Lagstiftning och regelverk, Tester och demonstrationer

Zenuitys nya tillstånd

I höstas fick Zenuity tillstånd att testa automatiserad körning på vissa allmänna vägar i Sverige och i vissa hastigheter. Enligt tillståndet måste en utbildad säkerhetsförare finnas bakom ratten som har minst en hand på ratten i alla situationer. 

Nu har företaget fått ett nytt tillstånd [1]. Framförallt behöver inte säkerhetsföraren ha någon hand på ratten när automationen är aktiverad.

Tillståndet gäller dock inte i hela landet utan är begränsat till E4 från Stockholm till Malmö, riksväg 40 mellan Jönköping och Göteborg samt E6 mellan Göteborg och Malmö. Dessutom är hastigheten begränsad till 80 km/h. 

Egen kommentar

Jag kan inte låta bli att reflektera över om det här tillståndet återspeglar mognadsgraden hos Zenuitys teknologi eller om det återspeglar faktumet att händerna på ratten inte garanterar att föraren i fråga kommer att reagera när en kritisk situation dyker upp? Troligtvis är det både och.

I vilket fall som så är det extra spännande att vi kommer se ”riktigt” självkörande bilar i så höga hastigheter på våra vägar.  

Källor

[1] Zenuity. Hands-off with the new approval for Zenuity. 2019-01-28 Länk

Distributionsfordon

Amazon lanserar Scout

E-handelsjätten Amazon introducerar nu distributions-roboten Scout, med början i Snohomish County, Washington [1] [2]. Roboten, som inledningsvis kommer att åtföljas av en mänsklig skötare, kommer att följa en förprogrammerad rutt och stanna för att lämna av de beställda varorna.

Här kan ni se en film om hur det är tänkt att fungera.

Källor:

[1] Brian Heater: Amazon is piloting its own delivery Robot, TechCrunch 2019-01-23 Länk

[2] Sean Scott: Meet Scout, dayone – the Amazon blog 2019-01-23 Länk

Mobilitetstjänster, Övriga fordon

Uber satsar på självkörande el-cyklar och el-scootrar

Uber har gått ut med att de arbetar för att integrera autonom körning och sensorteknologi i sina elcyklar och el-scootrar [1].

Målet är att autonoma elcyklar och el-scootrar ska kunna köra själva till laddningsplatser eller omplacera sig själva till platser med högre efterfrågan. För närvarande kräver båda uppgifterna last- eller skåpbilar för att samla upp och omplacera elcyklarna och el-scootrarna. Autonom körning skulle eliminera det behovet och samtidigt minska kostnaderna för utfört arbete. Dessutom reduceras kostnaderna för bränsle och utsläppen kopplade till dessa aktiviteter.

Uber fortsätter att växa sin flotta av elcyklar och el-scootrar, samtidigt som de satsar kraftigt på FoU. Konkurrenterna Lime and Bird har också arbetat med uppgraderingar, men det har främst varit inriktat på att själva hårdvaran.

Källa

[1] Toll, M., Uber is working on autonomous electric bicycles and scooters, opens robotics division. Electrek 2019-01-21 Länk

Mobilitetstjänster, Personbilar

Waymo satsar i Michigan

Waymo kommer att bygga upp en egen verksamhet i ”bilstaten” Michigan, där man kommer att anställa ca 400 personer som ska arbeta med att anpassa Chrysler och Jaguar-bilar för Waymos verksamhet med självkörande bilar [1].

Verksamheten ska drivas ihop med Magna och har fått delstatligt stöd med $2 miljoner för de första 100 arbetstillfällena.

Källa:

[1] Pete Bigelow: Waymo plans expansion in Michigan, will hire 400 people, Automotive News 2019-01-22 Länk

Artificiell intelligens

Waymo och Google använder AutoML för att bygga Machine Learning

Waymo, kända för sina självkörande fordon, är väl förtrogna med machine learning (ML) som de använder i nästan alla delar av sina fordon, från att läsa av omgivningen, att förutsäga hur trafikanter i närheten kommer agera och bestämma det egna fordonets nästa rörelse.

Med ett samarbete med Google AI och forskare från ”the Brain team” har forskare börjat undersöka möjligheten att använda ett ML-baserat system, AutoML, för att anpassa sina modeller till olika städer och miljöer. Frågan som samarbetet jobbar med att söka finna svar på är: kan AutoML generera högpresterande och snabba Neural Networks för en bil? Med prestanda menar de hur precision i svaren från näten och med snabbhet menar de hur snabbt nätet kan leverera ett svar. 

För att hitta en bra arkitektur för ett neuralt nätverk görs mycket manuellt arbete med att kominera olika typer av byggblock, t.ex. antal gömda noder och inlärningsfunktioner etc. 

Med hjälp av AutoML kunde de automatiskt kombinera dessa byggblock och på så sätt förbättra prestanda på två olika sätt: nya nätverk som var signifikant snabbare, fast med liknande precision och nätverk med högre precision fast med liknande snabbhet.
Alltså, genom att kombinera olika byggblock kunde de utforska olika konfiguration av nätverken. Så, med denna kunskap ville de även prova att skapa helt nya typer av nätverk. 

Eftersom det tar dagar att utvärdera en ny arkitektur skapades mini-problem baserade på original-problemet, dvs. bildsegmentering. Miniproblemen kunde analyseras på några timmar och nu kunde AutoML mjukvaran användas för att testa inte bara nya byggblock utan helt nya arkitekturer. Det som annars skulle ta år att köra på servrarna med multipla grafik-kort tog nu några timmar. 

Resultaten var enastående, 10 000 nya arkitekturer kunde skapas automatiskt, och testas på ett par veckor (istället för över ett år). Nätverk som var 20-30% snabbare och med mellan 8-10% högre precision kunde automatgenereras.

Källa:

[1] Automating the design of machine learning models for autonomous driving, Waymo 2019-01-15 Länk

Artificiell intelligens

Vatten och AI

En rapport från ”Center of U.S. auto manufacturing” höjer ett varningens finger kring prestanda hos AI-baserade algoritmer för objektidentifiering i samband med regn. Hayder Radha, professor vid Michigan State University, bekräftar detta problem och säger: I tester missar algoritmen ca 20% av alla objekt i lätt regn, om regnet tredubblas, dubbleras felfrekvensen. Även till synes små förändringar som färgskiftningar på grund av årstiderna kan påverka fordonens radar och lidarsensorer säger Prof. Radha.

Trots dessa utmaningar storsatsar bl.a. Hyundai på AI-teknologi för självkörande fordon. De har bl.a. investerat i startupföretaget Allegro.ai. Även Boston-baserade företaget Optimus Ride satsar med Nvidias Drive AGX Xavier plattformar för att starta en flotta med självkörande fordon i specifika områden t.ex. högskolekcampus och andra zoner för självkörande fordon.

Källa: 

[1] George Leopold: Study Pours Cold Water on AI Driving Algorithms, Datanami 2019-01-02 Länk

Positionering, Sensorer, Tester och demonstrationer

Audi och Volkswagen testar ny lidarsensor i sin flotta av självkörande fordon

Audi och Volkswagen inleder ett samarbete med AV-sensor plattformsleverantören Luminar för att använda deras avancerade lidarsensorer i sin flotta av självkörande bilar, som för närvarande håller på att testas i München, Tyskland [1].

Luminars lidarer kommer att placeras på fordonets tak och användas för att få framåtriktad perception med lång räckvidd och hög precision. Fordonen kommer också att få stöd av lidarsensorer för kort räckvidd för att man ska kunna se i sidled. Detta tillsammans med radar och kameror möjliggör att man kan få ett 360° synfält kring fordonet.

Källa

Billington, J., Audi and Volkswagen to use advanced lidar technology in autonomous mobility fleet. Autonomous Vehicle International 2018-12-21 Länk

Konferenser

Detta har hänt: Del II – CES

Första bilen debuterade på Consumer Electronics Show (CES) för 20 år sedan, och då var allt annat i fokus förutom just bilar. Men under de senaste åren har CES blivit mer av en autoshow då allt fler aktörer från fordonsbranschen passar på att visa upp sina prototyper och offentliggöra sina planer och ambitioner där. Årets upplaga av CES som pågick förra veckan var inget undantag. Jag var inte med på plats men att tolka av det som publicerats i media fick just automatiserade och uppkopplade fordon en hel del uppmärksamhet, även om det kanske var något mindre om självkörande fordon än förra året. Dessvärre verkar det som att ingen av aktörerna visat något riktigt nytt och revolutionerande, något som kan komma att förändra världen. Många har visat skyttlar och lösningar kopplade till mobilitetstjänster för varor och passagerare. Mycket igenkänning av aktiviteter och emotioner samt igenkänning av gester. Förvånansvärt lite fokus på röststyrning – men det betyder nog inte att man lämnat det spåret, bara att nyhetsvärdet avtagit. Som vanligt är mycket av det som visats på koncept- och mockupstadium oftast långt ifrån produktion men det finns undantag. 

Här är en översikt av det som visats där så får ni själva avgöra om mina slutsatser stämmer eller ej.

  • Veoneers Liv 3.0. Autolivs avknoppning Veoneer valde att fokusera på Collaborative Driving, något som företaget anser vara av stor vikt då de förutspår att de flesta fordon sålda år 2030 kommer erbjuda delad interaktion med mänskliga förare. Flera tekniska lösningar, som Pilot Assist Level 2+, framåt-tittande kameror, 5G och superdatorn Zeus, var integrerade i forskningsfordonet Liv 3.0 och kunde prövas på en avlyst bana. Dessa lösningar har utvecklats i samarbete med bl a Zenuity, Ericsson och MIT. Värt att notera här att Veoneer precis vunnit ett kontrakt med en global biltillverkare gällande konstruktion och produktion av ett nytt lidarsystem (tillverkad av Velodyne) för automatiserade bilar. Länk Film
  • Smart Eyes övervakning. Göteborgsbaserade Smart Eye visade sin teknologi för övervakning av föraren och igenkänning av trötthet och ouppmärksamhet. Detta gjordes i samarbete med NXP. En annan nyhet är att Smart Eye inleder samarbete med Ambarella, utvecklare av högupplösta videofilmer och halvledare för datorseende.  Länk Länk
  • Mercedes och Nvidia. Förra året började MB och Nvidia samarbeta kring ”cockpit of the future”. Nu ska företagen utöka samarbetet med optimering av AI och självkörande funktioner. Länk
  • Mercedes Urbanetic Van. Som vi rapporterat om innan är Urbanetic Van en plattform som går att nyttja för både transport av gods och passagerare, beroende på vilken kaross som man använder. Den har ingen ratt utan är tänkt att vara helt självkörande. På CES visades prototypen för transport av passagerare och betoningen var på ”informed trust”, dvs. hur man kan skapa tillit till det självkörande fordonet både mot egna passagerare och mot andra trafikanter. Länk
  • Yandex. En rysk jätte som vi skrivit om vid ett par tillfällen. Det som är mest spännande med dem är att de lyckats demonstrera sitt självkörande system i verklig trafik i Las Vegas. Gatorna var så klart kartlagda i förväg. Här kan ni se en journalists resa i Yandex-bil.
  • Nissans ”Invisible-to-Visible”. Genom att använda teknik för förstärkt verklighet har Nissans Intelligent Mobility möjliggjort för förarna och passagerarna att se det osynliga. Det är en interaktiv tredimensionell interaktion inne i fordonet hopkopplad med SAM (Seamless Autonomous Mobility) som analyserar data om fordonet och dess omgivning. Länk
  • Kias R.E.A.D. I sitt pressmeddelande skriver Kia att de förbereder sig för ”post autonomous driving era”. Som en del i detta presenterade företaget sitt Real-time Emotion Adaptive Driving (R.E.A.D.) System, som kan optimera och personifiera kabinutrymmet genom att analysera förarens emotionella tillstånd i realtid med hjälp av AI-baserad biosignaligenkänningsteknik. Systemet har utvecklats i samarbete med MIT. Länk
  • Bosch IoT Concept. Bosch valde att demonstrera mjukvara för delade mobilitetstjänster i form av en självkörande skyttel. Resenärerna kan beställa resan via en app som sedan parar dem ihop med andra resenärer som ska åt samma håll. Appen kan användas för att boka en specifik plats, låsa upp skytteln och få påminnelse om man glömt något i skytteln. Länk
  • Aisin Type C. Aisin Seiki som delvis ägs av Toyota är känt för att utveckla olika fordonskomponenter alltifrån bromsar till batterier. Men under CES visade Aisin Seiki upp två konceptfordon kallade ”i-mobility TYPE C”: en automatiserad personbil och en automatiserad limousine där sätena svänger för att hälsa på passagerare! Det finns ett framåtriktat förarsäte och fordonen kan framföras av en mänsklig förare. Konceptet inkluderar olika förarstödsfunktioner däribland Driver Monitoring System och Facial Action Coding System. Länk
  • Densos framtida mobilitet. Denso visade också ett skyttel-liknande fordon, Urban Moves, och i den fanns allt från molntjänster till informationssäkerhetslösningar baserade på block chain, logistiktjänster, system för övervakning av förare och system för hantering av fordonsflottor. Länk
  • Continentals CUbE och leveransrobotar. CUbE är egentligen Continentals egna anpassning av EasyMiles skyttel. Hittills har vi sett den för transport av passagerare och nu visades hur den kan användas för leverans av gods i samarbete med små leveransrobotar som distribuerar paket till slutkunden. Tänk er: en robot i form av en hund som springer runt omkring med paket på ryggen. Länk
  • AEV Robotics fordonskoncept MVS. Detta är ett fordonskoncept som är likt Mercedes och Toyotas: ett modulärt fordon med utbytbar kaross. Det är svårt att säga vad som är unikt med det, mer än att det utvecklats av ett australienskt startupp-företag som hittills arbetat i tysthet. Länk
  • Surf ‘N Curve från BCS Automotive Interface Solutions. BCS är inget företag som man läser om i media varje dag. Vanligtvis utvecklar fordonskomponenter men på CES visade de ett fordonskoncept som de döpt till Surf ‘N Curve. Det påstås ha en holistisk interiördesign och när den inte kör själv kan föraren styra den med hjälp av två joystickar. Länk
  • ZFs och e.Go People Mover. Tyska ZF visade en mikrodator kallad ZF ProAI RoboThink som de beskriver som ”the most powerful AI-capable supercomputer in the mobility industry”. De visade också i samarbete med e.Go ett skyttelfordon som är redo för marknadsintroduktion och som fått en första kund, Transdev. Länk
  • Hyundai Mobis Concept. Här ligger fokus på framtida interaktion och upplevelse. Konceptfordonet är utrustat med system för rörelseigenkänning (läs: virtuell touch), system för igenkänning av känslor samt vindrutor som fungerar som skärmar. Utöver det är det utrustat med “Communication Lighting Concept” som möjliggör för det automatiserade fordonet att kommunicera med fotgängare via ljussignaler. Länk
  • Baidus Apollo 3.5. Nu är en ny version av Baidus öppna plattform tillgänglig. Utöver det betonade Baidu att de kommer att testa 100 st robo-taxis under 2019 i Changsha i Kina. Länk
  • Toyotas Guardian. När Toyotas system för automatiserade körning kallat Guardian blir redo för marknadsintroduktion inom ett par år kommer det vara tillgängligt för andra aktörer. Detta är intressant då vi inte sett sådana ambitioner från andra traditionella fordonstillverkare. Länk
  • IBMs AI-assistent Watson. IBM demonstrerade Watson, kanske mest känd för allmänheten som schack-dator, som assistent för resenärer att kommunicera med självkörande skyttlar. Problemet man vill lösa är att man kanske kommer att åka i många olika typer av skyttlar som har olika användargränssnitt. Med Watson kan man få hjälp, ungefär som med Google Assistant. Länk
  • Bytons M-Byte. Ett stort pressuppbåd följde visningen av den elbilen M-Byte från kinesiska startup-bolaget Byton. Bilen, som är designad för självkörning på Nivå 3 enligt SAE-skalan, fick kanske störst uppmärksamhet för den gigantiska 49″-skärmen framför framstolarna. Länk
Fordon

SAE International släpper visuellt diagram för sin standard av automationsnivåer

SAE International har tagit fram ett nytt visuellt diagram som kan användas tillsammans med deras standard för klassificering av olika nivåer av automation [1].

Tanken är att det nya diagrammet (se nedan) ska använda mer ”användarvänliga” termer och definitioner för de olika nivåer som ofta refereras till av både industrin och media. Det visuella diagrammet ska hjälpa till att minska förvirringen om vad varje nivå innefattar genom att ge klarhet och använda termer som vanligtvis används av konsumenter.

Källa:

[1] SAE International Releases Updated Visual Chart for Its “Levels of Driving Automation” Standard for Self-Driving Vehicles. SAE International 2018-12-11 Länk

Lagstiftning och regelverk

Policyutveckling för självkörande fordon

Hur skall regelverk och policies utvecklas och anpassas vid införandet av disruptiva tekniker? Harvard har sett att t.ex. Uber, AirBnb och Bird valde att starta tjänsterna utan att begära myndigheternas tillstånd eller medverkan. Istället kom reaktionerna från städer eller andra berörda när negativa effekter uppstod. Detta vill beslutsfattare och Harvard undvika för självkörande fordon genom proaktivt arbete.

Harvard har genomfört ”policyscrum” med Boston och tre städer samt kurser med studenter [1]. Bland resultaten från detta policyscrum är att städer skall förklara varför och till vad myndigheten vill ha tillgång till data från självkörande fordon. Studenterna tog bl.a. fram förslag på regler för avlämning och upphämtningsplatser vid samåkning.  

I Sverige har Transportstyrelsen startat ett policylab med Vinnova för att förenkla tillståndsprocessen för självkörande fordon [2].

Egen kommentar:

På RISE kallar vi detta område Regelverksinnovation som komplement till teknisk- och affärsmodellinnovation. Ett mycket intressant område där samverkan mellan myndigheter och entreprenörer ger bästa nytta.

Källor:

[1] Juan Siliezar: Paving the way for self-driving cars, The Harvard Gazette 2019-01-03 Länk

[2] Transportstyrelsen banar väg för självkörande fordon, VINNOVA 2019-01-17 Länk

utgiven av RISE Research Institutes of Sweden