Etikettarkiv: Google

Lästips och podcasts

  • Självkörande lastbilar. Ike är en startup inom lastbilssfären. Här kan ni läsa om hur man arbetar med automatiserad körning hos dem. Länk
  • Självkörande traktorer. Vi har vid flera tillfällen rapporterat om självkörande jordbruksmaskiner och den pågående digitalisering inom jordbruket. Här kan ni läsa om startupföretaget Bear Flag från Kalifornien. Deras affärsmodell går ut på att ta nya traktorer direkt från tillverkarna, utrusta dem med sitt självkörande system och sedan hyra ut dem till jordbrukarna. Länk
  • Olycksutredningar. Den amerikanska haverikommissionen NTSB har publicerat slutrapporter från två dödsolyckor med Tesla-bilar som skedde förra året i Kalifornien samt i Florida. Länk
  • Kamerakalibrering. En forskargrupp från Sydkorea har tagit fram en ny metod för kalibrering av kameror. Den bygger på en kombination av existerande metoder och påstås vara noggrannare och snabbare än dem. Studien är publicerad under titel Camera orientation estimation using voting approach on the Gaussian sphere for in-vehicle camera. Länk
  • Mobilitestrapporter. Det råder ingen tvekan att vi under de senaste månaderna på grund av corona ändrat vårt sätt att resa och förflytta oss. Här kan ni se en global sammanställning från Google och en motsvarande sammanställning från Norden gjord av Telia.
  • Podcast från Truckinginfo med veteranen Richard Bishop: Är självkörande lastbilar en frälsare eller en plåga? Länk
  • Podcast från Autonews med John Xin som är grundare till startupföretaget Lunewave: Innovation i en tid av osäkerhet. Länk
  • Podcast från VentureBeat med Nell Watson från Ethics Certification Program for AI systems vid IEEE: Hur viktigt är det med transparens för AI-system?  Länk

Tips på podcasts och dylikt

  • Vår f.d. redaktionschef Johan Wedlin diskuterar utvecklingen för automatiserad körning och hur det är kopplat till elfordon ihop med Magnus Karlström från omEV. Länk
  • Chris Urmson från startupföretaget Aurora och grundaren av Googles projekt om självkörande bilar ger sin syn på utvecklingen. Länk
  • Techentusiasten Ed Niedermeyer diskuterar nuvarande status och framtiden för självkörande fordon. Länk
  • SVT har lanserat en programserie ”Rapport från 2050”. I ett av avsnitten diskuteras bland annat självkörande fordon. Länk

Intressanta satsningar

  • Startupföretaget Drivetime ämnar se till att förarna har något att göra under färden (när bilen kör själv). De utvecklar nämligen röstbaserade spel för förare. Nyligen fick de en investering på 11 miljoner dollar från bland andra Amazon och Google via Makers Fund. Länk
  • Replica är nytt företag som är ett spinoff från Sidewalk Labs och som fått en investering från olika fonder på 11 miljoner dollar. Företaget tillhandhåller ett verktyg för datainsamling och kartläggning av hur folk rör sig i städer. Länk

Didi startar försök med självkörande taxitjänst i Shanghai

Didi Chuxing, som brukar beskrivas som Kinas svar på Uber, kommer att starta försök med 30 självkörande (nivå 4)-bilar i Jiading-distriktet i Shanghai [1] [2]. Det verkar som om försöken åtminstone inledningsvis kommer att ha säkerhetsförare, på samma sätt som Waymo och Uber haft i sina tester i USA.

Didi har också beslutat att knoppa av sin verksamhet om självkörande fordon i ett separat bolag, på samma sätt som Google gjort med Waymo.

Egen kommentar

Jiading-distriktet är där hela världens fordonsindustri håller till, såväl fordonstillverkare som leverantörer. Det är alltså ett hett område för utveckling av ny teknik.

Källor

[1] Sean Szymkowski: China’s Uber announces self-driving-car pilot program, RoadShow by Cnet 30 augusti 2019 Länk

[2] Soumik Roy: DiDi to trial self-driving taxi service with public in Shanghai, China, Techwire Asia 2 september 2019 Länk

Säkerhet och risk

Få ämnen diskuteras lika ofta som säkerheten med automatiserade fordon, och så har det också varit under sommaren. En återkommande fråga är ”Hur vet man att ett automatiserat fordon är tillräckligt säkert, och vad exakt är tillräckligt säkert?” Ironin i det hela är att automationen ju väntas förbättra säkerheten.

Baserat på det som framförts i media är min slutsats att hela branschen börjat tänka om och omvärdera sina säkerhetsstrategier. Detta eftersom man insett att säkerställa säkerheten är mycket mer komplext (och kostsamt) än vad man trott från början. Det visar inte minst alla olyckor som inträffat med automatiserade fordon.

Många menar att det är mer transparens och samarbete som krävs, och att man inte har råd att tävla om säkerhet. För detta har man i Storbritannien skapat ett standardiseringsprogram som bland annat ska skapa riktlinjer för bedömning av säkerhetsnivåer. Enligt EE Times som samtalat med flera säkerhetsexperter och analytiker behöver fordonstillverkare och leverantörer göra följande för att övertyga allmänheten om att automatiserade fordon är säkra: 

  • Ta fram mätvärden för testning
  • Anamma en “safety by design”-process
  • Dela data som samlats in under tester
  • Bygga en återkopplingsloop 
  • Ta fram mer sofistikerade simuleringar på systemnivå

Detta ligger ganska mycket i linje med diskussionerna på årets upplaga av Automated Vehicle Symposium (AVS) 2019 som hölls i mitten av juli i Orlando (ja, det var varmt och fuktigt!).

Flera presentationer där tydde på en förändring i tänkandet om att mäta och säkerställa säkerhet. Det verkar som att man börjat flytta fokus från antal körda kilometer, hur ofta systemet frånkopplas samt antal olyckor, mot en mer nyanserad uppskattning av risk. Detta är positivt tycker jag och tyder på en viss mognad hos de olika aktörerna när det gäller säkerhetstänkandet. Däremot finns det fortfarande många oklarheter och vissa fall rena motsägelser:

  • Vi strävar efter att uppnå en säkerhetsnivå som är ”better than human but not perfection” och ”it means being free of unreasonable risk” konstaterade Chris Urmson från Aurora (tidigare Waymo/Google). På Aurora har man tagit fram en säkerhetsstrategi som omfattar en riskbaserad analys där målet är att uppnå en nivå som är ”better than human but not perfection”. 
  • I tyska projektet Pegasus har man tagit fram ett scenariobaserat ramverk som är tänkt att användas för att verifiera att en viss säkerhetsnivå uppnåtts. Där menar man dock att en ”reference needs to be established”, dvs. man vet inte vilken säkerhetsnivå som man strävar efter exakt. För att komma närmare detta föreslår de användning av drönare för att samla mer information om trafiken. 
  • Volvo Cars strategi är, enligt säkerhetsexperten Trent Victor, att åstadkomma en säkerhetsnivå som matchar mänskliga förare när de presterar som bäst. Alltså referensen är ”attentive, skilled, experienced driver performance”. 
  • På Uber menar man det finns inte ett enskilt sätt att bevisa säkerheten, men ett företag kan skapa argument som visar att “the risk of harm from the system has been reduced to an acceptable level”. Vad som är en acceptabel risknivå framgår dock inte. 

Personligen tycker jag att diskussionen missat att lyfta fram två viktiga aspekter: hur typgodkännadeprocessen behöver anpassas samt rollen av tredjepartsaktörer för säkerhetsbedömningen.

Materialet från vissa presentationer från AVS hittar ni här.

Blinda och synskadade

Att automatiserade fordon förväntas underlätta livet och öka mobilitet för synskadade är ingen hemlighet. Det är något som lyfts fram redan från dag ett, bland annat av Google (numera Waymo) när de visade en av sina första prototyper som transporterade en blind man. I praktiken är det dock få som aktivt arbetar med att designa sina lösningar just för sådana resenärer, men det finns några undantag. 

Aptiv och Lyft har ingått ett samarbete med amerikanska National Federation of the Blind för att tillsammans kunna skräddarsy mobilitetslösningar för synskadade och blinda. Utgångspunkten blir Las Vegas. De har också genom ett samarbete med LightHouse for the Blind and Visually Impaired tagit fram en punktskrivare för fordon som kan förse de blinda med en karta av den självkörande bilens väg och en beskrivning av fordonets layout [1, 2].

I Storbritannien har Auriggo inlett en pilot där Blind Veterans UK får testa en självkörande pod kallad Arthur vid deras center i Ovingdean. I nästa steg planerar man att erbjuda resor utanför centret som exempelvis till lokal pub eller strand [3].

Källor

[1] Lyft, Aptiv will supply rides to blind or visually impaired people. Länk 

[2] U.S. partnership brings self-driving technology to the blind. Länk

[3] Driverless cars tested by blind veterans. Länk

Waymos lidar tillgänglig för andra

Nu är det officiellt att Waymo kommer börja sälja en av sina lidarsensorer till andra aktörer, under förutsättning att dessa inte bedriver verksamhet som kan tänkas utmana Waymos egen robottaxitjänst [1].

Sensorn i fråga heter Laser Bear Honeycomb och är idag monterad på Waymos självkörande bilars stötfångare. Den har ett synfält på 360 grader horisontellt och 95 grader vertikalt och kan detektera objekt som befinner sig direkt framför sensorn. Den fungerar enligt principen ”multiple returns per pulse” vilket innebär att den kan se upp till fyra olika föremål som befinner sig i synfältet för en stråle. Detta ger en detaljerad bild av miljön.

Honeycomb kan beställas här

Egen kommentar

Här är det viktigt att notera att Honeycomb inte täcker hela synfältet som behövs för självkörning utan används i kombination med andra lidarsensorer.

Att utvidga sina vyer och affärsmodeller är något som Waymos moderföretag Google/Alphabet varit duktiga på, och att de väljer att lansera sin lidar som en enskild produkt är ingen direkt överraskning. Deras förhoppning är att detta ska driva upp produktionsvolymen och sänka tillverkningskostnaden. Frågan är bara hur Honeycomb kan klara sig bland alla andra lidarsensorer som finns på marknaden idag?

Källor

[1] Waymo, 2019-03-06 Länk

Suddiga utsikter

Vart är vi på väg, kan man travestera ett känt TV-program men då avse marknaden för självkörande fordon. Å ena sidan så finns de som ser en stor marknad i de 4 TB data som varje sådant fordon uppskattas generera. Å andra sidan så ser andra de problem och hinder som gjort att tidigare års optimistiska prognoser kommit på skam.

Exempelvis skriver Axios [1] att analytiker skrivit ner värdet av GMs AD-enhet Cruise Automation vilket kan tyda på att fordonstillverkarna har svårare att implementera teknologin än exempelvis Googles Waymo.

Medan andra analytiker pekar på en prognos att marknaden för komponenter till aktiva säkerhetssystem och till fordonsautomation kan nå ca 500 miljarder kronor redan om 10 år [2].

Så kanske man ska vänta tills ledtrådarna blivit lite tydligare innan man bestämmer sig?

Källor

[1] Joann Muller: Wall Street is split on self-driving cars, Axios 2019-01-30 Länk

[2] Global ADAS and Autonomous Driving Component Market to Reach $56.59 Billion by 2028, BIS Research 2019-01-30 Länk

A Startup’s Road to Self-Driving future

I tisdags deltog jag på ett event där Chris Urmson och Sterling Anderson från startupföretaget Aurora diskuterade automatiserade fordon. Eventet anordnades av MIT Club of Northern California och ägde rum på forskningscentret PARC, ett Xeroxföretag där många stora innovationer blivit till. Uppskattningsvis var, det ca 300 deltagare.

Chris har varit den som startat och lett Googles projekt om självkörande fordon (numera Waymo) innan han lämnade det 2016 för att starta Aurora ihop med Sterling, som fram till dess hade lett Teslas utveckling av aktiv säkerhet och Autopilot (som ni kanske minns hade han en tvistmed Tesla som de löste utan att gå till domstol). 

Diskussionen var väldigt livlig, mycket tack vare moderatorn Mark Platshon, som själv startat och finansierat flera företag (bland annat Tesla) samt arbetat på höga poster hos diverse fordonstillverkare. 

Så småningom kommer det att finnas en videoinspelning av diskussionen, men tills dess så får ni nöja er med mina minnesanteckningar:

  • Varför lämnar man drömjobbet på Google/Tesla för att starta ett nytt företag? Både Chris och Sterling hade väldigt diplomatiska svar på den här frågan, men om man läser mellan raderna så handlar det om att kunna göra saker på sitt sätt. De hade båda lärt sig hur vad som fungerar och vad som inte gör det och såg nu sin chans att göra saker på rätt sätt från början. Det inkluderar själva teknikutvecklingen men också hur man samverkar med andra, inklusive myndigheterna.
  • Det som gör deras nya företag Aurora unikt i en skog av andra likartade företag är att Aurora vet vart de vill gå (”we know where we are going” upprepades minst tio gånger under kvällen!). Företagets vision kan sammanfattas av tre ord: safelyquicklybroadly
  • Det som också gör företaget unikt och som Chris och Sterling anser vara garanti för framgång är dess medarbetare och mix av erfarenheter. Många av Auroras anställda är världsledande experter, och det är framförallt det som lockar investerare och samarbetspartners. 
  • Aurora vill utveckla en ”förare” som går att integrera i olika fordon. Företaget har samarbete med flera fordonstillverkare och tjänsteleverantörer för att säkerställa att den framtagna föraren går att integrera i olika fordon och tjänster. Det förstnämnda är dock prio; utan ett fungerande självkörande system i fordon blir det svårt att ha tjänster som bygger på självkörande fordon. I båda fall handlar det alltså om utveckling av kommunikationsplattformar och gränssnitt. Aurora vill inte ses som Tier 1. 
  • Enligt Chris och Sterling vill de låta fordonstillverkarna göra det de är bra på: bygga bilar. De ser inte något problem i att fordonstillverkarna själva utvecklar självkörande system; det är bara positivt, för då inser de hur svårt det är och blir imponerade av Auroras system. Själv skulle jag inte vara så säker på det – vi vet ju att fordonstillverkare genomgår en transformation och faktiskt har mycket know-how. 
  • Det kom en fråga om hur de ser på att AI utvecklas så mycket och hur de kan vara säkra på att den grunden de lägger nu kommer ”hålla” om ett par år. Det är stor skillnad mellan att integrera nya funktioner på en existerande mjukvaruarkitektur, och att göra det på en specialutvecklad arkitektur. Aurora har valt att utveckla en egen arkitektur med hjälp av världsledande experter som sätter normen inom området. Vad det gäller hårdvaran och relaterade nätverk så är det ett område som är under utveckling, och just nu vet man inte vad som fungerar bäst. 
  • Fjärrkontroll av självkörande fordon är inte uteslutet, men då för väldigt unika fall. I grund och botten ska ett självkörande system kunna klara sig självt. Detsamma gäller trådlös kommunikation: det är bra att ha men det ska absolut inte vara en förutsättning för självkörande fordon.
  • Högupplösta kartor behövs. Myten om att det är svårt att hålla dem uppdaterade är lite överdriven, för de är skapade med hjälp av sensorer som används för automatiserad körning. Det innebär att man kommer kunna göra kontinuerlig uppdatering av kartor utan extra kostnad. 
  • Just nu behövs en kombination av olika sensorer. När algoritmerna blivit bättre är det inte uteslutet att man kan klara sig med enbart kameror, men det lär dröja. Lidarkomponenter är inte alls dyra så det finns ingen anledning till att lidarer fortsätter att vara dyra när man börjat beställa dem i stora mängder. 
  • Säkerheten var definitivt ett ämne som diskuterades mest. En kombination av verkliga tester och simuleringar för specifika operativa domäner är vägen framåt, i kombination med en genomtänkt och väldokumenterad utvecklingsprocess.
  • Att ha en ständig dialog med myndigheterna är avgörande. Det handlar om att förklara för dem hur systemet är utvecklat, vilka standarder och principer man följt och hur man testat det så att de förstår varför tillverkaren tror på systemet. En slags ömsesidig förståelse. (Måste säga att jag blev förvånad över hur ofta de använde ordet ”explain” och ”believe” i det här sammanhanget!). Aurora har ständig dialog med myndigheterna. Det krävs ingen tredje part för att validera säkerheten, det är tillverkaren som har bäst kunskap om systemet. Man kan fråga sig då hur objektivt blir detta?
  • Det kommer inte heller finnas något ”körkort” för automatiserade fordon. Systemen är alltför komplexa och det går inte att ha något generiskt. Istället gäller det att förklara systemet för myndigheter och allmänhet på deras eget språk. 
  • Flygande bilar och liknande kan bli en möjlighet i en mer avlägsen framtid. Men just nu finns det många hinder, inte minst regelmässiga, som gör det mindre sannolikt för sådana lösningar att slå igenom. Dessutom krävs det otroligt många flygningar för att en sådan lösning ska vara kostnadseffektiv.
  • I början var det många, framförallt fordonstillverkare, som såg Googles arbete kring självkörande fordon som vansinne. Enligt Chris ändrades detta när Uber gick in i spelet. Då började fordonstillverkarna inse allvaret i det hela. Han påpekar också att förstå att fordonsindustrin inte är homogen; även hos de mest konservativa företagen finns det de som är futuristiska. 

Till slut vill jag dela med er att jag lärt mig en ny förkortning (!) – ACES (Autonomous, Connected, Electric, Shared). 

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