Kategoriarkiv: Teknologi

Funktionell säkerhet, Sensorer

Sensorerna är inte tillräckligt bra ännu

I eftermälet till Uber-olyckan erkänner nu flera leverantörer av sensorer till självkörande fordon, bland dem Nvidia och Mobileye, att sensorsystemen inte är tillräckligt bra ännu för allmän användning [1].

Även om komponenterna fungerar bra för att samla in data och för att utveckla och  förbättra algoritmer för styrning och objektidentifiering så räcker de ännu inte till för full självkörning, t.ex. avseende:

  • Radarers upplösning och synfält vilket begränsar hur många  objekt som kan detekteras samt gör det svårt att skilja små objekt från större.
  • Räckvidd och samplingsfrekvens för lidar vilket kan skapa gap i laser-bilder.
  • Problem kopplade till regn och dimma som begränsar prestandan.

Det handlar inte om Ubers specifika implementation utan om den generella statusen av systemen. Det finns idag ingen standard för vad radar, lidar och kameror ska klara utan alla har sin egen uppfattning om vad sensorerna ska klara vilket gör det svårt för leverantörerna att klara.

”Alla gör vad de vill,” säger Kobe Marenko, VD för israeliska sensorföretaget Arbe Robotics. ”Alla har sin egen uppfattning om vad som är minimikraven.”

Källor

[1] Shiraz Ahmed: Suppliers confront shortcomings of self-driving tech, Rubber & Plastics New 2018-04-02 Länk

Elektronik och processorer

Horizon Robotics utmanar Nvidia och Mobileye

Vi har vid flera tillfällen skrivit om Nvidia och Mobileye vars kraftfulla processorer och kameraalgoritmer finns i många självkörande bilar. Men nu utmanas de av kinesiska Horizon Robotics som ämnar utveckla ”hjärnan” till de 30 miljoner självkörande fordon som väntas introduceras på den kinesiska marknaden inom det kommande årtiondet [1].

Företaget samarbetar bland annat med Audi, Chongqing Changan Automobile och Bosch. Audi använder dock fortfarande Nvidia i sina bilar sålda i Kina, men kommer att utvärdera utgången av samarbetet innan några vidare beslut fattas.

Horizon Robotics grundades 2015 av Yu Kai, före detta chef för Baidus verksamhet för artificiell intelligens (Institute of Deep Learning). Dess investerare inkluderar Intel Capital Corp., Shanghai-baserade Harvest Fund Management Co., ryska miljardären Yuri Milner och statsägda China Jianyin Investment Ltd. I december fick företaget ca 100 miljoner dollar investering.

Egen kommentar

För Kina är det oerhört viktigt med inhemsk produktion av chip och processorer. Detta för att minska beroendet av bland annat USA. Den kinesiske presidenten har satt upp en fond på 200 miljarder yuan (motsvarande 280 miljarder kronor) för att stödja sådan verksamhet [2].

Källor

[1] Bloomberg Technology, China Wants Its Own Brains Behind 30 Million Self-Driving Cars. 2018-03-25 Länk

[2] Bloomberg Technology, China Is Raising Up to $31.5 Billion to Fuel Chip Vision. 2018-03-01 Länk

Kooperativa system, Tester och demonstrationer

Uppkopplade fordon guidar till ledig P-plats

Resultaten från tester utförda inom ramen för det brittiska projektet UK Autodrive visar att uppkopplade fordon skulle kunna hjälpa förarna att hitta lediga parkeringsplatser. När ett fordon kommer till en parkering får det en uppdaterad värmekarta som visar tillgänglighet, medan realtidsuppdateringar från andra uppkopplade fordon visar upptagna/lediga platser. På det viset får förarna realtidsstöd att hitta ledig parkeringsplats.

Testerna har utförts i Milton Keynes i samarbete mellan Ford, Jaguar Land Rover och Tata Motors European Technical Centre (TMETC).

Jaguar Land Rover har också demonstrerat hur en automatiserad bil kan köra sig själv till en ledig parkeringsplats.

UK Autodrive testar en rad andra funktioner, inklusive Emergency Vehicle Warning och Electronic Emergency Brake Light. Till sommaren kommer projektet att testa en flotta med ca 40 små långsamtgående självkörande pods i centrala Milton Keynes.

Egen kommentar

Här påpekar de involverade parterna vikten av att kunna utföra tester både under kontrollerade förhållanden och i trafiken. Alla har något att lära sig av att samarbeta med varandra och komma ”out there”. De förespråkar dock ett steg-för-steg tillvägagångssätt.

Källor

[1] Fleet Industry News. Watch: Autonomous cars notify drivers of parking spaces, UK Autodrive trial reveals. 2018-02-23 Länk

Artificiell intelligens, Kartor, Sensorer, Teknologi

Lästips inför påsken

Mellan ägg och sill kanske ni vill har något att läsa.

  • Ett tips är Automotive Megatrends temanummer ”Are we ready for automotiv AI? som tar upp artificiell intelligens och angränsande ämnen ur ett antal perspektiv. Ur innehållet:
    • Artificiell intelligens roll i den framtida mobiliteten
    • Hur AI kan klara sitt ”förarprov”
    • AI-assistenter i bilar
    • LIDAR som nyckelteknologi
    • Volkswagens syn på AI
    • Zenuity om framtiden
    • Hur man kan förhindra dataintrång
    • HD-kartor och förarstödsystem
  • Under de senaste åren har vi vittnat många nya allianser kopplade till utveckling av automatiserade fordon och mobilitetstjänster. I en ny rapport kallad Strategic alliances: a real alternative to M&A? beskriver KMPG vad som krävs för att diverse allianser inom transportbranschen ska kunna överleva.

Glad Påsk!

 

Artificiell intelligens

Utmaningar gällande data för autonoma fordon

Startup-företaget Mighty AI, som levererar träningsdata till företag som bygger datormodellmodeller för autonoma fordon, och konsultföretaget Accenture har publicerat en rapport om några av de utmaningar som autonoma fordon står inför med avseende på all den data som samlas in [1].

För att fordon ska kunna uppnå högre nivåer av automation genom deep learning behöver de en massiv datamängd som kommer från sensorer såsom kamera, radar och LiDAR,  både för upplärningen av AI-systemet men också för att kunna fatta beslut i realtid när de väl introducerats på marknaden.

Rapporten pekar ut följande fyra områden att ha i åtanke när man utvecklar metoder för att hantera massiva datamängder för autonoma fordon:

  • Datainsamling: Företag kan bli mycket effektivare på datainsamling genom att optimera datakraven och insamlingsmetoden.
  • Datalagring: Att engagera företagets centraliserade IT-avdelning så tidigt som möjligt är avgörande (innan man har distribuerade team som jobbar i olika riktningar).
  • Datahantering: Att kunna spåra datas ursprung, vad som händer med det och hur det används över tid är viktigt.
  • Datamärkning: Med så mycket data som samlas är det viktigt med kategorisering för att få klarhet.

Rapporten säger avslutningsvis att företag som är medvetna om dessa utmaningar och bygger system för att hantera dem har större möjligheter att kringgå utmaningar som kan bromsa deras framgång.

Källa

[1] Autonomous vehicles: The race is on. Accenture, 2018, Länk

Mjukvara

Apollo Scape

Baidu har nu lanserat en öppen databas för automatiserade fordon, Apollo Scape [1]. Enligt företaget är den 10 gånger större än andra motsvarande öppna databaser, inklusive Kitti och CityScapes. Apollo Scape är en del av Apollo, Baidus öppna plattform för automatiserade fordon.

Apollo ger utvecklare tillgång till en komplett uppsättning lösningar och källkod, vilket gör det möjligt för dem att exempelvis konvertera ett konventionellt fordon till självkörande fordon på bara 48 timmar. Apollo Scapes ger dem nu ett dataset som kan användas för sensorutvärdering, simuleringar, vägnätsanalys och dylikt, samt möjliggör träning av självkörande fordon i komplexare miljöer, väder och trafikförhållanden.

Utöver det har Baidu blivit medlem i Berkeley DeepDrive (BDD) Industry Consortium som utforskar spetsteknologier inom maskinellt seende och maskininlärning för fordonsindustrin.

Företagets förhoppning är att bli ”the Android of the auto industry”.

Egen kommentar

Tillgång till data är avgörande för utveckling av automatiserade fordon. Likaså är det viktigt att kunna göra tolkning av data, och det är precis därför som Baidu inleder ett strategiskt samarbete med ett av världsledande konsortium inom djupinlärning.

Källor

[1] Walz, K., FutureCar. Baidu Apollo Releases the World’s Largest Dataset for Self-Driving Cars. 2018-03-14 Länk

Elektronik och processorer, Mjukvara, Sensorer

Autoliv levererar till Geely

Autoliv har fått i uppdrag att utveckla de första förarstödsystemen till Geelys bilar motsvarande automationsnivå 3 enligt SAE-skalan [1]. Det omfattar elektroniska styrenheter samt mjukvara till avancerade förarstödsystem, radarsystem och kamerasystem med mono- och stereovision. Utvecklingen kommer att ske i samarbete med mjukvaruföretaget Zenuity (Autolivs och Volvo Cars gemensamma satsning).

Då den kinesiska marknaden är stor och sådana här system  precis har börjat komma i fordon är detta en viktig milstolpe för Autoliv.

Källor

[1] Autoliv Press Releases. Autoliv Nominated to Develop and Produce First Level 3 ADAS System for Geely. 2018-03-08 Länk

Mjukvara, Positionering, Sensorer

Ny laserteknik gör det möjligt för autonoma fordon upptäcka hinder runt hörnet

En forskargrupp från Stanford University har utvecklat ett nytt laserbaserat system som gör det möjligt för autonoma bilar att se hinder runt hörnet innan det är inom deras visuella synfält [1].

Systemet gör detta genom att effektivt producera bilder av föremål som är dolda runt ett hörn, vilket gör det möjligt för autonoma fordon att se hinder innan de kommer inom synhållet.

Genom att använda teknologier som t.ex. LIDAR, skickas laserpulser mot en yta och mäter tiden som krävs för att ljuset ska reflekteras – denna data samlas sedan in för att bygga en tredimensionell modell av ytan vilket resulterar i att man kan utveckla bildobjekt som inte är direkt synliga för kameran.

Forskargruppen uppgav också att den reflekterande karaktären av vägskyltar och cykelreflektorer gör deras teknik passar bra för autonoma fordon och tillägger att deras forskningen använder sensorer som liknar dem som redan används i autonoma fordon.

Trots detta meddelade forskargruppen dock att de fortfarande behöver förbättra systemet, så det kan bli bättre på att upptäcka objekt som inte är väldigt reflekterande eller stationära (till exempel barn eller vilda djur) men även att se till det kan användas utomhus under soliga förhållanden.

Källa

[1] Davis,N., New laser technology lets driverless cars see round corners, The Guardian, 2018-03-05 Länk

Kommunikation

Multiantennsystem för förbättrad positionering inomhus och för autonoma fordon

I veckan som gått försvarade Dr. Marco Marinho vid Högskolan i Halmstad sin avhandling som handlar om hur multiantennsystem kan används för noggrann positionering, både i inomhusmiljö och utomhus för autonoma fordon.

Multiantennsystem används redan i bl.a. wifi-routrar och mobilmaster för att förbättra kommunikationen. Den nya tekniken som presenterades i avhandlingen har fokuserat på att öka noggrannheten i positionering. Resultaten visar att noggrannheten i positioneringen bli så hög som 1 cm.

Forskningen har framförallt handlat om energieffektivisering inom systemet samt interaktion mellan mobila enheter och stationära sensornätverk. Tekniken har även studerats praktiskt för att möjliggöra kommunikation mellan fordon i lastbilskonvojer.

Egen kommentar:

Att förbättra positionering med hjälp av trådlös kommunikation är ett bra komplement till traditionella SLAM-algoritmer. Med så bra noggrannhet som rapporteras i avhandlingen så kommer det möjliggöra många nya applikationer, allt från navigering för autonoma fordon och flygfarkoster till inomhusnavigering för räddningsinsatser vid bränder.

Källor:

[1] Louise Wandel: Multi antenna systems improve indoor positioning and autonomous vehicles, Högskolan i Halmstad 2018-03-05 Länk

Kartor

Slaget om den digitala kartan

I ett långt reportage beskriver Bloomberg slaget om digitala högupplösta kartor för automatiserade fordon [1].

Alla är överens om en sak: sådana kartor behövs. Men hur dessa ska utvecklas är aktörerna inte riktigt överens om.

I grova drag finns det två tillvägagångsätt. En strävar efter att skapa kompletta högupplösta kartor som gör att framtida självkörande fordon kan navigera på egen hand. En annan skapar kartor steg-för-steg med hjälp av sensorer i dagens fordon. Men varje karta är unik, beroende på vilka system används för att skapa den.

Idag finns det många aktörer som alla försöker hitta sitt eget sätt. Många tror att Waymo ligger före andra, men andra företag som Mobileye, Tesla och TomTom är nog inte långt efter. Dessutom finns det många startupföretag som slås med dessa jättar och försöker komma på innovativa lösningar.

Vem vinner då? Digitala kartor har en nätverkseffekt och om en större bilflotta använder en och samma karttyp kommer den karttypen att bli bättre och snabbare uppdaterad.

Källor

[1] Bergen, M., Bloomberg. Nobody Wants to Let Google Win the War for Maps All Over Again. 2018-02-21 Länk