers
EU har publicerat AI-dokument med etiska riktlinjer för tillförlitlig AI. Det är det första steget men behöver mer arbete för att vara användbar. Olle ser ett behov av regler för AI-applikationer.

Olles svar på publikens frågor:
Andra AI-områden kan vara att automatisera textilindustrin och föra produktionen närmare slutkunderna.
AI har svårt att ta över jobb med hög efterfrågan på social interaktion eller kreativitet.

”An inspiration map of AI in West Sweden.”
Erik Behm, BRG
AI växer inom transporter och fordonstillverkning. Life science, säkerhetsbranschen och finans växer också snabbt.

”Collaboration enabling driver-vehicle-infrastructure automation”
Edvard Brinck, Ericsson och Ola Boström, Veoneer
Uppgiften att att skapa förtroende för autonom mobilitet. Trafiksäkerhet är ett område som kan utvecklas med hjälp av AI och uppkopplade fordon.
2020 3 miljarder trafikanter, få automatiserade fordon >L2 och 1,4 miljoner dödsolyckor
2025 kommer L2+ att vara vanligt
2050 har samverkande säkerhet etablerats, det finns 6 miljarder trafikanter men dödsolyckorna har minskat till 0,7 miljoner.
Att förutsäga mobilitet för trafikanter är ett MobilityXlab-samarbete mellan Ericsson, Viscando och Veoneer.
Två megatrender är analys i realtid och tjänstefiering.

Egen kommentar: Ökad trafiksäkerhet är en bra användning av AI tillsammans med uppkopplade, samverkande fordon och trafiksystem.

How can AI and fashion help the exposed profession of truck drivers become safer?
Helena Iremo, Scania Group, Erik Tengedal, Imagimob
Uppgradering av säkerhetsvästen med uppkoppling och användning av ljus, intelligenta AI-algoritmer, accelerometer och gyro.

The journey to unleash the value of data with AI!
Robert Valton och Fredrik Moeschlin, AB Volvo
Beskriver arbetet hos Volvo med data och AI.

Develop AI cheaper and faster with collaborations
Hans Salomonsson, EmbeDL
Användning av syntetiskt genererade data för träning av AI.

Peter Kurzwelly, AI-innovation of Sweden.
Det finns en AI online-kurs på svenska. https://www.elementsofai.com/
Gör kursen! En uppföljning är på gång.

Sammanfattning

Det var många intressanta presentationer, och många om ”hur arbeta med AI i dina lösningar”. Min reflektion är att det har varit ännu mer intressant, om man tagit upp vad AI kan lösa och vad andra metoder kan lösa enklare för transportsystem och ta en bättre helhetssyn på ämnet.

FAW använder RoboSense smarta lidar

Kinesiska fordonstillverkaren FAW har nu beslutat använda och integrera likaså kinesiska RoboSenses nya ”smarta lidar” i sina kommande automatiserade fordon [1].

Den nya lidarn, RS-LiDAR-M1, är smart såtillvida att den inte bara skickar ut rådata utan även innehåller AI-mjukvara för att analysera och generera tidssynkroniserad data om position, objekt och objektklassificering, vägkanter etc. På detta sätt ska systemet bli billigare, robustare och dra mindre energi.

Egen kommentar:

Det är ett naturligt steg för sensortillverkare att bygga in mer och mer intelligens i sensorerna. Motsvarande gäller även för aktivatorer/ställdon (drivlina, styrning, bromsar) vilket då leder till att fordonstillverkarna kan fokusera på den övergripande regleringen av fordonet.

Källa:

[1] FAW Teams up with RoboSense on The World’s First Automotive-grade Solid-state Smart LiDAR Sensor for Serial Production, Business Wire 27 september 2019 Länk

FFI Trafiksäkerhet och Automatiserade Fordon 2019

I tisdags hölls FFIs delprogram Trafiksäkerhet och Automatiserade Fordon sin årliga resultatkonferens. Programledaren Ulrika Landelius inledde med att berätta om den nya övergripande färdplanen för FFI, kopplad till Agenda 2030-målen. Vidare så pågår det en utvärdering av hela FFI-programmet som ska vara klar i slutet av året.

Därefter visade Rikard Fredriksson från Trafikverket en analys av trafiksäkerhetsindikatorer och dödsolyckor 2018:

  • 2018 ökade antalet omkomna i trafiken med ca 30%. 
  • I stort sett hela ökningen är på statliga vägar. Den största delen av ökningen står bilförarna för, medan cyklisterna dominerar bland de allvarligt skadade. Äldre bilar står för en oproportionellt stor andel av olyckorna. 
  • Som det ser ut just nu kommer Sverige att missa det uppsatta trafiksäkerhetsmålet för 2020 då flera indikatorer pekar åt fel håll. Det är bland annat bättre hastighetsefterlevnad som behöver uppnås liksom nykter trafik samt bättre drift och underhåll av infrastrukturen och bättre användning av cykelhjälm. Dessutom behöver gamla bilar skrotas!
  • En intressant reflektion är att det bör finnas en starkare koppling mellan indikatorer och FFI-portföljen. 

Projektpresentationer från den strategiska cykelsatsningen:

  • Att dela olika världar, Katja Kircher, VTI.Beeendeanalyser i projekten TRACE och ADVanCE visar att cyklister och bilister ställs inför olika utmaningar. Högre komplexitet för cyklister är normalt, och framförallt ändras det snabbare för cyklisterna. Ofta råder det oklarhet om vilka regler som gäller för cyklister. Man kan inte låta bli att undra: Hur kommer det då gå för automatiserade fordon i sådana situationer?
  • Cyclist Collision Avoidance Using Imagery Sensor, Tobias Aderum, Veoneer. Veoneers trackingsystem för att identifiera och autobromsa för cyklister sitter bl.a. i nya Mercedes A-klass. För att vidareutveckla systemet har projektet också försökt att, genom att identifiera hjulens ellipser, räkna fram cykelns tillståndsparametrar och prediktera cyklistens avsikter. Resultaten är inte perfekta men lovande. Behöver vidareutveckling för att kunna hantera exempelvis dåliga väder- och ljusförhållanden. 
  • V2Cyclist: Kan V2X bli en användbar teknik för cyklister? Johan Fagerlönn, RISE. Hjälmprototyper för V2X kopplade till en molntjänst samt användargränssnitt via ljud och vibrationer via en ben-ledare. Prototypen ha utvärderats med ett begränsat antal deltagare med lovande resultat. En reflektion är om smarta hjälmar kan öka användning av hjälmar generellt sett? Och hur upplevs det när man bara får varning från en del fordon men inte alla?

Bengt Pipkorn från Autoliv föredrog humanmodellering: var är vi och vart är vi på väg? Med humanmodeller menas modeller av den mänskliga kroppen. Modellerna kan sedan skalas för att representera olika människor: stora och små, män och kvinnor etc. Några resultat:

  • Nyare bilar ger ökade skaderisker i vissa fall, som hjärnskakning, höftskador. Riskgrupper är kvinnor, äldre, överviktiga. Humanmodellen SAFER THUMS kan idag prediktera risken för vissa frakturer för olika åldrar. För att möjliggöra utveckling av ett mer generellt skyddssystem utvecklas humanmodeller för olika storlekar av åkande. 
  • I framtiden när bilarna blir mer automatiserade och de åkande kan välja olika sittpositioner kommer det att krävas nya metoder för att prediktera skaderisken och nya skyddssystem.
  • Nya sittpositioner i automatiserade fordon som väntas bli farliga: bakåtlutad och bort från främre airbags, bakåtvänd, roterad, sovande.

Johan Svahn från Scania drog därefter projektet ARCHER – Arkitektur och säkerhet för autonoma tunga fordon. ARCHER:s syfte var att utforska problemställningarna kring utveckling av automatiserade tunga fordon. Projektet startade relativt tidigt i utvecklingen av AD vilket gjort att omvärlden hann förändras och det tänkta projektupplägget blev mindre relevant, samtidigt som svårigheterna visade sig vara större än väntat. Projektets fokus hamnade därför istället på förståelse, metoder och principer samt modellering och simulering. Säkerhetsmekanismer, redundanskoncept, gapanalyser, verifieringsstrategier och utvärdering av säkerhetskultur var andra delar som ingick. Arbetet fortsätter delvis inom ramen för PRYSINE-projektet (Programmable systems for intelligence in automation)

Efter Horizon 2020 (H2020) kommer nu nästa stora EU-forskningsprogram Horizon Europe (2021-2028). Mats Rosenquist från AB Volvo berättade om programmet och hela det stora nätverket som finns i EU-sammanhang. Han poängterade att det är viktigt att FFI-projekt används för att skapa argument och driva fram viktiga frågor på EU-nivå. Och fortfarande återstår två utlysningar inom Automated Road Transport 2020!

Trent Victor från Volvo Cars diskuterade sedan hur vi säkrar att under färd lämna tillbaka kontrollen till föraren från ett automatiserat fordon?, ett aktuellt ämne bl.a. med tanke på incidenter och olyckor. Några slutsatser:

  • En studie utförd av Volvo Cars visade att förarna inte reagerar eller reagerar försent när de behöver snabbt ta tillbaka kontrollen från automationen, oavsett om man har händerna på ratten eller inte, om man tittar på vägen eller inte. Det finns helt enkelt begränsningar i människans reaktion- och kognitivförmåga. 
  • Det är stor skillnad på självstyrande fordon och självkörande fordon, vilket inte framgår av SAE-skalan. 
  • Problem uppstår när man byter roll. Är jag tillräckligt bra på att hantera bilen efter att ha fått ta över? Vilket tillstånd är jag i efter att ha varit ur loopen ett tag? Vad händer om den så kallade operativa kördomänen (ODD) plötsligt ändras? Om systemet fallerar? Systemen måste kunna stödja föraren i en mer utdragen överlämningsprocess.
  • En slutsats är att man borde ta fram ett alternativ till SAE-skalan. Nivåerna bör förenklas till: manuell – övervakad körning – ej övervakad körning. 

Slutligen föredrag Lars Hammarstrand från Chalmers projektet COPPLAR – Robust visual localization for self-driving vehicles in every season. För automatiserade fordon är det viktigt att de kan lokalisera sig i omgivningen. Men det är ingen enkel uppgift. De viktigaste utmaningarna här är att kunna utföra lokaliseringen med tillräcklig noggrannhet. En svårighet är att omgivningen ändrar sig såväl över längre tid (sommar-vinter) som kortare (dag-natt) tid och till och med ögonblick (stationära objekt). COPPLAR har använt semantiska annoteringsmetoder i maskininlärning för att sortera ut några av dessa problem.

Och till sist var det ett par öppna frågor som diskuterades:

  • Är det bra eller dåligt att man ser många bekanta ansikten i publiken?
  • Hur ser vi till att resultaten från FFI-projekt kommer till användning i industrin och samhället? Hur mäter man effekten av FFI-projekt?

Korta notiser

Här några korta notiser om vad som hänt nyligen:

  • Uber börjar testa självkörning i Dallas, Texas. I första steget handlar det om datainsamling. The Verge 17 september.
  • Ouster och Nvidia samarbeta för att integrera Ousters OS2 lidar i Nvidias AD-plattform. Forbes 18 september.
  • Lyft lanserar en innovationstävling där deltagarna ska använda Lyfts öppna annoterade data för objektidentifiering. Första pris är $25 000. Medium 12 september.
  • Jaguar/Landrover prövar ”ögon” på förarlösa poddar som ett sätt att kommunicera med andra trafikanter som fotgängare. JLR 28 augusti.
  • JLR samverkar också med OSR och integrerar deras AI-plattform i Jaguar I-PACE IAA 11 september.
  • Veoneer har fått kontrakt från en icke namngiven fordonstillverkare att leverera värmekameror till självkörande bilar (nivå 4). Veoneer 17 september.
  • Kinesiska MINIEYE satsar på ADAS och får på det sättet tillgång till stora mängder data som man kan använda för framställning av HD-kartor. BusinessWire 17 september.
  • Amerikanska Transportmyndigheten finansierar 8 AD-projekt i 7 delstater med totalt $60 miljoner. RoadShow 16 september.
  • Shanghai har givit tillstånd för utökade AD-tester till SAIC, BMW och Didi Chuxing. Med de nya tillstånden får man också köra passagerare. China Daily 17 september.

Drive Sweden Forum 2019

I går 12 september gick årets Drive Sweden Forum av stapeln med ca 270 deltagare. Drive Sweden är ju ett av 17 strategiska innovationsprogram (SIP) som finansieras av Vinnova, FORMAS och Energimyndigheten. Lindholmen Science Park är värdorganisation med Sofie Vennersten som programledare och Jan Hellåker som ordförande och har mer än 120 partners från 13 länder – 4 nya medlemmar presenterades på konferensen. Programmet blir alltmer internationellt, med samverkan såväl i EU- finansiering som gemensamma projekt. Man har också nu en person i Silicon Valley och har samarbete med Singapore.

Drive Sweden finansierar lite mer banbrytande projekt inom hållbar mobilitet, som exempelvis KOMPIS, LIMA och KRABAT. Man ger också ut nyhetsbrevet Smart Mobility samt har ett antal andra aktiviteter. Man gör nu ett omtag och lanserar en ny struktur, med delarna Society Planning, Digital Infrastructure, Policy Development, Business Models och Public Engagement, med fokus på såväl person- som godstransporter. Man har nu en öppen utlysning Innovationer för ett digitaliserat och automatiserat transportsystem för människor och gods som stänger 5 november.

Här korta sammanfattningar från några av konferensens föredrag.

David Green från Lynk & Co pratade om företagets vision att förändra mobilitet med hjälp av digitalisering för att ge en bättre kundupplevelse. För detta krävs samverkan med externa parter och man har skapat en öppen samverkansplattform colab.lynkco.com.

Ulrik Janusson och Marie Bemler från Scania visade några framtida möjliga scenarios för digitalisering inom godstransporter. Två viktiga parametrar är öppenhet i delning av data och hur mycket klimatfrågan slår igenom.

Hur kan man samverka med allmänheten när man designar framtida mobilitetstjänster och därmed nå en bättre acceptans för till exempel självkörande fordon? Detta har Vaike Fors från Högskolan i Halmstad studerat. En lärdom är att man måste gå bortom att bara titta se ”användare” och ”stadsinvånare” till att se alla som människor med olika behov, kunskaper och värderingar.

Våra kollegor Kent Eric Lång och Håkan Burden från RISE Viktoria berättade om policy-labbprojektet PLATT som tittar på möjliga strategier för att underlätta för självkörande fordon även från nya aktörer. En viktig strategi är att kunna bygga förtroende, trust, istället för tidigare typgodkännande-rutiner. Projektet är snart slut och man söker nu nya initiativ runt policy-utveckling.

Samtidigt måste samhället kunna hantera både att skapa goda näringslivsförutsättningar för ny teknologi och också bibehålla och förbättra säkerheten i trafikmiljön och därmed bygga förtroende, vilket Anna Fridén från KOMET, Kommittén för teknologiskt innovation och etik som den svenska regeringen tillsatt, berättade om.

Stefan Myhrberg från Ericsson talade om digital infrastruktur för automatiserade fordon, där man bland annat etablerat Drive Sweden Innovation Cloud, där Drive Sweden-medlemmar kan lagra och dela data från fordon, infrastruktur, parkeringsplatser, kameror etc. 5G är då en möjliggörare för att tillräckligt snabbt hantera de stora datamängderna som krävs när många enheter blir uppkopplade.

Olof Johansson från Trafikverket visade en ny färdplan för ett uppkopplat och automatiserat vägsystem. Färdplanen har identifierat 20 åtgärder i 4 kluster: Ökad kunskap om automatiseringens effekter (t.ex. tester och demonstrationer), Effektivt utnyttjande av kapacitet (t.ex. MaaS), Hållbart och säkert transportsystem genom digitalisering (t.ex. miljözoner) och Nya planeringsstöd för ökad användbarhet (t.ex. simuleringsmodeller). Nästa steg är att implementera åtgärderna. Suzanne Andersson från Trafikkontoret i Göteborg pratade om några utmaningar som då uppstår för samhällsplanerarna, som att städer utvecklas långsamt och man måste ta hänsyn till kommungränser.

En svårighet är att hitta och välja rätt affärsmodell för nya mobilitetslösningar. Rami Darwish från KTH berättade om ett affärsmodell-labb som man jobbar med inom ITRL ihop med Sustainable Innovation. I en paneldiskussion med Li Höglund från SnappCar, Stina Wärn från Folksam, Ulf Hammarberg från DHL och Mikael Rönnholm från CEVT, ledd av Roland Elander från Sustainable innovation, diskuterades detta. En nyckel är att lyssna till användarna och att vara beredd att göra snabba ändringar. Data från fordon och tjänster är också viktiga informationskällor. Men informationen måste då skyddas från intrång. Även regelverken måste kunna anpassas snabbt, med elsparkcyklar som ett aktuellt exempel. E-handel är ett annat område där affärsmodellerna behöver anpassas att bli både mer hållbara men ändå lönsamma. För industrin behöver affärsmodeller och leverantörskedjor också bli mer öppna att inkludera även lösningar från små entreprenörsföretag. Utvecklingen går både fortare och långsammare, beroende på område, än vad många tror. Man måste alltså jobba både kort- och långsiktigt.

Martin Svensson från AI Innovation of Sweden pratade om AI i det framtida transportsystemet, på komponent-, system- och samhällsnivå. Det finns stora möjligheter men mycket återstår att göra. Mats Nordlund från Zenuityvisade exempel på hur de använder AI och maskininlärning i sin verksamhet.

Joakim Jonsson från Volvo Bussar berättade om arbetet med autonoma stadsbussar som är kopplat till KRABAT-projektet. Man kan inte börja med att köra helt autonomt utan har identifierat 3 möjliga användningsfall: hållplatskörning, busståg och rangering i bussdepå. Se filmen nedan.

Zenuity + CERN

Zenuity har inlett ett samarbete med CERN (European Organization for Nuclear Research) gällande utveckling av snabb maskininlärning för självkörande bilar [1] .

Samarbetet kommer att fokusera på algoritmutveckling för tolkning av stora mängder data. För detta kommer de att använda sig av Field-Programmable Gate Arrays (FPGAs), något som CERN använt för partikelmodellering. 

CERN har den jättelika partikelacceleratorn LHC på gränsen mellan Frankrike och Schweiz och är världens största laboratorium inom partikelfysik. Detta är första gången som CERN samarbetar med fordonsindustrin.

Egen kommentar

Ett udda samarbete kan man tycka, men som vi påpekat flera gånger innan så måste fordonsvärlden utvidga sina vyer om automatiserad körning ska kunna bli verklighet.

Källor

[1] Zenuity. Zenuity and CERN team up on fast machine learning for autonomous driving. 2019-08-29 Länk