Kategoriarkiv: Teknologi

Mjukvara

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

Funktioner, Sensorer, Trafiksäkerhet

Autobromssystem missar ofta

En studie som American Automobile Association gjort av olika bilar utrustade med autobromssystem för detektion av fotgängare visar på att de i många fall missar att i tid upptäcka fotgängare på vägen [1].

Medan systemen verkade bäst klara av att detektera vuxna som korsar en väg rakt över så missade de ofta efter (höger)svängar eller barn som springer ut mellan parkerade bilar. Ju högre fart desto sämre detektion och bromsning Och nattetid klarade inga system att detektera några fotgängare.

Men trots detta menar forskarna att systemen ändå är bättre än utan. Man får bara inte helt förlita sig till dem, speciellt inte nattetid. Och utveckling pågår, systemen kommer att bli bättre.

Källa

[1] Ellen Edmonds: AAA Warns Pedestrian Detection Systems Don’t Work When Needed Most, AAA News Room 3 oktober 2019 Länk

Artificiell intelligens, Konferenser

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.

Mjukvara, Personbilar

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

Artificiell intelligens, Mjukvara, Sensorer

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

Lagstiftning och regelverk, Teknologi

KPMG-rapport om tillit

Konsultföretaget KPMG har släppt en rapport om hur en övergripande mobilitetsplattform kan hjälpa till att bygga tillit till automatiserade fordon [1].

Rapporten heter Autonomy: Enabling trust for the masses och handlar om datautbyte mellan myndigheter, fordonstillverkare och leverantörer, transportföretag och mobilitetsoperatörer för att säkra att hela transportekosystemet hänger samman.

Källor:

[1] Autonomy: Enabling trust for the masses, KPMG 27 september 2019 Länk Länk

Funktioner, Personbilar, Produktplaner

Teslas uppdatering 10.0

Förra veckan lanserade Tesla sin största mjukvaruuppdatering hittills som döpts till 10.0 [1]. Trots den starka betoningen på infotainment och underhållning så innehåller uppdateringen också en funktion som heter Smart Summon och kommer att finnas på utvalda Tesla-modeller – de som är utrustade med Full Self-Driving Capability eller Enhanced Autopilot. 

Bilar med denna funktion kan själva navigera och parkera på parkeringsplatser. De kan också bli påkallade av sin ägare. Krumeluren i detta är att bilen behöver vara synlig för ägaren: Those using Smart Summon must remain responsible for the car and monitor it and its surroundings at all times.

Egen kommentar

Som ni kanske minns har funktionen Summon erbjudits för vissa Tesla-modeller sedan 2016. Till skillnaden från Smart Summon är Summon enbart ämnad för enklare förflyttningar – en ägare kan exempelvis aktivera Summon för att låta sin Tesla köra sig själv in och ut från garaget, eller för att låta bilen flytta sig ett par meter på en parkering.

Källor

[1] Tesla. Introducing Software Version 10.0. 2019-09-26 Länk

Kommunikation

NAV alliansen utökas

Networking for Autonomous Vehicles (NAV) Alliance som fokuserar på att utveckla ett ekosystem för Ethernet-nätverk i automatiserade fordon utvidgas med fem nya medlemmar: Amphenol, HARMAN International, LEONI Bordnetz-Systeme, Rosenberger Hochfrequenztechnik och Sony. Tidigare meddlemmar omfattar Aquantia, Bosch, Continental, Molex, NVIDIA, Sumitomo Electric, Tektronix och Volkswagen.

Alliansen fokuserar på fem kärnområden:

  • Protokollinkapsling för Ethernet
  • Systemreglering och hantering
  • Specifikationer för Ethernet PHY för 25G och 50G
  • Integration mellan fysiskt systemlager och komponenter
  • EMC-krav och gränsvärden

Egen kommentar

Detta är ett område som många underskattar men utan ett fungerande nätverk i fordon som klarar av både stora datamängder och höga datasäkerhetskrav blir det svårt att uppnå storskalig kommersialisering av automatiserade fordon. På det viset är NAV-alliansen av stor vikt. 

Källor

[1] The Networking for Autonomous Vehicles (NAV) Alliance. NAV Alliance Picks up Speed With New Members Amphenol, HARMAN International, LEONI Bordnetz-Systeme, Rosenberger Hochfrequenztechnik, and Sony. 2019-09-25 Länk

Kartor, Produktplaner

Kort och gott inför helgen

  • Kinesiska företaget Nio som ville utmana bland annat Tesla påstås ha spenderat över 5 miljarder dollar under de senaste fyra åren och kämpar nu med att överleva. Länk
  • Lastbilsföretaget Embark har fått finansiering på 70 miljoner dollar (Serie C). Länk
  • AutoX (som nyligen inlett samarbete med Nevs) har fått 100 miljoner dollar i finansiering (Serie A). Pengarna ska användas för att utöka testflottan. Länk
  • TuSimple har fått 120 miljoner dollar i finansiering (Serie D) som ska användas för expandering, troligtvis i Kina eftersom finansieringen kommer från kinesiska företag. Länk
  • Autonomi utan HD-kartor väcker allvarliga säkerhetsfrågor enligt forskare från Navigant Research. Många existerande funktioner är beroende av kartor och för självkörande fordon kommer högupplösta kartor att hjälpa till att se bortom sensorernas förmåga. Länk
Artificiell intelligens, Konferenser, Kooperativa system, Samverkan människa - maskin, Trafiksäkerhet

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?