Tester och demonstrationer

Uber återupptar testningen i SF

Direkt efter dödsolyckan i Arizona för drygt två år sedan avbröt Uber alla sina tester på allmänna vägar, inklusive de i Kalifornien. I början av februari återfick de sitt testtillstånd i Kalifornien, och under veckan återupptogs testningen. 

Initialt kommer testningen att pågå i några veckor och den kommer att vara begränsad till San Francisco. Fordonsflottan kommer att bestå av två Volvo XC90-fordon utrustade med Ubers självkörande system. Testning kommer att genomföras endast under dagsljus och varje fordon kommer att bemannas av en säkerhetsförare.

Källor

[1] Korosec, K., Uber self-driving cars are back testing on San Francisco streets. 2020-03-10 Länk

Marknadsundersökningar

Opinionen stagnerat i ett neutralt läge

Den amerikanska organisationen för bilägare, American Automobile Association (AAA), har nu publicerat resultat från sin årliga enkät kring attityder till självkörande fordon [1]. Resultaten visar följande:

  • 12% av de tillfrågade skulle lita på att åka i en självkörande bil, medan 28% vet inte hur de känner för den självkörande tekniken. 
  • De tillfrågade utryckte att de vill se fler nyheter och offentlig information om viktiga frågor som säkerhet och ansvar.
  • Sex av tio (57%) skulle vilja ha en klar förståelse av vem som är lagligt ansvarig i händelse av en krasch.
  • Hälften (51%) är intresserade av regelverk.
  • Hälften (49%) vill veta hur sårbara självkörande fordon kommer att vara för hackare.

AAA drar slutsatsen att opinionen har på sätt och vis stagnerat i ett neutralt läge. Det är konkret information om viktiga frågor, kvalitetsutbildning och erfarenhet som kommer vara avgörande för ökad acceptans.  

Studien genomfördes i form av online- och telefonenkäter och omfattade 1301 deltagare. AAA påpekar att resultaten inte är direktjämförbara med resultaten från året innan eftersom man i år använt en annan urvalsmetod. 

En sammanfattning av AAAs enkät från förra året hittar ni här. 

Källor

[1] Edmons, E., AAA. Self-Driving Cars Stuck in Neutral on the Road to Acceptance. 2020-03-05 Länk

Mjukvara, Okategoriserade, Sensorer

Djurdetektion för ADAS och AD

Startupföretaget StradVision meddelar att de utvecklar algoritmer för djurdetektion i sitt djupinlärningsbaserade kamerasystem [1].

Det sägs även att systemet ska kunna detektera djur i dåliga väderförhållanden, såväl som miljöer där djur kan vara skymda av till exempel träd.

Källa

[1] PRNewswire. StradVision Developing Groundbreaking Animal Detection Software for ADAS Systems and Autonomous Vehicles. 2020-03-05 Länk

Artificiell intelligens

Imitationsinlärning för snabbare beslutsfattande

En forskargrupp från Deakin University i Australien har publicerat en ny studie med titeln Deep Imitation Learning for Autonomous Vehicles Based on Convolutional Neural Networks [1]. Som det framgår av titeln så använder de sig av s.k. imitationsinlärning där algoritmen lär sig från demonstrationer. 

Under experimentet fick en mänsklig förare köra ett fordon utrustat med tre utåtriktade kameror. Kamerabilderna behandlas sedan med faltningsnätverk (convolutional neural networks, CNN) som lär sig fatta beslut utifrån förarens beslut.

Studien fokuserade på att utvärdera hur prestandan hos CNN påverkas av olika arkitekturer, inklusive antalet lager och filter samt filterstorleken. De kom fram till att antalet filter inte påverkar prestandan.

Källor

[1] CHINESE ASSOCIATION OF AUTOMATION. Improving the vision of self-driving vehicles. 2020-03-06 Länk

Distributionsfordon, Tester och demonstrationer

Robotar för lagerhus

Boston Dynamics och OTTO Motors går in i ett samarbete för att koordinera olika typer av logistikrobotar [1].

De två robotikföretagen offentliggjorde nyligen sin demofilm där man kan se Boston Dynamics Handle Robot samarbeta med OTTO Motors autonoma lagerhusfordon OTTO 1500.

Källa

[1] OTTOMotors. Boston Dynamics Partners with OTTO Motors to Coordinate Mobile Robots in the Warehouse. 2020-03-03 Länk

Lastbilar, Tester och demonstrationer

Nya turer för TuSimple

Det kinesisk-amerikanska företaget TuSimple har utökat logistikverksamheten för sin delägare UPS.

TuSimple kör sedan tidigare tio turer per vecka mellan Phoenix och Tucson i Arizona. De tio nya turerna ska gå mellan Phoenix i Arizona och El Paso i Texas. Totalt kommer alltså TuSimple att köra cirka 20 turer per dag [1].

Källa

[1] Heavy Duty Trucking, Bobit Business Media. . TuSimple Expands UPS Autonomous Routes. 2020-03-05 Länk

Tester och demonstrationer, Trafiksäkerhet

Intersection Drone Dataset

Tyska fka GmbH och Institute for Automotive Engineering (ika) vid RWTH Aachen University har publicerat en ny datamängd över fyra korsningar. Den heter Intersection Drone Dataset (inD) och är inspelad med hjälp av en drönare. Den visar alltså toppvy över trafiken i korsningarna.  

Målet är att sådana data ska användas för validering av automatiserad körning. Datamängden är gratis för icke kommersiell verksamhet. 

Forskarna har också publicerat en artikel om detta som finns att tillgå här. 

Fordon, Funktionell säkerhet, Tester och demonstrationer, Trafiksäkerhet

Brittisk teststandard publicerad

Det brittiska standardiseringsorganet BSI har nu färdigställt en ny standard för att säkra testning av självkörande fordon, PAS 1881, som vi nämnde i höstas [1].

Standarden är en av de första i världen och täcker såväl tester inom avgränsade områden som på allmänna vägar. Standarden går att ladda ner avgiftsfritt. Inom en månad förväntas BSI komplettera med standard om utveckling och testning av kontrollsystem i självkörande fordon.

Egen kommentar

Standarder är mycket viktiga för såväl utvecklare som försäkringsbolag och väghållare. Den nu publicerade standarden kan därför förväntas öka innovationstakten ytterligare.

Källor

[1] BSI. BSI unveils new safety requirements to help ensure safe trials and tests of automated vehicles 2020-03-03 Länk

Lastbilar, Mobilitetstjänster, Sensorer, Teknologi

Waymo tar in 2,25 miljarder dollar i riskkapital

Waymo har fått 2,25 miljarder dollar under sin första externa finansieringsrunda [1]. Pengarna kommer att användas till rekryteringar och investeringar i deras teknik och global verksamhet.

Företaget har också tillkännagett att de kommer lansera leveranstjänsten Waymo Via. Den kommer att fokusera på olika typer av varu- och godsleverans, inklusive tunga lastbilar [2] .

Utöver det har företaget visat femte generationen av s.k. Waymo Driver som består av mjukvaru- och hårdvarukomponenter som möjliggör självkörning [3].

Jämfört med dess föregångare påstås det nya systemet ha mer robusta sensorer som möjliggör bättre detektering och lättare uppskalning. Det påstås ha förmåga att identifiera fotgängare och stoppskyltar på avstånd över 500 meter. En annan nyhet är Waymos egenutvecklade perimeter lidar. Totalt inkluderar systemet 6 kameror, 4 lidarenheter samt 3 radrenheter med olika funktioner och synfält.

Systemet har installerats på eldrivna Jaguar I-PACE som kommer utgöra en stor del av Waymos fordonsflotta under de närmaste åren.

Här kan ni se en film om Waymos vision om framtida transporter.

Källor

[1] Korosec, K., Waymo brings in $2.25 billion from outside investors, Alphabet 2020-03-02 Länk

[2] Waymo raises first external investment round. Waymo 2020-03-02 Länk

[3] Jeyachandran, S., Waymo. Introducing the 5th-generation Waymo Driver: Informed by experience, designed for scale, engineered to tackle more environments. 2020-03-04 Länk

Artificiell intelligens, Teknologi

Ubers maskininlärning och versionshantering

Uber har publicerat en övergripande beskrivning av sin infrastruktur för maskininlärningsmodeller samt ett verktyg, VerCD, som hjälper dem att hantera olika versioner av dessa modeller [1].

Maskininlärningsmodeller skapas i fem steg: 

  • Dataintag. Dataloggar för utveckling av maskininlärningsmodeller väljs ut och förs in till maskininlärningstacken. Ungefär 75 % av data används för träning, 15% för test och 10 % för validering.
  • Datavalidering. Den utvalda datamängden behandlas för att detektera och klassificera olika objekt. Dessa jämförs sedan med andra datamängder över samma scener för att förstå hur förhållandena har förändrats.
  • Modellträning. För att träna modeller appliceras Horovods distribuerad träning. Träningen sker parallellt på olika processorer så att samma modell tränas på flera processorer med olika delar av datamängden. I ett nästa steg används Horovods ring-allreduce-algoritm för att fördela det som en processor lärt sig till alla andra processorer. För att säkerställa att träningen går enligt plan övervakar ingenjörerna processen med hjälp av TensorFlow och PyTorch. Orkestrering av träningsarbetet görs med hjälp av Peloton, en open source resursplanerare utvecklad av Uber. 
  • Modellutvärdering. Utvärderingen omfattar modeller såväl som hela systemets prestanda. Här används både modellspecifika mätvärden och systemvärden. Utöver det utvärderas hårdvaran som modellerna kommer att exekveras på för att se hur väl den hanterar dessa modeller.
  • Modellimplementering. Efter att en modell tränats och utvärderats implementeras den på en dator i det självkörande fordonet.

Alla dessa steg kräver en hel del handpåläggning och stöd från ingenjörer vilket öppnar upp för misstag. Då varje steg har inbyggda beroenden till andra steg och andra system kan ett litet misstag få påtagliga konsekvenser. Det är där som verktyget VerCD kommer in i bilden. Det har skapats av Uber för att automatisera arbetsflödet samt underlätta hanteringen av olika beroenden och modellversioner. 

Egen kommentar

Kopplat till detta kan ni vi också rapportera att Ubers VD Dara Khosrowshahi är positiv till att använda självkörande teknologi från andra tillverkare och ska ha inlett samtal med relevanta aktörer. Några gissningar?

En annan Uber-relaterad nyhet är att företagets f.d. ingenjör Anthony Levandowski beordrats av en domstol i Kalifornien att betala 179 miljoner dollar till Google för brott mot villkoren i hans kontrakt och separationsavtal med Google. Han har nu ansökt om konkursskydd. Levandowski påstås ha stulit med sig flera tusentals dokument när han lämnade Google (Waymo), och som han sedan ska ha använt för att utveckla en lidarsensor för automatiserade lastbilar på Otto – som senare blivit uppköpta av Uber.

Källor

[1] Yu Guo, Khalid Ashmawy, Eric Huang, Wei Zeng. Uber Engineering. Under the Hood of Uber ATG’s Machine Learning Infrastructure and Versioning Control Platform for Self-Driving Vehicles. 2020-03-04 Länk

utgiven av RISE Research Institutes of Sweden