Kategoriarkiv: Mjukvara

Fraunhofer lär bilar lyssna på omvärlden

Dagens bilar byggs för att hålla ute så mycket ljud som möjligt. På detta sätt har dock förares medvetande om omgivningen minskats. Forskningsinstitutet Fraunhofer har utvecklat en smart lösning som lyssnar på omgivningen och kan varna och informera om relevanta ljud såsom sirener eller kanske ljudet av en spik i fordonets däck [1] .

Forskarna konstaterar att sådan lösning skulle kunna vara mycket användbar för självkörande fordon och tror på kommersiell lösning inom fem år.

Källa

[1] Mogg, T., Digital Trends, Researchers create artificially intelligent ears for cars to improve road safety, 2020-02-13 Länk

Rättelse om Apex.ai

Förra veckan skrev vi att Apex.AI släppt sin open source stack Apex.OS men detta är inte korrekt. Här är förstahandsinformation som vi fått via mail från Apex.AI (vi behövde ta kontakt med dem eftersom rapporteringen i media varit otydlig/felaktig):

Apex.OS is based on open source ROS 2, but Apex.OS itself is not open-source.

Apex.ai open source lösning

Nyligen släppte Apex.AI sin open source stack Apex.OS som ska förenkla utvecklingen av lösningar för autonoma fordon [1]. En mjukvara har gjorts tillgänglig för alla och vem som helst kan bygga vidare på eller utnyttja delar av den. Med hjälp av Apex.OS behöver utvecklare inte lägga lika mycket tid på att utveckla grunden för autonoma lösningar.

Apex.AI har tidigare lanserat open source-lösningen Robot Operating System (ROS) som varit mer specificerad för robotik. Även om Apex.OS främst är utvecklad för automatiserade fordon kan det också användas inom områden som robotik och flyg.

Apex.AI utvecklar även en open source-lösning som är mer specifikt riktad mot automatiserade fordon: Apex.Autonomy.

Egen kommentar

Jag kan tänka mig att det finns en trade-off i hur specifika (för applikationsområden) open source-lösningar man vill tillgängliggöra, eftersom högre specialisering minskar friheten i problemlösning för de som använder koden.

Källa

[1] Ackerman, E., IEEE Spectrum. Apex.OS: An Open Source Operating System for Autonomous Cars. 2020-01-30 Länk

Skyttlar som rör sig i svärm

En grupp forskare vid University of Warwick har i samarbete med företaget Aurrigo tagit fram en ny mjukvara och installerat den i en självkörande skyttel (pod) som de kallar Swarm [1]. 

Den är utrustad med mjukvara som möjliggör koordinering av körbeteendet, eller svärmning, med andra Swarm-skyttlar. Den här funktionaliteten är inspirerad av fåglars och insekters svärmande egenskaper.

I praktiken innebär detta att skyttlarna kan köra i kolonn (platoon). Med hjälp av mjukvaran blir körningen mer harmoniserat och lättare att fjärrövervaka då det räcker att hålla koll på det första fordonet i kolonnen. Mjukvaran gör det också lättare för skyttlarna i en flotta att optimera sitt beteende till efterfrågan och alltid finnas på den plats där behovet är störst för stunden. 

Mjukvaran ska ha testats i verklig trafik med goda resultat.

Egen kommentar

Att svärm-inspirerade algoritmer implementerats och testats i en skyttel är nog nytt. Däremot är det långt ifrån nytt att använda sådana algoritmer för navigation av robotar. Det finns bland annat en grupp forskare på Chalmers inom Adaptiva system vid Institutionen för Mekanik och maritima vetenskaper som utforskat detta ganska länge. 

Källor

[1] University of Warwick. Autonomous pods SWARM together like bees in world first demonstration. 2020-01-30 Länk

Lyft inspireras av mänskliga förare

Samåkningsföretaget Lyft (konkurrent till Uber) berättar i en artikel i VentureBeat om sina algoritmer för självkörande fordon [1]. Istället för bara sedvanliga maskininlärningsbaserad AI så kompletterar man med vanliga regelbaserade algoritmer och data från hur mänskliga förare brukar agera. Man har också tagit med element från Maslowa behovstrappa och Asimovs robotiseringslagar.

Resultatet är ett beteende som liknar hur mänskliga förare kör vilket bland annat ökar tryggheten hos passagerarna i de självkörande bilarn men också ska vara säkrare.

Egen kommentar

Det låter ju bra, men viktigt är också att alla utvecklare delar principer med varandra så att det kan utvecklas någon form av de facto-standard för hur självkörande bilar ska bete sig. Det får inte bli stora skillnader mellan bilar av olika märken för då kommer man aldrig att nå marknadsacceptans.

Källa

[1] Kyle Wiggers: Lyft details the planning model behind its self-driving cars, VentureBeat 2019-12-11 Länk

Veoneer går med i AVCC

Veoneer gör nu sällskap med bl.a. Toyota, Bosch, Continental, Denso och Nvidia i Autonomous Vehicle Computing Consortium, AVCC [1].

AVCC syftar till att ta fram en principiell plattformsarkitektur med specifikationer för hårdvara och APIer för automatiserade fordon.

Källa

[1] Veoneer joins AVCC to accelerate development of Autonomous Vehicles, New Mobility 2019-11-19 Länk

Skuggdetektion

Forskare på MIT har utvecklat ett system som kan detektera små förändringar i skuggor på marken för att se om det finns ett rörligt objekt, till exempel en fotgängare, bakom hörnet [1].

Systemet, kallat ShadowCam, jämför ljusinstensiteten i skuggor i en videosekvens och klassificerar objekt som stillastående eller rörliga via en avancerad metod kallad “Direct Sparse Odometry” eller DSO.

Källa

[1] Rob Matheson: Helping autonomous vehicles see around corners, MIT News 2019-10-27 Länk

Skademildrande system

En grupp forskare vid University of Waterloo i Kanada har publicerat sina resultat i en ny vetenskaplig artikel med titel Crash Mitigation in Motion Planning for Autonomous Vehicles [1].

Som det framgår av själva titeln handlar artikeln om reducering av skador i oundvikliga olyckor med automatiserade fordon. De har använt sig av en modell för prediktiv kontroll (Model Predictive Control, MPC). När modellen förutsäger att en olycka är oundviklig aktiveras dess reglersystem som sedan baserat på bland annat kraschens uppskattade allvarlighetsgrad, fordonets dynamik och vägens utformning väljer en trajektoria med minst risk. 

Egen kommentar

Bättre säkerhet är en av de främsta förväntade fördelarna med automatiserade fordon och många tror att de aldrig kommer krocka. Men så är tyvärr inte fallet, förr eller senare kommer även automatiserade fordon att krocka. Då är det nödvändigt att ha system som kan mildra skador i olyckor som inte går att undvika. Men nya frågor kan uppstå när systemen avgör hur en krock ska ske – vilken bil ska man prioritera?

Källor

[1] Wang et al., Crash Mitigation in Motion Planning for Autonomous Vehicles. IEEE Transactions on Intelligent Transportation Systems. Länk

Neurala nätverk + video + radiovågor

Att anonymisera data är alltmer populärt och behövligt, speciellt när det gäller videodata som det kommer att finnas gott om i automatiserade fordon. En forskargrupp vid MIT har tagit fram en ny metod som av anonymiserar videodata genom att dra nytta av maskininlärning och radiovågor [1]. 

De har skapat en neural nätverksmodell som kan upptäcka vad människor gör i situationer där de syns dåligt eller är dolda bakom andra objekt. Grundidén är att spela in videobilder av samma scen med synligt ljus och radiovågor. Modellen korrelerar sedan videobilder med radiovågor och rörelserna återspeglas i form av en tredimensionell streckgubbe.

Här kan ni läsa mer detaljerad om det hela.

Källor

[1] MIT Technology Review. Machine vision has learned to use radio waves to see through walls and in darkness. 2019-10-09 Länk

Volvo Cars breddprovar mjukvara med anställda

Volvo Cars erbjuder nu alla sina svenska anställda – ca 17 000 – ett specialabonnemang på bilar för att samla in data för kvalitetssäkring av mjukvara [1]. Bilarna kommer att vara högre utrustade än de vanliga personalbilar som erbjuds idag.

Egen kommentar

Att validera mjukvara (alltså att den gör det den förväntas och inget annat) är svårt och tidskrävande. Det finns myriader av möjliga kombinationer av situationer i det komplexa systemet i modern bil som måste kvalitetssäkras på något sätt. Jämför med en mobiltelefon där ju apparna ju snart sagt varje dag uppdateras för felrättning. Att bara köra ett antal tusen mil på en provbana räcker inte och simuleringar täcker bara de situationer man simulerar, alltså har förutsett kan inträffa. Det är här breddproven kommer in. Men måste man förstås först ha gjort den ”vanliga” kvalitetssäkringen.

En fundering är om Volvo tänker använda sig av breddprovningen när man nu lanserar nya elektriska XC40 [2] som ju kommer att använda Zenuitys förarstödssystem [3].

Källor

[1] Anders Abrahamsson, Valdemar Lönnroth, Anna-Karin Nils Andersson: Volvo erbjuder anställda att köra testbil, Göteborgs-Posten 2 oktober 2019 Länk

[2] Johan Kristensson: Här är allt vi vet om Volvos första elbil XC40, Ny Teknik 2 oktober 2019 Länk

[3] Zenuity systems installed in Volvo Cars’ new all electric XC40 SUV, PR Newswire 30 september 2019 Länk