Kategoriarkiv: Teknologi

Finansiering, Fordon, Forskningsprojekt, Samverkan människa - maskin, Teknologi

Storbritannien satsar på automatisering under svåra förutsättningar

Det brittiska finansieringsorganet Defence and Security Accelerator (DASA) har beslutat finansiera en rad nya forskningsprojekt om automatiserade fordon [1].

De kommer dela ut motsvarande 26 miljoner kronor till 21 organisationer för att utveckla lösningar som stödjer det brittiska försvarets satsningar inom automatisering under svåra förhållanden. Satsningen finansierar också utvecklingen av lösningar för utmaningar kopplade till samspel mellan människa och automatiserade system.

Bland mottagarna hittas såväl universitet som stora och små företag.

Egen kommentar

Mycket av kunskap och lösningar som utvecklas inom det militära kan ge en positiv effekt på utvecklingen av automatiserad körning i civila applikationer. DARPA Grand Challenge, som oftast betraktas som starten för automatiserade fordon, finansierades också av militären.

Källa

[1] Storbritanniens Regering. DASA awards £2m to fast-track autonomous vehicles in harsh conditions. 2020-04-02 Länk

Artificiell intelligens, Samverkan människa - maskin

Beteendeforskning på Toyota

Toyota anställer nu multidisciplinära forskare till sin nya grupp: Machine Assisted Cognition (MAC) vars fokus är på beteende, kognition och AI [1].

MAC gruppen ska ta sig an teknologiska lösningar som involverar samspelet mellan människa och teknik, samt prediktion av beteenden kopplade till beslutsfattande med hjälp av AI.

Gruppen kommer att hålla till i Silicon Valley.

Egen kommentar

Det är inte uttryckt i pressmeddelandet om gruppen har något specifikt mål inom kort tid. Beskrivningen av vad gruppen ska göra är väldigt generell, och de skriver även att samarbeten och projekt bestäms vid en senare tidpunkt. Oavsett så finns det definitivt ett stort värde med att ha en grupp som kan kombinera tech- och människo-aspekten i fordonsindustrin idag.

Källa

[1] Toyota. Toyota Research Institute Launches Research Into Understanding and Predicting Human Behavior for Decision Making. 2020-03-25 Länk

Forskningsprojekt, Sensorer

Förutse trötthet vid autonom körning

I och med att körning med stöd av automation resulterar i en mer monoton körupplevelse så ökar risken för trötthet. Feng Zhou och kollegor från University of Michigan, University of Wisconsin och Ford har publicerat en studie där de utvecklat en teknik för att förutse trötthet innan förare själva märker att de är trötta [1]. Att kunna förutse trötthet i ett tidigt skede gör att fordonet kan göra nödvändiga beslut och handlingar som exempelvis väcka uppmärksamhet, ge över kontrollen till föraren och rekommendera en paus i körningen.

I den nya studien används PERCLOS (PERcent of time the eyelids CLOSure) – en metod för detektering av trötthet som går ut på att beräkna hur stor del av tiden som pupillerna täcks av ögonlocken. Forskarna sållade även bland 35 fysiologiska parametrar för trötthet där de kvarstående blev: hjärtslagsvariation, hjärtslag, andningsrytmsvariation och andningsrytm.

Nätverket som bearbetade datat var ett så kallat Nonlinear Autoregressive Exogenous Network (NARX). NARX kombinerar de fysiologiska mätningarna med PERCLOS för att förutsäga ett PERCLOS-värde för de kommande sekunderna. Om det förutsagda PERCLOS-värdet överstiger ett givet tröskelvärde för trötthet skickas en varning till föraren. De testade två olika modeller för prediktering med hjälp av NARX.

Forskarna validerade det förutsagda PERCLOS-värdet mot det sanna PERCLOS-värdet i en simulatorstudie med 20 deltagare. Resultaten visade att övergången till trötthet kunde detekteras 13.8 sekunder i förväg med en noggrannhet mellan 97% och 99%, beroende på vilken predikteringsmodell som användes.

Egen kommentar

Resultatet i studien är lovande för tekniken. Jag är fundersam kring PERCLOS och blink-data ifall det är pålitligt även när föraren har t.ex. ögonbesvär i form av allergier eller av någon annan anledning blinkar mer och/eller längre än vad som skulle bedömas som icke-trött.

Källa

[1] Zhou et al., Expert Systems with Applications. Driver fatigue transition prediction in highly automated driving using physiological features. 2020-06 Länk

Artificiell intelligens, Fordon, Forskningsprojekt, Funktionell säkerhet, Informationssäkerhet, Inspiration, Okategoriserade

Metoder för att upptäcka okänd data utan inlärning

Machine Learning (ML) och speciellt Deep Learning (DL) har visat sig vara mycket effektiva och kraftfulla för att lära sig att känna igen mönster, beteende och egenskaper.

En känd egenskap hos ML är att algoritmerna kan vara extremt bra på data som finns inom den rymd som använts för träning, men extremt dåliga på data som ligger utanför träningsrymden. De är alltså bra på att generalisera, men sämre på att extrapolera. För att detektera data som ligger utanför träningsrymden, tränas ofta nätverk som lära sig se skillnad på ”känd data” och ”okänd data”, genom att presentera exempel från båda klasserna. Problemet är dock att det dels finns många dimensioner i datat (speciellt när indata är bilder) och dels blir det snabbt opraktiskt att samla data på objekt som inte är relevanta för nätverket.

Forskare från Georgia Tech och Samsung, har nyligen publicerat en artikel kring hur nätverk kan tränas, utan att använda data data som ligger utanför träningsrymden [1].

Artikeln presenterar en metod som använder sig av signaler som finns inne i ML nätverken. De skapar sannolikhesfördelningar över hur signalerna beter sig för de olika kända klasserna. Genom att jämföra dessa fördelningar med hur signalerna ser ut för ny data som presenteras för nätverket, lyckas de med hög säkerhet avgöra om den nya datan kommer ifrån den kända eller okända datarymden.

Egen kommentar

Denna metodik har studerats inom Vinnova FFI projektet SMILE II även där med stor framgång [2].

Källor

[1] Hsu, Yen-Chang, et al. ”Generalized ODIN: Detecting Out-of-distribution Image without Learning from Out-of-distribution Data.” arXiv preprint arXiv:2002.11297 (2020).

[2] Slutrapport SMILE II https://www.vinnova.se/globalassets/mikrosajter/ffi/dokument/slutrapporter-ffi/elektronik-mjukvara-och-kommunikation-rapporter/2017-03066eng.pdf

Produktplaner, Teknologi

TuSimple och ZF i samarbete

Stratupföretaget TuSimple, som fokuserar på självkörande lastbilsteknik, inleder ett samarbete med fordonsleverantören ZF [1]. Samarbetet går ut på att utveckla och kommersialisera teknik för självkörande lastbilar på tre marknader: Nordamerika, Europa och Kina. 

Bland tekniker som de gemensamt kommer att utveckla och integrera nämns kameror, lidar, radar, styrning och ZFs dator ZF ProAI. Tanken är att ZF ska i slutändan fungera som standardleverantör för TuSimples massproduktion av självkörande lastbilsteknik.

Egen kommentar

För leverantörer som ZF är det nu viktigt att hitta långsiktiga samarbeten för att säkerställa sin marknadsandel. TuSimple påstås ha över 40 självkörande lastbilar och har knutit till sig 18 strategiska kunder däribland UPS. Med ZFs mångåriga erfarenhet får TuSimple en pålitlig leverantör. På så sätt är detta ett win-win samarbete.

Källor

[1] TuSimple. TuSimple and ZF Partner to Develop Technology for Mass Produced Autonomous Trucks. 2020-03-26 Länk

Elektronik och processorer, Positionering

Ett nytt gyroskop

På universitetet i Michigan har forskare utvecklat ett nytt gyroskop som är litet, relativt billigt och sägs ha väldigt bra precision [1].

Gyroskop hjälper till att orientera objekt i miljöer när det inte finns GPS täckning och har en viktig relevans för autonoma fordon. Det nya gyroskopet påstås ha 10 000 större noggrannhet men är bara 10 gånger dyrare än gyroskop i dagens mobiltelfoner. Vidare sägs det vara 1 000 gånger billigare än andra gyroskop som är större och har likvärdig prestanda.

Detaljer om det nya gyroskopet kommer att presenteras i en artkel med titel 0.00016 deg/√hr angle random walk (ARW) and 0.0014 deg/hr bias instability (BI) from a 5.2M-Q and 1-cm precision shell integrating (PSI) gyroscope inom ramen för 7th IEEE international Symposium on Inertial Sensors & Systems (finns inte online ännu).

Källa

[1] Michigan News. Small, precise and affordable gyroscope for navigating without GPS. 2020-03-23 Länk

Kommunikation, Teknologi

Toyota och NTT i samarbete

Toyota och Nippon Telegraph and Telephone Corp (NTT) inleder ett samarbete som går ut på att utveckla smarta städer [1]. 

Tillsammans ska de utveckla en dataplattform som kommer att sammanställa och analysera information från hem, fordon och offentliga institutioner. Planen är att detta ska användas för att skapa nya tjänster med fokus på transport, hälsa och energianvändning.

Plattformen kommer att lanseras först i Woven City i Mt. Fuji i Japan. Det är en smart stad som Toyota utvecklar för att integrera bland annat smarta hem, robotik och autonom körning.

Källa

[1] Reuters. Toyota, NTT team up on developing smart city platforms. 2020-03-24 Länk

Funktionell säkerhet, Funktioner, Mjukvara, Personbilar, Produktplaner, Sensorer

Hyundai känner av baksätespassagerare

Antalet barn som dör av värmeslag i fordon ökar [1]. En väl fungerande lösning för att upptäcka nästintill orörliga personer i bilar är därför eftertraktad.

Hyundai Mobis påstår sig nu har en radarbaserad lösning som klarar att identifiera mycket små tecken på liv, även genom textilier.

Mjukvaran ska vara så bra på att tolka radarsignalerna att Hyundai redan har planer på att expandera systemet till att även kunna mäta hjärtrytmen hos passagerare.

Systemet ska nu erbjudas internationella bilföretag [2].

Egen kommentar

I början av 2019 lanserade Tesla en funktion kallad Dog Mode. Den har två syften: att hålla hundar, och andra husdjur, i en klimatkontrollerad miljö om de lämnas obevakade i ett fordon, och att låta förbipasserande veta deras status. Här handlar det dock inte om någon automatisk detektering, funktionen behöver aktiveras av ägaren.

Här kan ni se exempel på andra fordonsmodeller (i USA) som erbjuder någon typ av detektering av personer och djur inne i fordonet. Sådan teknologi lär bli minst lika viktiga i självkörande fordon.

Källor

[1] National Highway Traffic Safety Administration, US Department of Transport. Help Prevent Hot Car Deaths. 2019-11-18 Länk

[2] Hyundai Mobis, PR Newswire. Hyundai Mobis develops ’in-cabin systems’ utilizing the state-of-the-art autonomous driving sensors one after another. 2020-03-23 Länk

Funktionell säkerhet, HMI, Lagstiftning och regelverk, Personbilar, Samverkan människa - maskin, Trafiksäkerhet

Begränsad kunskap om förarstöd hos säljare och köpare

Att potentialen av att införa ny teknik beror av hur tekniken används bör vara uppenbart. Både säljare och köpare av bilar med avancerade förarstödssystem borde därför veta hur tekniken fungerar. Ett forskarteam från Nederländerna har nu beskrivit hur det är med den saken. Det är ingen vacker läsning som presenteras i den vetenskapliga tidskriften Transportation Research Interdisciplinary Perspectives.

Studien är baserad på onlineenkäter. Resultaten från de 713 enkätsvaren från bilköpare visade att nästan en fjärdedel av köparna inte fått någon information om bilens stödsystemen alls. Bland dem som fått information var det bara 9% som kunde testa systemen innan köp.

Dessutom fick 40% av bilförsäljarna inte tillräcklig information om systemen. Märkeshandlare fick oftare än oberoende återförsäljare tillräcklig information.

Egen kommentar

Stödsystemen kommer sannolikt bli än mer avancerade framöver. Om de inte samtidigt blir fullständigt intuitiva kommer det krävas både information och träning för att de ska fungera som tänkt.

För att kunna garantera att alla bilköpare ska ha tillgång till detta krävs kanske såväl tydliga regelverk som standarder och databaser.

Källa

[1] Boelhouwer et al. How are car buyers and car sellers currently informed about ADAS? An investigation among drivers and car sellers in the Netherlands. 2019-03-10 Länk

Artificiell intelligens, Okategoriserade, Personbilar

Ford och Waymo släpper nya dataset

Ford har öppnat upp en datasamling som innehåller data som samlats in med hjälp av företagets autonoma fordon i Detroit-området [1]. Datasamlingen är fritt tillgänglig för forskare och kan användas för att förbättra robustheten för självkörande fordon i stadsmiljöer.

Fords dataset kommer efter en uppdatering av ett liknande dataset från Waymo, Waymo Open Dataset [2]. Waymos dataset har utökats med ytterligare 800 segment.  Waymos ambition är att göra det lättare för forskare att utveckla säkra algoritmer från grunden och samtidigt slippa kostnaderna för att samla in sina egna data.

Kopplat till detta har Waymo också utlyst en rad tävlingar, Waymo Open Dataset Challenges. Den betsår av en rad olika utmaningar inom 2D och 3D detektering och objektföljning, och kommer pågår till slutet av maj. Förstaprisvinnaren kommer att belönas med 15 000 dollar.

Egen kommentar

Förutom marknadsföringssyften, är syftet med dessa tävlingar dels att få inspiration till nya lösningar och framförallt att hitta potentiella framtida medarbetare. Flera aktörer använder sig av liknande rekryteringsteknik.

Källor

[1] Wiggers, K., Ford releases a data set to accelerate autonomous car development. VentureBeat 2020-03-19 Länk

[2] Wiggers, K., Waymo expands autonomous driving data set and launches $110,000 challenge. VentureBeat Länk