Andrej Karpathy som chef för Teslas AI-verksamhet, berättade vid konferensen Train AI förra månaden om Teslas arbete med AI och övergången till det man kallar ”Software 2.0”.
Ni kan se hans presentationsmaterial här.
Även den stora systemleverantören Continental utvecklar förstås AI-baserade lösningar. Vid den pågående asiatiska CES-mässan i Shanghai visar man upp vad man kallar ”Virtual Driving School”, ett ”träningskamp” för maskininlärning, Läs mer här.
I mars omkom en Tesla-förare i Kalifornien då bilen körde in i en barriär. I samband med detta hävdade Tesla att bilen flera gånger varnat föraren då han inte hållit händerna på ratten, och att det alltså inte varit något fel på bilen eller dess Autopilot-system.
Nu visar amerikanska haverikommissionen NTSBs rapport [1] att dessa varningar kom mer än 15 minuter före kraschen, och att under de sista 60 sekunderna innan hade föraren händerna på ratten minst 3 gånger, dock inte de sista 6 sekunderna. Samtidigt gjorde bilen inga undanmanövrer utan istället ökade bilen farten från ca 100 km/h till ca 115 km/h. Uppgifter som förstås är besvärande för Tesla.
Samtidigt kommer uppgifter om att Tesla släpper nästa stora uppgradering av Autopilot, version 9.0, i augusti [2]. Version 8.0 kom för 2 år sedan. Elon Musk twittrar: ”To date, Autopilot resources have rightly focused entirely on safety. With V9, we will begin to enable full self-driving features.” Vad detta innebär i funktionalitet kan man bara spekulera i.
Källor
[1] Sam Levin: Tesla fatal crash: ’autopilot’ mode sped up car before driver killed, report finds, The Guardian 2018-06-08 Länk
[1] Fred Lambert: Tesla’s version 9 software update is coming in August with first ‘full self-driving features’, says Elon Musk, Electrec 2018-08-11 Länk
Sensortillverkaren Innoviz Technologies och den kinesiska leverantören HiRain Technologies har inlett ett samarbete som går ut på att lansera Innovitz LiDAR på den kinesiska marknaden [1].
Innoviz LiDAR kallas InnovizOne och gör det möjligt för automatiserade fordon att känna av omgivningen med stor noggrannhet. Detta även på långa avstånd och i varierande väder- och ljusförhållanden.
Egen kommentar
Med tanke på hur mycket den kinesiska fordonsindustrin växt under de senaste åren, och hur mycket den väntas växa framöver, är detta ett viktigt steg för Innoviz. HiRain är väletablerade i Kina och samarbetet kommer nog att göra företaget konkurrenskraftigare.
För tillfället är det känt att BMW kommer använda InnovizOne i sina bilar som väntas på marknaden 2021.
Källor
[1] Innoviitz Technologies. Innoviz Technologies and HiRain Technologies Partner to Bring High-Performance LiDAR and Computer Vision Software to Chinese Auto Manufacturers. 2018-06-06 Länk
Startupföretaget Hailo utvecklar djuplärande processorer för tillämpning i bland annat automatiserade fordon och drönare [1]. De första processorerna väntas på marknaden nästa år.
Enligt Hailo är deras processor mindre i storlek, kraftigare och billigare än andra likartade processorer, vilket gör den lämplig för lokal behandling av sensordata med hög upplösning i realtid.
Företaget har nyligen fått en ny investering på 12,5 miljoner dollar.
Enligt IC Insights förväntas integrerade kretsar som används i fordon generera en global försäljning på 42,9 miljarder dollar år 2021, nästan en dubblering från 22,9 miljarder dollar år 2016.
Källor
[1] Hailo News. Hailo Raises $12.5 Million Series A Round to Develop Deep Learning Processor for Embedded AI Applications. 2018-06-05 Länk
Amerikanska startupföretaget Phantom Auto har ingått två separata samarbeten med svenska företag – NEVS och Einride [1, 2].
Samarbetena går ut på att använda Phantoms fjärrstyrda säkerhetsteknologier för självkörande fordon, vilka gör det möjligt för en fjärransluten operatör att ta över driften av ett fordon om det händer något i trafiken som fordonet inte kan lösa själv.
Enligt NEVS VD Stefan Tilk ska företagets självkörande fordon kunna köra från A till B, vilket innebär att de måste klara av alla hinder de kan komma att möta på vägen. Att kunna fjärrstyra dem vid behov är ett sätt att möjliggöra detta.
Einride har liknande vision och förhoppningar för sina T-Pods.
Här kan ni läsa mer ingående om vikten av fjärrstyrning.
Egen kommentar
Jag förstår att fjärrövervakning och fjärrstyrning behövs, speciellt innan tekniken för självkörning blivit mognare, men jag kan inte låta bli att tänka på artikeln Ironies of automation från 1983: ”[…] the irony that one is not by automating necessarily removing the difficulties and also the possibility that resolving them will require even greater technological ingenuity than does classic automation.”
Källor
[1] NEVS News. NEVS and Phantom Auto collaborating on autonomous vehicles. 2018-06-05 Länk
[2] Ohsman, A., Forbes. When Your Robot Car Gets Stumped, This Startup Wants To Steer It Out Of Trouble. 2018-06-05 Länk
Svenska mätteknikbolaget Hexagon satsar nu på automatiserade fordon och köper upp startupföretaget AutonomousStuff [1].
AutonomouStuff fokuserar bland annat på att utveckla nyckelfärdiga plattformar för automatiserad körning. Dessa plattformar inkluderar en portfölj av olika teknologier och distribueras i pilotprogram över hela världen. Enkelt uttryckt förser de kunder med komponenter, ingenjörstjänster och programvara som möjliggör automatiserad körning (läs: moderna fordonsmekaniker). Under 2017 omsatte företaget 45 miljoner dollar.
Förvärvet behöver godkännas av myndigheterna, bland annat Committee on Foreign Investment i USA.
Egen kommentar
AutonomouStuff har etablerat sig i flera länder och finns nära tillhands för fordonstillverkarna. På det viset är köpet ett strategiskt viktigt steg för Hexagon och ett bra sätt att komma in på denna tuffa marknad.
Källor
[1] Hexagon PR. Hexagon acquires AutonomouStuff, bolstering its leadership position in autonomous solutions. 2018-06-02 Länk
För lite mer än ett år sedan fick Trafikverket i uppdrag av regeringen att ta fram förslag för ett geofencing system. Geofencing avser en geografisk zon där inträde, hastighet och bränsleanvändning av uppkopplade fordon styrs digitalt enligt fördefinierade regler, eller utryckt på ett enkelt sätt ett digitalt staket.
I början av veckan visades en lösning för säker utbyte av data mellan fordon och digital infrastruktur som tagits fram i samarbete med Göteborgs stad, Stockholms stad, Scania, Veoneer, Volvo Cars och Volvo Group [1]. Molninfrastrukturen dit data till och från fordonen skickas och behandlas har tagits fram av Ericsson. Lastbilar, bussar och personbilar ingick i demonstrationen där flera geofencingzoner med olika egenskaper hade byggts på vägarna runt om campusområdet på KTH.
Ett viktigt syfte med demonstrationen var att visa hur geofencing upplevs. Som Ola Boström från Veoneer förklarade: ”Man säger ju inte till sina vänner att man ska gå till ett inhängnat område när man går på Liseberg, men inhägnaden är ju en förutsättning. Vi visade att något så tråkigt klingande som geofencing är en användarupplevelse som dessutom skapar trygghet.”
Detta anses vara ett viktigt utvecklingssteg för att skapa ett uppkopplat transportsystem med digital infrastruktur och gemensamma gränssnitt. Planen är att förbättra och vidareutveckla lösningen för att på sikt kunna implementera den.
Till hösten väntas Trafikverket presentera en implementeringsplan och hur lösningen ska skalas upp.
Egen kommentar
Den här tekniken kan fungera och underlätta både för individer och samhället givet att den är tålig mot utomstående intrång. Den förutsätter också att fordon har GPS eller liknande positionsverktyg installerat för att fordon ska kunna identifieras och styras. Frågan är om hur stor del av fordonsflottan behöver utrustas för att se effekter i samhället?
Källor
[1] Trafikverket. Svensk kraftsamling med geofencing för säkrare och smartare stadsmiljöer. 2018-05-28 Länk
Startupföretaget AEye har utvecklat en ny sensor kallad iDar [1, 2]. Den är baserad på en kombination av lidar, kamera och artificiell intelligens som möjliggör för fordon att se och uppfatta sin omgivning mer som människor.
En viktig del i iDar är True Color Lidar som lägger till 2D-färg (från kamera) över ett 3D-punktmoln (från Lidar). Genom att möjliggöra absolut färg- och distanssegmentering och samlokalisering (utan extra behandling), möjliggör den snabb och noggrann tolkning av skyltar, utryckningsljus, bromsljus och andra scenarier som existerande lidarsensorer har svårt att klara av.
Enligt AEye kan iDar identifiera objekt 10-20 gånger mer effektivt än en vanlig lidar och väntas ha stor betydelse för automatiserad körning.
iDar kommer att börja levereras i juli. Enligt AEye kommer iDar att vara den enda sensorn på marknaden som kombinerar lidar- och kameradata mekaniskt på hårdvarunivå.
Källor
[1] Wiggers, K, Venturebeat. AEye’s iDar sensor combines camera and lidar data into a 3D point cloud. 2018-05-21 Länk
[2] AEye. iDAR is more than LiDAR. Länk
Startupföretaget Wayve är inne på att de flesta som idag utvecklar system för automatiserad körning är ute och cyklar eftersom de valt fel approach [1].
Enligt företagets VD Amar Shah satsar de flesta på att ha många sensorer och träna sina system genom att köra så många mil som möjligt. Men detta är fel. Att ett system klarar av situationer som det blivit utsatt för betyder inte att det kommer att klara av nya situationer. Detta går dock att lösa med smart AI som är mindre beroende av kartdata och kartläggning av vägar. För att vara självkörande i ordets sanna bemärkelse behöver bilar vara mer lika människor – vi lär oss att köra i en stad men kan väldigt snabbt anpassa oss till att köra i en annan stad utan att behöva köra hundratals mil i den andra staden.
Utan att avslöja detaljer påpekar Shah att Wayve satsar på teknik som förstärkt- och imitationsinlärning på olika nivåer. Det är en ”end-to-end machine learning algorithm” som gör att bilar lär sig av sin erfarenhet och kan hantera okända situationer smidigt.
Källor
[1] O’Hear, S. TechCrunch. This UK startup thinks it can win the self-driving car race with better machine learning. 2018-05-22 Länk
Det pratas och skrivs ofta om hur många entreprenörsföretag, startups, det finns inom området automatiserade fordon. Nu har TechCrunch grävt i detta och egentligen bara hittat 12 st oberoende och välfinansierade sådana [1], och kategoriserat dem inom två områden: sensorteknologiföretag och de som utvecklar kompletta teknikplattformar inklusive hårdvara och reglerfunktioner.
Sensorföretag: Nauto Inc, Quanergy Systems, CYNGN, Innoviz Technologies, Autotalks, Oryx Vision. Av dessa är de 3 första hemmahörande i Kalifornien och de 3 sista i Israel.
Teknikplattformsföretag: Zoox, Roadstar.ai, Pony.ai, Aurora, TuSimple, Drive.ai. Av dessa är alla i Kalifornien utom Roadstar.ai som finns i Shenzhen.
Egen kommentar
De som utvecklar sensorer har ofta en lättare väg in till fordonsföretagen då de i princip säljer en komponent vilket kan ske på traditionellt sätt. Teknikplattformsutvecklarna konkurrerar däremot delvis med fordonstillverkarna själva. Å andra sidan börjar allt fler inse att man behöver samarbeta inom området för att över huvudtaget lyckas ta sig till marknaden.
Källor
[1] J Rowley: The well-funded startups driven to own the autonomous vehicle stack, TechCrunch 2017-05-27 Länk