Kategoriarkiv: Teknologi

Teknologi

En ny uppdatering av SAE J3016

Nu är väntan över – en ny uppdatering av SAE J3016 Recommended Practice: Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles är äntligen här [1]. Uppdateringen har gjorts i samarbete mellan SAE International och International Organization for Standardization (ISO). Det handlar dock inte om några stora ändringar. Nedan kan ni läsa min tolkning av några ändringar som kan vara värda att lägga på minnet. 

  • Det nya dokumentet verkar göra ett nytt försök att tydliggöra skillnader mellan SAE-nivå 3 och 4. De har nu tryckt på att den främsta skillnaden ligger i s.k. fallback (reserv). Ett automatiserat körsystem (ADS) motsvarande SAE-nivå 3 bör lämna tillbaka kontrollen till en mänsklig förare om det inte kan fortsätta på grund av funktionsstörningar eller under de driftsförhållanden som det är designat för. Till skillnad från ett system på SAE-nivå 2 är dock överlämningar på nivå 3 inte omedelbara, vilket ger en ouppmärksam förare lite tid (ej definierat hur mycket exakt) att göra sig redo för ett övertagande. Nivå 4 å andra sidan kan erbjuda en mänsklig förare att ta över kontrollen men ska aldrig använda en mänsklig förare som reserv. Ett sådant ADS måste kunna ta hand om sig självt inom sina avsedda driftsförhållanden och lösa sina ”problem” utan att förvänta sig något stöd från en mänsklig förare.
  • I den uppdaterade versionen återfinnes definitionen av två nya termer: fjärrhjälp (remote assistance) och fjärrkörning (remote driving). Fjärrhjälp definieras som vägledning som ges till ett fordon utrustat med ett ADS i situationer där det är oklart för ADS vad det kan göra på egen hand. En mänsklig operatör som tillhandahåller fjärrhjälp tar inte över köruppgiften utan kan exempelvis tala om för fordonets ADS var det kan köra. Det övergripande målet här är att se till att resan med ADS kan fortsätta. Fjärrkörning å andra sidan är när en mänsklig operatör (fjärrförare) tar över delar eller hela köruppgiften från ADS i realtid, utan att befinna sig i fordonet. Med andra ord så har en fjärrförare befogenhet att åsidosätta ADS i syfte att ta över lateral och longitudinell manövrering av fordonet. En fjärrförare kan också fungera som reserv åt ADS. Dokumentet klargör dock att fjärrkörning gör att det inte blir automatiserad körning: Remote driving is not driving automation. 
  • En annan uppdatering är att system motsvarande SAE-nivå 1 och 2 kallas nu ”förarstödssystem”. Detta mest för att minska risken för förvirring och förhindra människor från att tro att dessa system möjliggör automatiserad körning. (Ni kanske noterat att vi i OmAD använder just begreppet förarstödssystem för SAE-nivå 1 och 2). 
  • I det nya dokumentet presenteras också en definition av strategi för felreducering (failure mitigation strategy). Det är en funktion (ej samma som ADS) som är designad för att ta ett fordon utrustat med ADS till ett kontrollerat stopp i någon av följande situationer: a) när en reserv inte svarat på begäran om att ta över kontrollen inom utsatt tidsram (berör SAE-nivå 3) och b) när det inträffat ett systemfel hos ADS eller en extern händelse som exempelvis en katastrof som gör att ADS inte kan fortsätta köra vidare. För mig låter detta som en väldigt bred definition som kan vara utmanande att tillämpa i praktiken. 
  • Definitioner för fordonstyper har grupperats i fyra kategorier: ADS-utrustade fordon, ADS-dedikerade fordon, fordon med dubbla körlägen (dual-mode) och konventionella fordon. ADS-dedikerade fordon och dual-modefordon är alltid ADS-utrustade fordon. Konventionella fordon kan, men behöver ej nödvändigtvis, vara ADS-utrustade fordon.

Något annat som kan vara värt att notera är att man i det uppdaterade dokumentet valt att behålla begreppen ”automatiserad körning” och ”automatiserat körsystem”, till skillnad från exempelvis Waymo som valt att använda begreppet ”autonom”. En annan observation från min sida är att man i det uppdaterade dokumentet inte uppdaterat den grafiska illustrationen av SAE-nivåerna som många använder sig av för att på ett ”enkelt” sätt förklara skillnader och likheter mellan dem. Antagligen är man nöjd med den. 

Källor

[1] SAE. Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles (J3016_202104). 2021-04-30 Länk

Sensorer

Sensorindustrin

Företaget Tangram Vision som arbetar med integration av diverse sensorer för robotar, inklusive autonoma fordon, har tagit fram Perception Sensor Industry Map [1]. Den ger en bra överblick över relevanta aktörer inom området. 

Kopplat till detta kan ni också läsa om Hellas nya 77GHz radar här samt om Luminars samarbete med Pony.ai här.

Källor

[1] Tangram Vision. The 2021 Perception Sensor Industry Map. 2021-05-05 Länk

Elektronik och processorer

VW ska utveckla egna chip

Tesla och Apple hör till de aktörerna som utvecklar egna chip för självkörande fordon. Nu kommer de få sällskap av Volkswagen, i alla fall enligt ett uttalande från Volkswagens styrelseordförande Herbert Diess i tyska Handelsblatt [1].

Det är Volkswagens mjukvaruföretag Cariad som ska driva fram designen och utvecklingen av de nya chipen. Tillverkningen kommer dock hamna på någon extern icke namngiven part. 

Motiveringen för den här satsningen är att mjuk- och hårdvaran behöver utvecklas av ”en hand”. Förhoppningen är att detta ska bidra till snabbare utveckling av självkörande system för fordon.

Egen kommentar

Det framgår inte när i tiden som Volkswagens satsning kommer att realiseras, men jag skulle inte vara förvånad om man redan börjat med det. Frågan är bara om Volkswagen har rätt muskler att ro detta i land? 

Kopplat till ämnet kan ni också läsa om EUs ambitioner att skapa en halvledaralians mellan ST Microelectronics, NXP, Infineon och ASML. Detta för att göra det enklare att stödja nya halvledarfabriker med EU-medel. 

Källor

[1] Reuters. Volkswagen to design chips for autonomous vehicles, says CEO. 2021-04-30 Länk

Artificiell intelligens, Mjukvara

Kör en egen algoritm i ditt självkörande system?

Skribenten Priya Dialani spekulerade nyligen på Analytics Insights om ett möjligt framtida koncept inom självkörande fordon: ”Bring Your Own Algorithm” (BYOA). Textens innehåll må vara verklighetsfrånvänd, men den väcker samtidigt visionära tankar om öppen innovation inom fordonsbranschen.

Bakgrunden till notisen förstås bäst utifrån den crowdsourcing som blivit populär inom data science. Med hjälp av gamification och prispengar lockas data scientists till plattformar som Kaggle för att tävla med sina maskininlärningsmodeller. Företag och organisationer, dvs. Kaggles kunder, publicerar olika problem. Kaggle i sin tur erbjuder infrastruktur för att snabbt hjälpa tävlande att komma igång med lösningsorienterat arbete. Topplistor sporrar de tävlande att lägga tid på att föreslå avancerade lösningar – de som placerar sig högt på listorna är ständigt hett villebråd för rekryterare.

Priya tar som exempel upp satsningen C2 Labs Fight Against Cancer. I likhet med Kaggle erbjuder C2 Labs en infrastruktur där data scientists kan bidra med sin expertis för att träna modeller i kampen mot cancer. C2 Labs menar att de varken har medicinsk domänexpertis eller tillräckligt många data scientists, däremot är de experter på DevOps och automation av arbetsflöden. Bolaget hävdar att de erbjuder tredje part att ”Bring Your Own Algorithm” (BYOA) i deras plug-and-play-miljö för att påskynda utvecklingen.

Vore det möjligt att flytta konceptet till fordonsindustrin? Kan en infrastruktur som möjliggör BYOA stimulera öppen innovation? Det är välkänt att enorma kreativa krafter finns tillgängliga på andra geografiska platser samt att ”de flesta smarta människor arbetar någon annanstans.” Fordonsbranschen har redan publicerat flera dataset på Kaggle och fordonsperception används ofta för benchmarking av maskininlärningsmodeller. Kan man gå längre än så?

Priyas kristallkula indikerar att smarta telefoner kan möjliggöra för förare att BYOA till en självkörande bil i drift. Hon tänker sig att efter godkänd handskakning mellan telefon och bil så skulle personliga algoritmer för vägval och ruttpreferenser kunna förmedlas. Där slutar Priyas tankeexperiment. Hur skulle den tekniska infrastrukturen se ut? Hur skulle sådana lösningar kunna kvalitetssäkras? Kan man någonsin BYOA för något mer känsligt än inställning av förarsätet och infotainment? Priyas notis och tankar är långt ifrån genomarbetade, men något i resonemanget väcker mitt intresse.

Källor

Dialani P., Analytics Insight. Self-Driving Cars can now have Bring Your Own Algorithm (BYOA). 2021-04-04 Länk

Finansiering, Forskningsprojekt, HMI, Okategoriserade

Virtuell verklighet för underhållning

Det tyska startupföretaget holoride som nyttjar virtuell verklighet (VR) för att skapa underhållning för resor i (självkörande) fordon har nu avslutat en Serie A finansieringsrunda och fått in 10 miljoner Euro [1]. Finansieringsrundan har letts av det svenska företaget Terranet som utvecklar teknologi för förarstödssystem (ADAS).

Holorides VR-underhållning använder sig av fordonets accelerationer och rörelser för att stimulera användaren. Utryckt på ett annat sätt, det man ser i VR-glasögonen synkroniseras med det man fysiskt upplever i fordonet. Det blir som ett lager av gamification på verkligheten. Holoride har nyligen också vunnit en pitchtävling inom kategorin Entertainment, Gaming & Content som anordnas årligen av South By Southwest, en festival med fokus på media och underhållning [2].

Om vi skiftar fokus ifrån underhållning till säkerhet, så har forskare från Cambridges Universitet, Oxfords Universitet och University College London i Storbrittanien testat en 3D head-up-display som via förstärkt verklighet visar föraren information från LiDAR [3]. Syftet är att möjliggöra för föraren att ”se igenom” objekt för att bättre kunna undvika olyckor vid skymd sikt, eller detektera trafikskyltar som är skymda. Planen är att anpassa systemet så att det får plats i ett fordon och sedan testa det i fordon, vilket ännu inte gjorts.

Egen kommentar

Både virtuell och förstärkt verklighet är attraktiva teknologier som utforskats ganska länge. Ingen av dem har dock varit tillräckligt mogen för storskalig användning i fordonsbranschen. Men nu tycks dessa tekniker mognat något, och det är inte osannolikt att de får en viktig roll i autonoma fordon. Många aktörer i underhållningsbranschen ser nämligen autonoma fordon som en stor affärsmöjlighet.

Källor

[1] holoride. holoride Completes Series A Funding Round. 2021-04-22 Länk

[2] holoride. WE WON! holoride Honored at 13th Annual SXSW Pitch. 2021-03-22 Länk

[3] University of Cambridge. 3D holographic head-up display could improve road safety. 2021-04-26 Länk

Artificiell intelligens, Etik, Fordon, HMI, Inspiration, Mjukvara, Okategoriserade, Samverkan människa - maskin

Varför behövs Explainable AI (XAI)?

Våra liv är fyllda av förklaringar. Vi går till doktorn för att få vår onda axel undersökt. Doktorn säger till dig att vila armen och undvik tunga lyft. Dessutom får du ett recept på ett läkemedel. Du undrar direkt, varför behöver jag ta medicin? Du vill också få reda på vilken diagnos doktorn ställt på min axel? Och hur lång tid kommer det ta innan den blir bra? Du frågar efter mängder av förklaringar.

Legendaren Lance Eliot har skrivit en artikel om varför förklarande AI (Explainable AI, XAI) behövs för autonoma fordon [1].

Utmaningen ligger i att ställa rätt fråga och att den som förklarar förstår på vilken nivå förklaringen ska ges. Inte sällan sker förklaringen under en dialog allteftersom mer och mer information faller på plats hos den som ställer frågor.  

När människor interagerar sker denna dialog naturligt. Men vad händer om vi interagerar med en maskin, ett system eller ett autonomt fordon? Inga av dagens AI-baserade system har tillräcklig förmåga att fullständigt känna igen en människas beteende eller tal och därmed får AI-systemet problem att kunna engageras i en naturlig dialog med sina användare.

Tänk dig situationen när du åker i ett autonomt fordon som plötsligt tar en annan rutt än den vanliga eller att fordonet du färdas i plötsligt bromsar kraftigt. I ett vanligt fordon skulle du fråga chauffören varför detta plötsliga beteende. Men hur ska det ske i ett fordon utan mänsklig förare? Ska passageraren koppla upp sig till kundtjänst eller fjärrkontrollcenter?  Det skulle inte skala särskilt bra med flera hundra tusen fordon som samtidigt är ute och kör.

XAI är en mycket viktig komponent för att skapa autonoma fordon. Lämpliga och lägliga förklaringar till fordonets beteende kan vara avgörande för att vi användare ska kunna lita på fordonet.

Sammanfattningsvis, vi som åker med autonoma fordon kommer vilja ha förklaringar av olika slag från fordonet. Ett kostnadseffektivt och lättillgängligt system som kan ge dessa förklaringar skulle förkroppsligas av ett XAI som baseras på det AI-system som kör fordonet.

Egen kommentar

Som AI forskare inses lätt nyttan med denna typ av system, tänk om Alexa eller Siri förstod allt jag vill eller undrar! Samtidigt finns ett spännande kunskapsgap mellan vad som är möjligt att visualisera med avseende på information som ligger till grund för ett beslut i ett AI/Machine learning-system och ett system som kan interagera med en användare och som förstår innebörden av grunderna i beslutet.

Källa

[1] Lance, E, Forbes. Explaining Why Explainable AI (XAI) Is Needed For Autonomous Vehicles And Especially Self-Driving Cars. 2021-04-24 Länk

Artificiell intelligens, Etik, Inspiration, Lagstiftning och regelverk

EU föreslår AI-regelverk

Under veckan har EU-kommissionen presenterat förslag på nya regler och åtgärder för att göra Europa till ett globalt centrum för tillförlitlig artificiell intelligens (AI) [1]. 

Mer specifikt så har kommissionen föreslagit ett rättsligt ramverk för AI samt en ny plan på hur medlemsländerna och kommissionen bör samarbeta och samordna sina aktiviteter för attsäkerställa att AI införs i samhället på ett säkert sätt och i linje med de grundläggande rättigheterna för människor och företag samtidigt som AI-innovationer och implementering stimuleras. Utöver det är planen att ta fram nya regler för maskiner, där säkerhetsreglerna anpassas för att öka användarnas förtroende för den nya generationen av produkter. 

Förhoppningen är att dessa åtgärder ska leda till att människor kan lita på AI samt bana väg för en etisk användning av AI globalt. 

De föreslagna AI-reglerna är anpassade efter risknivån:

  • Oacceptabel risk: AI-system som anses utgöra ett hot mot människors säkerhet, försörjningsmöjligheter och rättigheter kommer att vara förbjudna. Detta inbegriper AI-system eller tillämpningar som manipulerar mänskligt beteende för att kringgå användarnas fria vilja (t.ex. leksaker som använder röstassistans som uppmuntrar minderåriga till farliga beteenden) och system som länder kan använda för ”social poängsättning”.
  • Hög risk: AI-system som anses utgöra hög risk är exempelvis AI-system som används exempelvis i kritiska infrastrukturer som transport och som kan innebära hot mot människors liv och hälsa. AI-system med hög risk kommer att omfattas av strikta skyldigheter innan de släpps ut på marknaden. Exempel på dessa skyldigheter: Loggning av åtgärder för att säkerställa spårbarheten för resultaten, detaljerad dokumentation om systemet och dess ändamål som lämnas in till myndigheter, tydlig och tillräcklig information till användaren, etc. 
  • Begränsad risk: AI-system med särskilda transparenskrav som exempelvis chattbotar som behöver vara så pass transparanta att användarna blir medvetna om att de interagerar med en maskin.
  • Minimal risk: Lagstiftningsförslaget tillåter fri användning av sådana tillämpningar som AI-stödda videospel eller skräppostfilter. Den absoluta majoriteten av AI-systemen tillhör denna kategori. 

När det gäller styrning föreslår EU-kommissionen att de nationella behöriga marknadskontrollmyndigheterna övervakar de nya reglerna. De föreslår också att det inrättas en europeisk nämnd för AI som främjar genomförandet och utvecklingen av AI-standarder. Ett annat förslag är frivilliga uppförandekoder för sådan AI som inte utgör hög risk samt ”regulatoriska sandlådor” som främjar ansvarsfull innovation.

Europaparlamentet och medlemsländerna kommer att behöva anta EU-kommissionens förslag till en europeisk strategi för AI och för maskinprodukter genom det ordinarie lagstiftningsförfarandet. När förordningarna antagits kommer de att vara direkt tillämpliga i hela EU. 

Egen kommentar

AI är en viktig teknik för framtida transporter generellt sett, och inte minst för automatiserade transporter. Personligen tycker jag att det är väldigt positivt att EU tar i ”taktpinnen” och ser till att AI-system inte skapar fler problem än nytta för samhället. Samtidigt är jag osäker på hur detta kommer att fungera i praktiken. Det återstår väl att se. 

Källor

[1] EU Commission Press release. Europe fit for the Digital Age: Commission proposes new rules and actions for excellence and trust in Artificial Intelligence. 2021-04-21 Länk

Funktioner, HMI, Mjukvara, Okategoriserade, Positionering, Sensorer, Teknologi, Tester och demonstrationer

Huaweis nya AD Tech

Det kinesiska telekomföretaget Huawei har introducerat fem nya fordonsrelaterade produkter och lösningar: en radar, en bilskärm med förstärkt verklighet (augmented reality heads-up display, AR-HUD), en plattform för autonoma fordon, ett värmehanteringssystem, och en smart förarhytt [1].

Huaweis nya radar som kallas 4D imaging radar ska ha en rad nya förbättringar jämfört med existerande radarer. Exempelvis ska den kunna klara av svårare ljus- och väderförhållanden, ha bättre förmåga att upptäcka objekt utanför siktlinjen, och dessutom se i högre upplösning.

Ni kan läsa mer om resterande produkter i källan.

Ni kan också se en video här när Huaweis autonoma system utrustat på en Arcfox bil ifrån fordonstillverkaren BAIC demonstreras i Shanghai.

Källa

[1] Udin, E., Gizchina. HUAWEI RELEASES FIVE NEW CAR-RELATED PRODUCTS – HUAWEI OCTOPUS, 4D IMAGING RADAR, & MORE. 2021-04-18 Länk

Elektronik och processorer

Drive Atlan

Under veckan hölls årets upplaga av Graphics Technology Conferens (GTC) där Nvidia presenterade några nyheter. En av dem är en ny systemkrets (chip) kallat Drive Atlan som är specifikt utformad för att hantera det stora antalet AI-applikationer som körs samtidigt i autonoma fordon [1]. Den väntas komma på marknaden först i 2025-års fordonsmodeller. 

Den nya kretsen klarar av 1000 biljoner operationer per sekund. Utöver neuronkärnor inkluderar den grafikkärnor och avancerade processorer samt en kärna kallad Bluefield som hanterar cybersäkerhet, nätverk och datalagring. 

Nvidia understryker även att Atlan fått mycket mer fokus på säkerhet. Nvidia hoppas att prestandan och den ökade säkerheten ska lägga en stadig grund för kommande generationer av Nvidia Drive-plattformen. 

Här kan ni läsa om Atlans föregångare som ska in i fordon under 2021 och framåt.

Egen kommentar

När man läser nyheter om Nvdia kan det lätt framstå som att Nvidia är ensamma på marknaden, men så är inte fallet. NXP, Qualcomm och Samsung är några exempel på företag i den sfären.

En annan relevant nyhet är att startuppföretaget Groq som också utvecklar chip för AI och autonoma fordon har fått in ny finansiering på 300 miljoner dollar [2]. Groq startades 2016 av några före detta Google-ingenjörer. 

Källor

[1] VentureBeat. Nvidia debuts Drive Atlan system-on-chip for autonomous vehicles. 2021-04-12 Länk

[2] Forbes. AI Chip Startup Groq, Founded By Ex-Googlers, Raises $300 Million To Power Autonomous Vehicles And Data Centers. 2021-04-14 Länk

Sensorer

Lidar för detektering av gester

Lidarföretaget Insight har tagit fram en lidar som kan detektera gester hos fotgängare [1]. Den informationen kan vidare användas för att tolka fotgängarens intentioner. 

Produkten är baserad på Frequency-Modulated Continuous Wave och kallas Insight 1600. Ett av dess främsta tillämpningsområden är automatiserad körning. Från början var tanken att Insight 1600 skulle användas för detektering av rörelse hos större objekt som fordon, men enligt företaget själva så har den visat sig kunna prestera bra även för mindre objekt med lägre hastigheter som fotgängare. 

Här kan ni se en demonstration av Insights lidar. 

Egen kommentar

Att kunna detektera och tolka intentioner hos omgivande trafikanter är en egenskap av stort värde för säker och effektiv samverkan i trafiken, inte minst för självkörande fordon. Att man exempelvis kan se med hjälp av lidar om en fotgängare tittar åt höger eller vänster borde vara mer robust än att läsa av sådan information från kameror. På så sätt öppnar Insights lidar upp nya möjligheter.

Här är det dock viktigt att notera att Insights lidar inte är först med den här egenskapen. Exempelvis skrev Luminar 2018 att dess lidar kan upptäcka mänsklig kroppsställning, inklusive enskilda ben och armar. Med detta sagt så är så detaljerad igenkänning inte enkel med någon sensorteknik och kräver säkerligen information från flera sensorer. I alla fall om man inte frågar Elon Musk som planerar att fasa ut radar och förlita sig helt på kameradata.

Källor

[1] Insight. Insight LiDAR Develops Industry’s First “Gesture Detection” Sensing Technology for Autonomous Vehicle LiDAR Systems. 2021-04-07 Länk