Etikettarkiv: MIT

J.D. Powers årliga acceptansstudie

Det amerikanska konsumentföretaget J.D. Power har publicerat en itererad version av sin årliga Mobility Confidence Index (MCI) studie [1].

I studien som utfördes mellan Juni och Juli 2021 tog man med enkätsvar ifrån 4000 amerikanska individer över 18 år. I en del av enkäten fick deltagarna välja bland sju olika beskrivningar av autonoma fordon som var baserade på Society of Automotive Engineers (SAE)s definitioner av automationsnivå 4 och 5, exempelvis ’The system can help with speed control or steering but not both at the same time’. Två av dessa sju beskrivningar var korrekta.

Resultaten visade att 37% av deltagarna valde de korrekta beskrivningarna, medan 55% av deltagarna valde alternativ som motsvarade förarstödsteknologi. Det visade sig också att andelen korrekta svar minskade bland individer som ansåg sig själva ha kunskap om autonoma fordon, av dem hade 32% svarat korrekt, medan 37% av de som ansåg sig inte veta någonting alls om autonoma fordon svarade korrekt. Resultat ifrån en annan del av enkäten visade att 19% av deltagare trodde självkörande fordon finns att köpa eller leasa.

På en skala för acceptans av autonoma fordon som J.D. Power använder i den årliga studien så fick svaren ifrån i år ett index på 42 (1-100). Tidigare år har den siffran varit 36 och 34 för 2019 respektive 2020.

Den här studien har gjorts i samarbete med Massachusetts Institute of Technology (MIT) och Partners for Automated Vehicle Education (PAVE).

Ni kan få tillgång till rapporten via länken här.

Källa

[1] J.D. Power. J.D. Power Study on Fully Automated Self-Driving Vehicles: Consumers Don’t Know What They Don’t Know. 2021-11-30 Länk

Autonom båt i Amsterdam

I det sista av en serie av tre projekt som pågått under fyra års tid har nu en grupp ifrån Massachusetts Institute of Technology, Artificial Intelligence Laboratory (CSAIL), Senseable City Laboratory och Amsterdam Institute for Advanced Metropolitan Solutions (AMS Institute) ifrån Nederländerna pilotat två autonoma båtar i Amsterdams kanaler [1].

Båtarna som de kallar för Roboat är eldrivna och kan transportera upp till fem personer, samla upp skräp, och leverera gods.

Bilder och video finns i Reuters artikel nedan.

Källor

[1] Gordon, R., MIT. One autonomous taxi, please. 2021-10-27 Länk

[2] Sterling, T., Reuters. Self-driving ”Roboats” ready for testing on Amsterdam’s canals. 2021-10-27 Länk

Safer Seminarie: Människor och automatiserade fordon

På ett Safer Thursday Webinar den 19 november presenterades forskning och resultat från två projekt inom området människor och automatiserade fordon.

Den första presentationen gavs av forskaren Alberto Morando från Massachussets Institute of Technology (MIT) som varit med i The Advanced Vehicle Technology (AVT) projektet lett av MITs AgeLab. I konsortiet finns bl.a. Volvo Cars, Veoneer och Aptiv, och i projektet har man fokuserat på att undersöka hur människor använder de förarstödssystem och automatiserade körfunktioner som finns på marknaden idag.

I presentationen fick man veta om en studie [1] inom projektet där bl.a. videodata samlats in från naturligt körbeteende hos förare av Tesla-bilar. Datat bestod av ungefär 33 800 km som körts av 27 olika förare i sina privata Tesla-bilar. Resultaten visar att förarna hade mindre fokus på vägen, dvs. mindre blicktid på vägen, när förarstödssystemet Autopilot var aktiverat. Blicktid i nedre mitten av synfältet ökade med autopilot aktiverat vilket indikerar aktiviteter så som mobiltelefonanvändning. Det visade sig också att förare hade händerna mindre på ratten, och dessutom körde många förare med händerna helt borta från ratten.

Alberto Morando och hans kollegor har också jobbat med modellering av blickbeteende för att kunna prediktera blickbeteende, så som exempelvis när förare inte tittar på vägen. Metoden som används är bayesiansk modellering, och målet är att nu göra en studie inom förarövervakning för riskutvärdering med hjälp av blickmodellering.

Forskaren Emma Tivesten från Volvo Cars Safety Center presenterade resultat från det Vinnova-finansierade projektet Autonomous Driving Effects on Sustainable Transportation (ADEST) som drivits av forskningsplattformen Drive Me och utförts av Volvo Cars och Trafikverket. Presentationen fokuserade på det som gjorts i projektet inom området driver engagement in assisted automation.

Tre studier har gjorts på testbanan AstaZero med hjälp av en Wizard of Oz uppsättning, dvs. att körningen upplevs vara automatiserad men styrs i själva verket av exempelvis en person i baksätet, vilket var fallet i dessa studier. Automationsnivån motsvarade det som Volvo Cars refererar till som ”oövervakad automatiserad körning” (SAE-nivå 4). I studierna varierades tre faktorer: instruktioner om systemets begränsningar, påminnelser om blick på vägen samt händer på ratten, och automatisk broms i sista momentet. I slutet av alla tre studier fanns det ett kritiskt moment där fordonet kör mot ett stillastående objekt [2, 3, 4].

I första studien behövde deltagarna inte ha händerna på ratten. De fick inte påminnelser om att hålla blicken på vägen, och fordonet bromsade automatiskt vid det sista momentet. Resultaten visade att alla deltagare hade blicken borta från vägen i mer än två sekunder, och en tredjedel av deltagarna hade blicken borta från vägen mer än åtta sekunder. Vidare så var tre av 30 deltagare extremt trötta och en av dem somnade under körningen.

I den andra studien fick deltagarna mer instruktioner om fordonets begränsningar, samt påminnelser om att hålla blicken vägen i två nivåer: visuell och auditiv. Förarna blev instruerade att inte ha händerna på ratten, och det fanns ingen automatisk inbromsning vid det sista momentet. Resultaten visade att påminnelserna om blicken på vägen minskade tiden som deltagarna hade blicken från vägen, men att en tredjedel av förarna ändå krockade i det sista momentet.

I den tredje studien blev hälften av deltagarna instruerade att hålla händerna på ratten. De fick också mer instruktioner om begränsningarna av fordonet, hade ingen automatisk inbromsning vid det sista momentet, samt fick både påminnelser om att hålla blicken på vägen och händerna på ratten. Resultaten visade här att deltagarna krockade i samma utsträckning i det sista momentet som i det andra experimentet. De som krockade hade hög tillit till att fordonet skulle klara den kritiska situationen, eller åtminstone varna föraren vid det kritiska tillfället. De som inte krockade hade en tydligare uppfattning om förarens ansvar och var mer medvetna om fordonets förmågor.

Övergripande slutsatsen från dessa studier är att påminnelser var effektiva men inte tillräckligt för att förhindra krockar i experimentet.

Framöver är planerna att genomföra studier med liknande experimentupplägg fast med lägre automationsnivå. Planen är att göra ett pilotprojekt med villkorad automation [5], samt undersöka förarövervakning med detektion av allvarliga nedsättningar så som extrem trötthet och alkoholpåverkan.

Källa

[1] A. Morando., P. Gershon., B. Mehler., & B. Meyler., AutomotiveUI ’20: 12th International Conference on Automotive User Interfaces and Interactive Vehicular Applications. Driver-initiated Tesla Autopilot Disengagements in Naturalistic Driving. 2020-09 Länk

[2] Victor, W T., Tivesten, E., Gustavsson, P., Johansson, J., Sangberg, F., & Ljung Aust. M. Human Factors. Automation Expectation Mismatch: Incorrect Prediction Despite Eyes on Threat and Hands on Wheel. 2018-11 Länk [3] Gustavsson, P., Victor, T. W., Johansson, J., Tivesten, E., Johansson, R., & Aust, M. L.Proceedings of the 6th Driver Distraction and Inattention conference, Gothenburg, Sweden. What  were  they  thinking? Subjective experiences associated  with automation expectation mismatch. 2020 18 [4] Tivesten, E., Victor, T. W., Gustavsson P., Johansson J.,  and Ljung Aust, M. (2019) Out-of-the-loop crash prediction: the automation expectation mismatch (AEM) algorithm, in IET Intelligent Transport Systems, vol. 13, no. 8, pp. 1231-1240, 8 2019. Länk [5] Pipkorn, L.; Victor, T. W., Dozza, M., & Tivesten, E. (2020) Driver conflict response during supervised automation: do hands on wheel matter? Transport Research Part F. Länk

Självkörande färjor och båtar

Trafikverket Färjerederiet satsar på klimatsmarta vägfärjor med en upphandling på fyra primärt eldrivna färjor till Stockholms skärgård [1].

Dessa färjor kommer åka Ljusteröleden och Vaxholmsleden och har förutom elmotorer även diesel- eller HVO-motorer. Dessutom kommer färjorna utföra lossning, åkning och förtöjning autonomt. Färjorna får plats med 60 bilar.

Upphandlingen pågår fram till 19 mars 2021.

I en annan nyhet har Zeabus, ett norskt företag, utvecklat en självkörande och eldriven färja till Trondheim i Norge [2].

Båten kan transportera upp till 12 personer inklusive cyklar, och skall kunna hämta passagerare från ena sidan av kanalen till den andra genom ett knapptryck från respektive sida.

En tredje nyhet på samma tema är att forskarna från MIT presenterat en ny båtprototyp ämnad för användning i Amsterdam [3]. Båten heter Roboat II, är självkörande och är både tyngre och längre än dess föregångare. Den kan därmed transportera passagerare.

Källor

[1] Kullenberg Rothvall, C., Sjöfartstidningen. Färjerederiet upphandlar fyra nya vägfärjor. 2020-10-21 Länk

[2] Cairns, R., CNN. Norway pioneered electric ferries. Now it’s making them self-driving. 2020-10-23 Länk

[3] Gordon, R., MIT News. Autonomous boats could be your next ride. 2020-10-26 Länk

Kommer självkörande taxi vara billigare och bra för alla?

Nej, snarare tvärtom. I alla fall enligt en ny studie från en grupp forskare från Harvard, MIT och McGill University som kommit fram till att hela konceptet med självkörande taxi kommer att bli dyrare i fattiga delar av samhället än att äga en konventionell bil. 

Forskarna jämförde kostnaderna för en resa med en självkörande taxi och att äga en konventionell begagnad bil i stadsmiljö. De tog hänsyn till bilkostnaderna så som inköp, registrering, skatt, försäkring, rutinmässigt underhåll och drivmedel. Slutsatsen blev att självkörande taxibilar skulle kosta minst 1,58 dollar per 1,6 km (eller en amerikansk mil), medan den totala kostnaden för traditionellt fordonsägande blev 52 cent per 1,6 km. Dessa uppskattningar är baserade på data från San Francisco.  

Studien är publicerad under titel The Price Isn’t Right: Autonomous Vehicles, Public Health, and Social Justice och finns att tillgå i sin helhet här.

På tal om taxi så kan ni passa på att se en taxifilm.

Smått och gott

Zoox och Tesla hittat en lösning. Förra året lämnade Tesla in en stämningsansökan mot Zoox där fyra f.d. Tesla-anställda som numera arbetar för Zoox anklagades att ha lämnat över konfidentiell information till sin nya arbetsgivare. Men nu verkar de ha hittat en lösning utan att behöva gå till en rättegång: Zoox kommer att betala en okänd summa till Tesla. Länk

Självkörande fordon ”flera decennier bort”. I alla fall enligt professor Bryan Reimer från MIT som forskar i transport och logistik. Han menar att helt självkörande bilar ställer stora krav på både teknikutvecklingen och på infrastrukturella förändringar och kan därmed vara ”flera decennier bort”. Länk

Varför är självkörande fordon fula? Ja, det kan man verkligen undra. Enligt BMWs designchefen Domagoj Dukec är det svårt att hitta en bra balans mellan sitt designarv som hos många sitter så djupt och ett nytt designspråk som tar hänsyn till system för självkörande fordon. Länk

MITs nya simulator

Forskare från Massachusetts Institute of Technology (MIT) har tillsammans med forskare från Toyota publicerat en studie där de visar potentialen av MITs simulator kallad Virtual Image Synthesis and Transformation for Autonomy (VISTA) [1].

När automatiserade fordon samlar data från verklig körning så lär de sig manövrera fordonet i de trafiksituationer som de blir utsatta för. Så kallade edge-cases där fordonet är nära olyckor sker dock inte så ofta, och det är utmanande att träna algoritmerna till att lära sig hantera sådana situationer. Med hjälp av simulatorer så är det möjligt att träna algoritmerna på edge-cases utan några verkliga konsekvenser.

VISTA sägs använda sig av en liten mängd data från verklig körning, för att sedan utforska ett stort antal möjliga scenarier för fordonet på vägen. Fordonet i simulatorn motiveras till att inte hamna i olyckor på vägen till sitt slutmål, och blir därmed bättre och bättre på att hantera edge-cases.

Vanligtvis har man i simulatorer en miljö som är artificiellt designad. VISTA använder sig av den videodata från den verkliga körningen, och sägs därmed ge resultat som bättre överförs mellan simulator och verklighet.

I tester så visade det sig att ett fordon som tränats i VISTA under 15 timmar och kört 10,000 km efteråt kunna köra på obekanta vägar.

Mer om det hela kan ni läsa om i MITs artikel med titel Learning Robust Control Policies for End-to-End Autonomous Driving From Data-Driven Simulation.

Egen kommentar

VISTA sägs även använda sig av förstärkt lärande utan inmatade regler förutom ”krascha inte”. Jag är nyfiken på om det är möjligt för fordonet att alls lära sig att förhålla sig till trafikregler genom den metoden. Syftet med VISTA är förmodligen inte att lära sig trafikregler, utan kanske snarare bara fokus på manövrering av fordonet i edge-cases.

Källor

[1] MIT News. System trains driverless cars in simulation before they hit the road. 2020-03-23 Länk

[2] Wiggers, K., Venture Beat. MIT CSAIL’s VISTA autonomous vehicle simulator transfers skills learned to the real world. 2020-03-23 Länk

Tips på podcast och dylikt

  • Human-Robot Interaction and Reward Engineering. Diskussion mellan Lex Fridman från MIT och Anca Dragan som är professor vid University of California – Berkeley och konsult på Waymo. Länk
  • Robotaxi Economics. Kirsten Korosec från TechCrunch, Alex Roy från Human Driving Association och Argo.ai och Edward Niedermeyer från Autonocast diskuterar ekonomiska aspekter av självkörande taxi med Harvard-forskaren Ashley Nunes som bland annat gjort en studie om ekonomiska aspekter av självkörande taxi i San Francisco. Länk
  • Navigant Research Autonomous Leaderboard. Teamet från ovan (Kirsten, Alex och Edward) diskuterar Navigants senaste rankning av aktörer inom AD-sfären med rapportens författare Sam Abuelsamid. Länk
  • The Future of Traffic Flow. Siemens podcast The Future Car som leds av Eddie Bernardorns gästas av Eric Gannaway from Siemens ITS. De diskuterar potentiella för- och nackdelar med uppkopplade fordon, hur intelligenta trafiksystem kommer att förbättra trafikflödet och hur framtiden för sysselsättningen i bilindustrin kan komma att se ut. Länk
  • Smart Mobility Beyond Autonomous VehiclesInSecurity Podcasts värd Matt Stephenson och Jeff Davis från BlackBerry diskuterar den ständigt föränderliga världen för uppkopplade och självkörande transporter, och vad som krävs för att bygga en smart stad. Länk
  • Science Behind Self-Driving Cars. Nvidias AI Podcast gästas av Neda Cvijetic som är senior chef för autonoma fordon på Nvidia. Tillsammans med värden Rick Merritt diskuterar hon teknologier för automatiserad körning med fokus på neurala nätverk. Länk

Navigering i snö med hjälp av radar

Vi har tidigare rapporterat om en radar som utvecklas vid MIT för kartläggning av geologiska mönster under vägytan. Nu har MIT-forskarna publicerat en artikel med titeln Autonomous Navigation in Inclement Weather based on a Localizing Ground Penetrating Radar med nya rön kopplat till denna radarteknik [1].

Lösningen som de beskriver i artikeln skapar en databas med unika fingeravtryck av geologiska mönster under vägytan. När bilen återvänder till den specifika platsen jämförs nuvarande mätningen med databasen för att hjälpa bilen att lokalisera sig.

Lösningen har utvärderats på en landsväg på en testbana. Resultaten visar att navigationsnoggrannheten med den nya lösningen blir i genomsnitt bara ca 2,5 cm sämre i snö jämfört med fina väderförhållanden. Resultaten visar dock att noggrannheten försämras något (blir ca 13 cm i genomsnitt) när det regnar. Detta eftersom mer vatten ansamlas i marken när det regnar, vilket leder till en större skillnad mellan databasen och nuvarande avläsningen.

Forskarna påpekar att både hård- och mjukvaran behöver optimeras innan lösningen kan användas kommersiellt.

Här kan ni se en kort video om det hela.

Källor

[1] Conner-Simons, A., MIT News. To self-drive in the snow, look under the road. 2020-02-26 Länk

Paneldiskussion: Trust in mobility

På CES i Las Vegas 2020 samlade Veoneer en panel med experter inom framtidens mobilitet, och en väldigt intressant diskussion tog rum framför publik.

Diskussionen fokuserade på just användare och vilka utmaningar det finns gällande användningen av förarstödssystem i framtidens fordon. Det finns en viss oro kring att värdet av autonoma och semi-autonoma lösningar inte framgår tydligt nog till användaren. Panelen var överens om att ett av de stora målen inför framtiden är att få igenom rätt budskap till användarna. Det här går i enighet med Veoneer’s slogan som är ’Creating trust in mobility’. Flera konstruktiva förslag presenteras från panelen på hur designers, ingenjörer och tillverkare kan ta sig an den här utmaningen.

Här kan ni se hela diskussionen.

Egen kommentar

Ett väldigt bra citat från diskussionen som jag skulle vilja belysa är We don’t drive a vehicle brand x anymore, we drive a vehicle brand x with software version x.y (av Bryan Reimer från MIT).

Det finns en expanderade komplexitet som gör det väldigt svårt för användare att känna sin bil och vad den är kapabel till nu när ett fordon kan bli ett helt annat fordon igenom en enkel mjukvareuppdatering. Det räcker alltså inte att läsa manualen till sin bil, vilket ändå ingen gör, utan man behöver också frekvent läsa och förstå uppdateringsloggar.  

Det jag fick med mig från diskussionen var att förbättrad kommunikation till användare är ett fruktsamt fokusområde framåt, och att det finns experter som har bra förståelse av problematiken.