Kategoriarkiv: Teknologi

Okategoriserade, Positionering, Trafiksäkerhet

Spåra fotgängare via smartphones

Israeliska startupföretaget Viziblezone utvecklar ett system för att detektera fotgängare och andra oskyddade tarfikanter. Deras metod går ut på att spåra trafikanterna via en app som de installerat på sin telefon [1].

Viziblezones system skall möjliggöra för förare och framtida autonoma fordon att se dolda faror. Tanken är att så många som möjligt skall ha appen, då dess effektivitet beror på hur stor andel av populationen som går att detektera i given trafikmiljö.

Appen skickar ut en Wi-Fi signal upp till 180 meter som fordon kan ”ta in” för att få uppfattning om andra trafikanters position. Systemet skall också kunna skilja på vilken typ av trafikant det handlar om: fotgängare, cyklist, elsparkcykel eller bil.

Företaget har redan utfört en pilot i Europa och har ytterligare två piloter planerade, en i USA och en i Sydkorea.

Viziblezone har hittills fått finansiering på ca 1.2 miljoner USD och är i processen för att påbörja serie A finansiering.

Egen kommentar

Precis som det diskuteras om i den hänvisade källan så är jag väldigt fundersam kring integritetsutmaningarna som kan uppstå med den här metoden. Jag har pga. integritetsutmaningarna svårt att se en stor andel av populationen ladda ner den här appen. Dessutom har tidigare projekt med liknande idéer inte lyckats få det hela att fungera, framförallt på grund av dålig positioneringsnoggrannhet.

Källa

[1] Joseph, N., The Drive. Viziblezone Wants Cars to Spot Pedestrians By Tracking Their Smartphones The next big thing, or a privacy nightmare? 2020-05-06 Länk

Produktplaner, Teknologi

Veoneer inleder produktion av ADAS för Polestar 2

Veoneer har nu offentiliggjort att de inleder produktionen av teknologier för avancerade förarstödsystem (ADAS) som ska installeras i Polestar 2 bilar [1]. 

Dessa teknologier omfattar Veoneers fjärde generation av monovisionssystem (100 graders synfält och en upplösning på 1,7 megapixlar), 77GHz framåtriktad radar och en dator för förarassistans (ADAS ECU). En annan viktig part i det hela är mjukvaran som utvecklats i samarbete med Zenuity.

Tillsammans ska dessa teknologier möjliggöra funktioner såsom objektdetektering, körfältsassistans, framåtriktad kollisionsvarning, adaptiv farthållning och automatiserad nödinbromsning.

Egen kommentar

Påminner att vid uppdelningen av Zenuity har delen för utveckling av ADAS ärvts av Veoneer.

Här kan ni läsa lite mer om Polestar 2 och statusen på den. 

Källor

[1] Veoneer. Veoneer Begins Production of Technology Suite for Polestar 2. 2020-05-06 Länk

Produktplaner, Sensorer

Luminar i nästa generations Volvobilar

Lidarföretaget Luminar och Volvo Cars utökar sitt nuvarande samarbete: Luminar kommer att förse Volvo Cars framtida bilar med lidarsensorer [1]. 

Tanken är att en lidar ska sömlöst integreras i taket som tillval i bilar med planerad produktionsstart år 2022. Den kommer i första hand att användas för automatiserad körning under utvalda förutsättningar på motorvägar (Highway Pilot), men man kommer också titta på hur den kan användas för att förbättra framtida förarstödssystem. 

Detta är första gången som Luminar serietillverkar sina lidarsensorer och förtegen kommer gemensamt säkerställa robust industrialisering och validering. 

Dessutom har Volvo Cars öppnat upp för en eventuell utökning av sin ägandedel i Luminar. 

Källor

[1] Volvo Cars. Next generation Volvo cars to be powered by Luminar LiDAR technology for safe self-driving. 2020-05-06 Länk

Funktioner, Personbilar

Tesla stannar för stoppskylt och trafikljus

Tesla har i sin senaste uppdatering introducerat en ny funktion till sitt förarstödssystsem Autopilot. Den nya funktionen ska ge fordonet förmågan att stanna inför stoppskyltar och trafikljus [1].

Den nya funktionen, Traffic Light and Stop Sign Control Beta, är som namnet antyder i betastadiet, och utför alltså inbromsning inför trafikljus och stoppskyltar. Systemet kör därefter inte vidare själv i korsningar utan kräver en bekräftelse från föraren om att det är tryggt att köra vidare. Föraren ger bekräftelsen genom att trycka in växelspaken eller trycka lätt på gaspedalen.

Funktionen är för tillfället endast tillgänglig i USA, och förväntas bli tillgänglig internationellt under sommaren p.g.a. anpassning för skillnader kring stoppskyltar och trafikljus i olika delar av världen.

Här kan ni se den nya funktionen in action.

Egen kommentar

Precis som allt annat som rör Tesla så har den här funktionen mötts av både ris och ros. På ros-sidan tycker man att den tillför bekvämlighet och ökar säkerheten, och rent av visar att ”Tesla ligger före alla andra”. Kritikerna tycker däremot att den nya funktionen kommer skapa ännu mer ouppmärksamma förare, som i sig kan öka antalet olyckor och incidenter med fotgängare och andra medtrafikanter. Tiden får väl visa sanningen, men att döma av alla dödsolyckor som skett med Autopilot aktivt så finns det en betydlig risk för negativa konsekvenser.

Till detta bör också tilläggas att det inte finns några publika (oberoende) studier om hur den nya funktionen fungerar och presterar. Teslas sätt att utvärdera funktioner är ju att lansera dem i betaformat och se vad som händer.

På samma tema kan ni se här en intressant presentation från Teslas chef för AI Andrej Karpathy.

Källa

[1] Lambert, F., Tesla releases new, highly anticipated Traffic Light and Stop Sign Control feature. 2020-04-24 Länk

Arbetsmaskiner, Mjukvara, Övriga fordon

Wind River och TAGE i samarbete

Mjukvaruföretaget Wind River inleder samarbete med leverantören till gruvindustrin Beijing TAGE Idriver Technology (TAGE) [1]. Samarbetet går ut på att gemensamt utveckla en mjukvaruplattform för nästa generation av autonoma gruvfordon. 

TAGE har utvecklat ett system för självkörande fordon i öppna gruvor som bygger på en edge-to-cloud arkitektur. Systemet använder sig av Wind Rivers säkerhetscertifierade realtidsoperativsystemet VxWorks.

I ett nästa steg kommer företagen att vidareutveckla en mjukvaruarkitektur samt behandling av data, trådlöskommunikation mellan fordon och infrastruktur (V2X) och säker online uppdatering. För att kunna lansera produkter och lösningar kommer de också att arbeta med utvecklingsmiljöer och certifiering av funktionssäkerhet. 

Egen kommentar

Jag har tappat räkningen på alla olika plattformar och har lite svårt att avgöra hur Wind Rivers och TAGES arbete kommer skilja sig från andra. TAGE har i alla fall gjort en demonstration av sitt självkörande system för drygt en månad sedan i en öppen gruva i Kina, vilket tyder på att företaget kommit en bra bit på vägen [2]. 

Källor

[1] Mining. Wind River and TAGE team to advance autonomous mining. 2020-04-15 Länk

[2] International Mining. China’s SPIC trials two autonomous mining trucks with Tage Idriver at Huolinhe South Coal Mine 2020-03-06 Länk

Elektronik och processorer, Produktplaner, Teknologi

Karmas autonoma skåpbil och plattform

Karma Automotive har i samarbete med andra aktörer så som Nvidia och WeRide utvecklat ett självkörande konceptfordon motsvarande SAE Level 4 [1].

Det handlar om en skåpbil som är byggd på Karmas nya plattform som kallas Karma E-Flex Platform. Den självkörande funktionaliteten utgörs av WeRides systemlösning som i sin tur använder sig av Nvidias processor NVIDIA DRIVE AGX Pegasus.

Karmas nya plattform, E-Flex, kan användas för både plug-in hybrider och rena elbilar och sägs ge stöd för 22 olika konfigurationer av drivlinor och batterier. Den självkörande skåpbilen är således bara ett exempel på en möjlig tillämpning. Enligt Karma kommer den nya plattformen möjliggöra för fordonstillverkare att snabbare och mer kostnadseffektivt tillverka bilar.

Egen kommentar

Sådana här plattformar för (självkörande) elfordon är något som flera fordonstillverkare och teknikföretag arbetar med. Bland de mindre kända aktörer finns Canoos plattform canoo samt Delta Motorsports plattform Delta S2.

Källor

[1] Karma Automotive, Karma Automotive debuts all-new Level 4 autonomous van E-Flex Platform. 2020-04-09 Länk

Elektronik och processorer, Forskningsprojekt

Denso startar forskningscenter

Världens näst största underleverantör till fordonstillverkarna, japanska Denso, har meddelat att de sjösatt ett femårigt samarbete med det prestigefyllda Tokyo Kogyo-universitetet [1].

Satsningen kallas DENSO Mobility Collaborative Research Center och kommer bemannas av personal från både Denso och Tokyo Kogyo-universitetet. Det enda namngivna forskningsområdet är värmeavledning för fordonskomponenter. Vid sidan av detta nämns att undersöka möjligheter till samarbete inom elektronik, halvledare, elkraft, mekanik samt kommunikation.

Satsningen presenterades samtidigt som Densos samarbete med samma universitet inom maskininlärning drar igång [2].

Egen kommentar

Den tillgängliga informationen verkar på det hela relativt vag. Väldigt lite om specifika satsningar eller vilken storleksordning det rör sig om har framgått. Att Denso har muskler nog för att göra skillnad står dock bortom tvivel.

Källor

[1] Green Car Congress. DENSO and Tokyo Tech establish DENSO Mobility Collaborative Research Center. 2020-04-03 Länk

[2] DENSO. DENSO and Tokyo Tech Establish DENSO Mobility Collaborative Research Cluster. 2020-04-01 Länk

Artificiell intelligens, Mjukvara

Waymos trix att ”skala upp” data

För att kunna hantera så många udda trafiksituationer som möjligt har Waymo tagit hjälp av kollegor från Google Research [1]. Tillsammans har de vidareutvecklat Google Researchs existerande metoder för automatisk dataförstärkning (eng. data augmentation) och applicerat dem på Waymos dataset. Detta har möjliggjort för Waymo att utöka sitt dataset utan att behöva samla in eller annotera ny data.

Förstärkning av data gör det möjligt att öka mängden och mångfalden av data utan att någon ny data tillförs. Genom att använda olika förstärkningsstrategier som rotation, beskärning, spegling, färgförskjutning och dylikt förändrar man och omvandlar en bild med redan känt innehåll. Dessa omvandlingar gör att man skapar många nya bilder som är olika varianter av bilden med känt innehåll. 

Den här metoden används vanligtvis för klassificering av 2D objekt. Waymo och Google Research har nu visat hur de gör det för klassificering av 3D objekt detekterade med hjälp av lidar. Dessutom har de utvecklat en ny algoritm, Progressive Population Based Augmentation (PPBA), som lär sig att optimera förstärkningsstrategier genom att minska sökutrymmet och välja de bästa parametrarna som upptäckts i tidigare iterationer. 

Genom att applicera den nya metoden på Waymo Open Dataset har de visat att den ger upp till 10 gånger effektivare klassificering än motsvarande metoder utan förstärkning. I praktiken innebär detta att maskininlärningsmodeller kan tränas med färre annoterade exempel, vilket ökar chansen att upptäcka udda trafiksituationer.

Mer om den här metoden kan ni läsa om i artikeln Improving 3D Object Detection through Progressive Population Based Augmentation. 

Källor

[1] Waymo. Using automated data augmentation to advance our Waymo Driver. 2020-04-02 Länk

Forskningsprojekt, Funktionell säkerhet, Kommunikation, Kooperativa system, Personbilar, Positionering, Sensorer, Tester och demonstrationer

Att undvika kedjekollisioner

Att förutsäga framtiden är en av de största utmaningar för självkörande fordon. Men som med många saker så kan det vara lättare om man hjälps åt. Att samordna fordons medvetande och beteende är sannolikt mer effektivt än att varje fordon planerar för sig självt.

Forskare vid Cranfield University har inom ramen för Multi-Car Collision Avoidance (MuCCA)-projektet testat ett system för samarbete mellan självkörande fordon i motorvägsliknande miljö [2]. Testet visade att fordonen kunde ta ett gemensamt beslut om beteenden och på det sättet kunde de undvika både hinder och hastiga inbromsningar [1].

Projektet finansieras av Innovate UK och Centre for Connected and Autonomous Vehicles som är en del av Department for Transport och Department for Business, Energy & Industrial Strategy i Storbritannien.

Källor

[1] Institution of Mechanical Engineers. Autonomous cars given ‘human-like’ reactions to prevent crashes on shared roads. 2020-03-24 Länk

[2] The Multi-Car Collision Avoidance Project website Länk

Forskningsprojekt, HMI

Teknik för överlämning av kontroll

Det finns en primär utmaning med delvis automatiserade fordon och den utmaningen är överlämning av kontroll mellan fordon och förare. Med fokus på scenariot där föraren tar tillbaka kontrollen ifrån fordonet har nu en grupp forskare från Singapore, Kanada och Kina utforskat en teknik som skall göra övergången säkrare [1].

Tekniken som är baserad på haptisk feedback i två faser och gör överlämning av kontroll till en stegvis händelse, till skillnad från att ge över kontrollen direkt och fullständigt. Den haptiska feedbacken är i form av ett vridmoment i ratten som i första fasen vid överlämning av kontroll från fordonet till förare är mer bestämd (haptic guidance), och i andra fasen mindre bestämd (haptic assistance). Den förstnämnda syftar till att göra stora korrigeringar för att snabbt hjälpa föraren att återfå rätt situationsmedvetenhet och körförmåga. När förarens kontroll av fordonet nått en högre nivå så går systemet in i haptic assistance som gör lätta korrigeringar tills överföringen av kontroll är klar.

I tester fick 26 deltagare utföra två uppgifter med systemet på en testbana. Det första var att ta över kontrollen ifrån bilen, och det andra var att ta över kontrollen ifrån bilen under ett filbyte. Varje deltagare fick erfara de ovan beskrivna haptiska korrigeringsmetoderna, vilket möjliggjorde en jämförelse mellan dem.

Metoden som gjorde stora korrigeringar visade sig kräva mindre tid i överlämningen och resulterade i bättre prestanda med avseende på standardavvikelse av styrvinkel och vridmoment än metoden med långsammare korrigering. Den gav också en bättre girhastighet.

Egen kommentar

Det är ett intressant tillvägagångssätt att leda föraren till en tillräcklig situationsmedvetenhet genom en sådan här lösning i kontrast till att försäkra sig om att föraren är medveten innan systemet initierar överföring av kontroll.

Fördelen här är onekligen att överföringen blir en mer interaktiv process där föraren blir samförare under kontrollöverlämningen. Nackdelen som jag ser det är i kritiska situationer där den här processen av samkörning kan leda till en förvirring kring vem som är i kontroll. Det kan alltså bli en brottningsmatch i situationer där föraren snabbt vill ta över kontrollen men inte lyckas uppfylla parametrarna för att systemet ska bedöma att föraren är redo för det.

Källa

[1] Lv et al., Electrical Engineering and Systems Science: Systems and Control. Human-Machine Collaboration for Automated Vehicles via an Intelligent Two-Phase Haptic Interface. 2020-02 Länk