Kategoriarkiv: Teknologi

Seminarium om teknologier för automatiserade fordon

Tisdag 3 november arrangerade SAFER, SVEA och Volvo Cars ett seminarium som fokuserade teknologierna bakom automatiserade fordon. Seminariet, som lockade ca 60 deltagare till Lindholmen Science Park, utgick till stor del från Volvo Cars Drive Me-satsning.

Inledningsvis berättade Dr Erik Coelingh från VCC om bakgrunden till fordonsautomation: med alltfler människor som flyttar till allt större städer så blir inte trafiksystemet hållbart, samtidigt som det ändå finns ett behov av individuell mobilitet som inte kollektivtrafiken kan tillfredsställa. Volvos tanke är att frigöra tid och låta föraren välja när man ska köra själv. Det finns enligt Erik två vägar till självkörande fordon: en inkrementell väg via alltmer automatiserade förarstödsfunktioner, och ett ”hopp” direkt till självkörande fordon. En risk med den inkrementella vägen är att förarna inte blir beredda att ta över från systemet trots att det kan krävas om än sällan, medan en stor risk med ”hoppet” är att det kräver stor investering i teknologi och produkt.

Joakim Lin-Sörstedt från VCC berättade om sensorer och sensor fusion i Drive Me-bilarna. De kommer att ha 7 radarer, 8 kameror, 1 lidar, ett antal ultraljudsensorer, HD-karta och moln-uppkoppling. Sensorfunktionen har 3 målsättningar: 360 graders objektidentifiering, att upptäcka hinder på vägen och positionering. Detta åstadkommer man genom olika kombinationer av lågnivåhantering i de enskilda sensorerna och central högnivå sensor fusion. För att klara detta blir mjukvaran alltmer specifik och hårdvaruberoende.

Lars Hammarstrand från Chalmers berättade om hur positionering och lokalisering sker, genom att kalibrera positionen från karta och GPS mot landmärken med känd position som identifieras via sensor fusion i bilarna. Det svåra är inte att som många demonstrationer runt om i världen köra ett par enstaka gånger autonomt, utan att kunna göra det varje dag i flera års tid. Ett problem är att kartor blir gamla och bilarna behöver kunna hantera det, antingen själva eller kooperativt gemensamt med andra fordon via molnet.

Jonas Arkensved från Delphi berättade om deras sensorutveckling, från tidiga radarer till den kombinerade radar/kameramodul som sitter i Volvos nya XC90. Man jobbar med att förbättra upplösning, synfält och bildkvalitet för att på det sättet ge mer tillförlitliga data, men också med att sänka priset.

Mohammad Ali från Volvo Cars beskrev den funktionella arkitekturen i Drive Me-bilarna, och hur man arbetar med beslutsalgoritmer för till exempel filbyten. Grundprincipen är att baserat på ett antal givna önskemål ta fram en målfunktion och trigga filbytet när målfunktionen visar att en annan fil är bättre. Beslutsalgoritmerna måste kunna hantera alla situationer och för att hantera detta använder Volvo sig av försiktighetsåtgärder för att förutse hypotetiska händelser, dels som rekommendationer, dels om tvingande åtgärder. Exempelvis skapar man marginaler och sänker hastigheten när man närmar sig områden där sensorerna inte ser.

Robert Hult från Chalmers berättade om hur man kan koordinera automatiserade bilar i korsningar, för att bäst kunna utnyttja den gemensamma resursen = vägytan. Detta görs genom att ersätta dagens styrning via trafikregler, skyltar, trafikljus till optimala rörelser för varje enskild bil. Det innebär en systemoptimering utifrån prediktering av möjliga framtida tillstånd. Det finns förstås flera utmaningar, såväl avseende beräkning, kommunikation och hur hantera icke-automatiserade fordon.

Martin Hiller från Volvo Cars beskrev hur elarkitekturen i Drive Me-bilarna ser ut. Det tillkommer då många nya noder, sensorer och nätverk, bland annat Ethernet för att få högre bandbredd. Global tidssynkronisering är en nyckel för såväl sensor fusion och aktivering, så att data representerar samma tillstånd. För V2X-kommunikation behövs också en globalt synkroniserad klocka för att kunna synkronisera med andra fordon eller infrastrukturen.

Mathias Westlund berättade om hur Volvo Cars jobbar med tillförlitlighet och feltolerans. Det är många nya och höga krav (ASIL D) och till exempel måste även kraftförsörjningen vara redundant. Inga singelfel ska leda till ”failure”. Detta görs i Drive Me-bilarna genom en extra bromsenhet (hydraulik+elektronik) och genom att kunna backup-styra genom bromsning av enskilda hjul.

Autonoma bilar måste kunna identifiera alla relevanta objekt, hantera alla situationer och alla akuta fel, och vara fail tolerant, dvs. på ett säkert sätt kunna hantera fel genom reducerad funktionalitet om ett allvarligt fel uppstår, t.ex. genom att stanna bilen vid vägkanten. Detta eftersom man inte kan lita på att föraren kommer tillbaks i loopen i tid för att kunna reda ut situationen. Däremot behöver bilarna inte vara fail operational (ha kvar full funktionalitet trots fel) vilket krävs för flygplan.

Det finns många nya möjliga felmoder och det finns en stor utmaning i verifiering. Det går inte att göra bara genom att köra miljarder mil för att täcka alla situationer och alla väderförhållanden/väglag. Man får istället identifiera kritiska situationer och sedan återskapa dessa i data för prov, till exempel med hjälp av förstärkt verklighet. I Drive Me-projektet begränsas scenariorna till en vägslinga och ”normala” väderförhållanden.

Elektromagnetiska fält förväntas kunna ge kommunikationsstörningar vilket är en utmaning. BMW har samma EMC-krav som för helikoptrar.

Elad Schiller från Chalmers berättade om hur man kan balansera prestanda och systemsäkerhet i kooperativa system även vid kommunikationsfel. Även om de självkörande bilarna i sig är säkra så kan V2X-kommunikationen vara felaktig, så att olika bilar får olika information. I så fall kan man säkra situationen genom att bilarna kommunicerar när de inte får information från andra och samtidigt degraderar funktionen.

Mitsubishi använder ”deep learning” för att hjälpa distraherade förare

Mitsubishi Motors och Mitsubishi Electric utvecklar ett system för att följa och lära sig förarens beteende över tid och varna när det ändras, till exempel om föraren håller på att somna [1, 2].

Systemet samlar information i realtid om styrning, ansiktets position och förarens puls. När föraren manövrerar på ett oväntat eller felaktigt sätt så kan systemet upptäcka det och aktivera ett alarm.

Källor

[1] Lucy Schouten: Mitsubishi’s answer to driverless cars? Helping human drivers. The Christian Science Monitor 2015-10-27 Länk

[2] Mitsubishi Electric Develops Machine-learning Technology That Detects Cognitive Distractions in Drivers, Automotive World 2015-10-27 Länk

Volvo Cars arbete med referenssensorer

Volvo Cars har i sin Drive Me-blogg lagt ut lite information om hur man jobbar med referenssensorer [1]. Bakgrunden är att det är en utmaning att verifiera de höga krav som ställs på sensorer och sensor fusion till AD.

För att göra detta använder man en utrustning som kallad Velodyne LiDAR ground truth sensor, som monterad på biltaket roterar 10 varv/s och använder 64 laserstrålar för att skanna av omgivningen. Informationen från utrustningen behandlas sedan för att identifiera objekt som andra fordon, vägmarkeringar etc. och jämförs med de ”vanliga” sensorer som finns inbyggda i bilen.

Källor

[1] Seeking the truth with autonomous cars, Volvo Cars 2015-10-30 Länk

Toyotas V2X-system ITS Connect

Toyota har på Tokyomässan visat upp ett kooperativt system kallat ITS Connect, med kommunikation både fordon-till-fordon och fordon-till-infrastruktur [1]. Förutom att kommunicera med andra uppkopplade fordon kan bilen även få information från trafikljus eller sensorer som till exempel känner av om det finns fotgängare i närheten.

När bilen närmar sig en korsning varnar systemet föraren om det finns risk för kollision med korsande trafik eller med fotgängare som inte uppmärksammats i tid. Systemet ska även kunna varna om föraren närmar sig ett rödljus utan att bromsa.

ITS Connect utnyttjar frekvensen på 760 MHz som är standard för ITS i Japan.

Källor

[1] Andreas Bergsman: Här är Toyotas nya smarta säkerhetssystem till nästa generation Prius, m3 2015-10-26 Länk

Autosar Adaptive Platform

Vid VDI-konferensen Electronics in Vehicles i Baden Baden 14-15 oktober presenterade BMW och VW ramverket för en ny kompletterande Autosar-plattform.

För att klara de riktigt kraftfulla datornoderna i ett fordon som krävs för automatisk körning och uppkopplade fordon så räcker inte den befintliga Autosar kärnan som nu kallas ”Classic Autosar”. Istället för att utöka denna så utvecklas något helt nytt – ”Autosar Adaptive Platform”. Denna skall vara dynamisk och klara upp- och nedladdning av programvara under drift med samma krav som kärnan i en smartphone, och dessutom höga krav på systemsäkerhet. Planen är ett släppa en första version i mars 2017. Arbetet påbörjades 2013 och tar fart nu med fler medverkande aktörer.

Jämfört med Classic Autosar, som specas i dokument och leverantörer konkurrerar med sin implementering,  så avser man nu att ta fram en referensimplementering som licensieras. Autosar kommer att släppa ”produkter” med källkod, testspecifikationer och textdokument. Denna gång blir inte kärnan helt specifik för fordonsindustrin utan POSIX (interfacestandard) blir en del av plattformen och befintliga OS kan integreras. Huvudskillnaden mot andra plattformar blir i Autosar metodiken.

Ethernet blir huvudsaklig kommunikationsstandard men bakåtkompatibel med CAN, Flexray och LIN. Det som är gemensamt mellan Classic och Adaptive Platform, t.ex. bussar och metodik, kommer att bli en egen produkt kallad ”Autosar Foundation” i oktober 2016.

Egen kommentar
Det är intressant att Autosar byter arbetssätt och tar fram en gemensam kod. Antagligen ser man att marknaden på kort sikt är liten för dessa avancerade plattformar så att kostnaderna måste minimeras.

Länk till konferensen

Delphi och Quanergy utvecklar lågkostnads-lidar

Lidar är en viktig sensor i de flesta system för självkörande bilar. Den fungerar ungefär som en radar men med laserljusstrålar och skapar en 3D-bild av omgivningen. De flesta av dagens lidarer har rotorer och sitter monterade på taket av t.ex. Googles testbilar. De är ofta väldigt dyra.

Nu utvecklar Delphi och Quanergy ihop ett lidarsystem där man istället har fasta sensorer i hörnen av bilen och utan rörliga delar [1]. Målsättningen är att kostnaden ska komma ner till ca 8 000 kr per bil.

Källor

[1] Richard Truett: Delphi, Quanergy team up on low-cost lidar, Automotive News 2015-10-26 Länk

HERE vill få till standard för crowd-sourcing för kartuppdateringar

Kartföretaget Here har tagit fram ett förslag till ”industristandard” för data från fordon. Förslaget lanseras som att informationen från fordon korrigerar kartan [1, 2, 3]. Inget bilföretag har tillräcklig täckning så någon form av samarbete vill Here få till. Företaget letar nu efter en lämplig standardiseringsorganisation som kan föra det vidare. Here har träffat Europeiska bilföretag i augusti och har bokat möte i Japan i november samt därefter i Auburn Hills, USA.

Källor

[1] HERE convenes industry forum to discuss vehicle sensor data transmission specifications, HERE Press release 2015-10-24 Länk

[2] Leo Kent: HERE shares how automated cars can ‘heal’ maps on the fly, HERE Official Blog 2015-06-23 Länk

[3] Inviting industry collaboration for standardisation, HERE hemsida Länk

MARTY på Stanford

En grupp ingenjörer vid Stanford University har, under ledning av professor Chris Gerdes, byggt om en DeLorean från 1981 till en testbädd för automatiserad körning [1].

Testbädden kallas Multiple Actuator Research Test bed for Yaw control (MARTY) och har utvecklats i samarbete med Revs Program och startupföretaget Renovo Motors.

Automatiserade fordon måste kunna utföra en rad olika manövrar för att undvika en olycka. Fysikens lagar begränsar så klart vad en bil kan göra, men förhoppningen är att MARTY ska möjliggöra tester av algoritmer som utför manövrar inom dessa gränser.

Här kan man se MARTY in action.

Källor

[1] Stanford Report. Introducing MARTY, Stanford’s self-driving, electric, drifting DeLorean. 2015-10-20 Länk

Teslas kunder använder Autopilot i situationer bortom dess förmåga

MIT Technology Review skriver om ett problem med Teslas nyligen lanserade Autopilot för motorvägskörning [1]. Vissa kunder har nämligen en tendens att – medvetet eller omedvetet – använda den i trafiksituationer som systemet inte klarar av.

Strax efter att mjukvaruuppdateringen släppts kunde man se filmer på Youtube som kunderna lagt upp som visar hur systemet fungerar på landsväg och andra vägar som systemet inte byggts för. Vissa av dessa situationer kunde lätt ha slutat i trafikolyckor.

Trots att Tesla förklarat att det handlar om ett förarstödsystem och att det är föraren som har ansvar för fordonets färd, så kan systemets namn Autopilot leda till förvirring, menar Alain Kornhauser vid Princeton University. Det är inte alla kunder som läser instruktionerna. Det är inte heller givet att de som läst instruktionerna kommer att tolka dem rätt. Han uppmanar förarna att vara extra försiktiga med Teslas system.

Egen kommentar 
När Autopilot lanserades i mitten av oktober var den tillgänglig bara i USA, men i fredags meddelade Teslas VD att företaget har fått tillåtelse att lansera systemet i alla länder där dess kunder finns förutom i Japan. Företaget för diskussioner med den japanska regeringen om att få godkännande även där.

Källor

[1] Berman, B., MIT Technology Review. Drivers Push Tesla’s Autopilot Beyond Its Abilities. 2015-10-21 Länk