Etikettarkiv: Veoneer

Veoneer’s nya sensorteknologi för autonoma fordon

Veoneer har valt FLIR Systems termiska sensorteknologi för sin planerade produktion av autonoma fordon (nivå 4) på beställning av en global biltillverkare [1].

De värmekänsliga kamerorna har förmåga att se upp till fyra gånger längre än strålkastare på natten, och upptäcker värmen som avges av alla objekt. Denna teknik ger ytterligare data till de befintliga AD-sensorerna för att förbättra tillförlitlighet och redundans, och därigenom underlätta bättre beslutsfattande.

Källa:

[1] McDowd, T., FLIR Systems Partners with Veoneer for First Thermal Sensor-Equipped Production Self-Driving Car with a Leading Global Automaker. Financial Post  2019-10-30 Länk

Nya WV Golf blir uppkopplad och semi-autonom

Nya Golf blir Volkswagens första bil med bil-till-bil och bil-till-infrastrukturuppkoppling, alltså V2X, som standard. Därmed ska man kunna ge och få varningar om problem inom någon km radie.

Golf kommer också att ha en semi-autnomom funktion som kan aktivt styra, gasa och bromsa bilen i farter upp till 200 km/h. Det är samma system som redan finns i Passat (i Europa).

Samtidigt meddelar Volkswagen att de bildar ett dotterbolag för utveckling av autonoma fordon av nivå 4 och 5 [2]. Bolaget, kallat Volkswagen Autonomy, ska ha kontor i Tyskland, Silicon Valley och Kina.

Egen kommentar

Det har ju blivit en trend att fordonstillverkarna skiljer ut AD-verksamheten, eller skaffar sig en partner för arbetet. Till skillnad från Volvo Cars och Veoneers bolag Zenuity så kommer tydligen VW att äga sitt bolag helt själva.

Källor

[1] Christiaan Hetzner: VW touts connectivity leap for new Golf, Autonews 2019-10-24 Länk

[2] Per Henricsson: Volkswagen skapar dotterbolag för självkörningen, Elektroniktidningen 2019-10-28 Länk

Telematics Valley: AI in Automotive – Reality Check

Årets Telematics Valley-konferens handlade om AI inom fordonsindustrin. Här några korta referat.

The Great Math Gap of AI
Carl Lindberg, AI Innovation Sweden
“Matematik, statistik och datavetenskap = AI”
Observation: många hatar matte i skolan och många är dåliga i matematik. Men för att förstå AI måste du kunna matematik och statistik, vilket krävs för att utveckla AI-team och deras kompetens.

AI essential component for automotive
Shafiq Urréhman, CEVT
AI-utveckling är tidskrävande och kräver mycket arbete med data. Datapreparation och märkning tar 80% av tiden.
Nästa stora steg för AI är att använda kvantdatorer för att öka beräkningskapaciteten.

AI based occupant sensing is the key to unleash a new level of functions
Henrik Lind, Smart Eye
Förarövervakningssystem krävs i fordon från 2023 av EU.

What we know that we don’t know
Mats Nordlund, Zenuity
Nyckelfrågor:
• Vad kommer andra trafikanter att göra?
• Bevisa säkerheten
• Framtida lagar och förordningar
• Träning av neurala nätverk
• Minska kostnader för sensorer
Forskningsområden:
• Prediktion av fotgängares rörelser och interaktion med fordon med hjälp av maskininlärning.
• Positionering och ruttprognoser

Automation
Sasko Cuklev, AB Volvo
Det finns stora vinster med automatiserade fordon för godstrafik:
• Ta bort föraren
• Ökad utnyttjandegrad av fordonen
• Minskat underhåll och reducerad bränsleförbrukning
• Plus säkrare och mer förutsägbara fordon
”Använd automatisering där det gör en stor nytta”
Affärsmodellen håller på att förändras. Numera beställer kunderna inte bara bilar, de önskar transporttjänster från A till B.
Flera piloter med automatiserade fordon pågår, bl.a i.
• Avgränsade områden, kalkstengruva i Norge
• Publika områden, hub till hub, 2 projekt pågår.
Vera är en transportlösning för gruvdrift, hamnar och motorvägar.

Egen kommentar: En bra presentation som visar applikationer för automatisering som inte är långt borta.

Autonomous driving in the Nordics –  Geofenced or SAE L5?
Hari Sentamala, Sensible 4
I närtid kommer autonoma fordon kunna köras inom avgränsade, geofencade områden. En säker autonom transport behöver kunna hantera alla väder- och miljöscenarier, där är vi inte idag. Sensible 4 arbetar med att använda redundans med hjälp av olika sensorer och kombinera och analysera resultaten från alla sensorerna så en säkrare autonom funktion kan fås.
Fälttester med autonoma fordon under vinterförhållanden ovanför polcirkeln har positionsnoggrannhet bättre än 18 cm uppnåtts.

Egen kommentar: En bra presentation med mycket humor. ”När SAE-nivån når 5 ändrar vi företagsnamn till Sensible 5”. Från en teknisk synpunkt ser de sig själva som ett sensormjukvaruföretag som använder många sensorer och uppkoppling i sina lösningar.

The importance of Data Quality and Governance for DAIR (Data and AI Ready)
Sofia Serafimovska, SAM Management Consulting
Affärsaspekter och KPIer är viktiga för att hitta och välja den information som krävs.

Machine Learning vs Software development – Verification & validation challenges
Lars Tornberg, Volvo Cars
Hur göra maskininlärning/AI säkert i verklig drift? Träningen av algoritmen kan inte återspegla alla möjliga scenarier.
Ett koncept är att använda en ”safety cage”. Analysera resultaten och validera modellen om de är trovärdiga. Föremål som modellen inte har tränats för, kan i ”safety cage” analysen tala om att detta är något nytt och resultatet därmed inte är säkerställt.

AI on the dark side of the moon
Peter Nordin, Semcon
Är AI ett hot? Ja! Elon Musk, Bill Gates, Stephan Hawkins tror det. Var försiktig med hur AI används. I första steget används AI för bra saker som att upptäcka cancer. Men redan idag är falska nyheter en verklighet. Psykologi och etik måste ingå i AI-utvecklingen.

Egen kommentar: Förmodligen måste EU och regeringar definiera etiska regler och lagstiftning om AI-lösningar. Peter gör en sammanfattning av science fiction-filmer som kan vara verklighet med AI släppt utan etiska aspekter. Då slutar det vara roligt.

Developing environmental model with ML from the ground truth data and scaling it in the cloud
Ulrich Wurstbauer, Luxoft
AD-validering kräver simulering i en virtual reality-modell ” Varför?

  • Fälttester på väg, 1 000 mil körning och ger nästan ingen data som krrävs för validering.
  • Re-simuleringar med hjälp av sensordata, 100 000 000 mil körning och ger ca 1% av data som krävs för validering
  • Simulator i virtual reality, kan ge 99% av nödvändiga data.

Men simulatorer kräver:

  • Modeller, med fokus på detektion, identifiering och prediktion.
  • Skalbarhet
  • En öppen dataplattform för att samla in, sortera och lagra data.

””Retail vision, applying AD approach for enterprise applications”
Atif Kureishy, ​​Teradata
Data + AI = Bättre svar och beslut.
Förutsäga försäljning med hjälp av människors beteende i butiker och använda information för att ändra butiken eller personalen för att förbättra försäljningen.

Egen kommentar: En känd applikation för AI att förutsäga försäljning eller kundreaktioner av olika marknadsföringsåtgärder.

AI risk, AI safety, AI ethics
Olle Häggström, Chalmers
EU har publicerat AI-dokument med etiska riktlinjer för tillförlitlig AI. Det är det första steget men behöver mer arbete för att vara användbar. Olle ser ett behov av regler för AI-applikationer.

Olles svar på publikens frågor:
Andra AI-områden kan vara att automatisera textilindustrin och föra produktionen närmare slutkunderna.
AI har svårt att ta över jobb med hög efterfrågan på social interaktion eller kreativitet.

”An inspiration map of AI in West Sweden.”
Erik Behm, BRG
AI växer inom transporter och fordonstillverkning. Life science, säkerhetsbranschen och finans växer också snabbt.

”Collaboration enabling driver-vehicle-infrastructure automation”
Edvard Brinck, Ericsson och Ola Boström, Veoneer
Uppgiften att att skapa förtroende för autonom mobilitet. Trafiksäkerhet är ett område som kan utvecklas med hjälp av AI och uppkopplade fordon.
2020 3 miljarder trafikanter, få automatiserade fordon >L2 och 1,4 miljoner dödsolyckor
2025 kommer L2+ att vara vanligt
2050 har samverkande säkerhet etablerats, det finns 6 miljarder trafikanter men dödsolyckorna har minskat till 0,7 miljoner.
Att förutsäga mobilitet för trafikanter är ett MobilityXlab-samarbete mellan Ericsson, Viscando och Veoneer.
Två megatrender är analys i realtid och tjänstefiering.

Egen kommentar: Ökad trafiksäkerhet är en bra användning av AI tillsammans med uppkopplade, samverkande fordon och trafiksystem.

How can AI and fashion help the exposed profession of truck drivers become safer?
Helena Iremo, Scania Group, Erik Tengedal, Imagimob
Uppgradering av säkerhetsvästen med uppkoppling och användning av ljus, intelligenta AI-algoritmer, accelerometer och gyro.

The journey to unleash the value of data with AI!
Robert Valton och Fredrik Moeschlin, AB Volvo
Beskriver arbetet hos Volvo med data och AI.

Develop AI cheaper and faster with collaborations
Hans Salomonsson, EmbeDL
Användning av syntetiskt genererade data för träning av AI.

Peter Kurzwelly, AI-innovation of Sweden.
Det finns en AI online-kurs på svenska. https://www.elementsofai.com/
Gör kursen! En uppföljning är på gång.

Sammanfattning

Det var många intressanta presentationer, och många om ”hur arbeta med AI i dina lösningar”. Min reflektion är att det har varit ännu mer intressant, om man tagit upp vad AI kan lösa och vad andra metoder kan lösa enklare för transportsystem och ta en bättre helhetssyn på ämnet.

FFI Trafiksäkerhet och Automatiserade Fordon 2019

I tisdags hölls FFIs delprogram Trafiksäkerhet och Automatiserade Fordon sin årliga resultatkonferens. Programledaren Ulrika Landelius inledde med att berätta om den nya övergripande färdplanen för FFI, kopplad till Agenda 2030-målen. Vidare så pågår det en utvärdering av hela FFI-programmet som ska vara klar i slutet av året.

Därefter visade Rikard Fredriksson från Trafikverket en analys av trafiksäkerhetsindikatorer och dödsolyckor 2018:

  • 2018 ökade antalet omkomna i trafiken med ca 30%. 
  • I stort sett hela ökningen är på statliga vägar. Den största delen av ökningen står bilförarna för, medan cyklisterna dominerar bland de allvarligt skadade. Äldre bilar står för en oproportionellt stor andel av olyckorna. 
  • Som det ser ut just nu kommer Sverige att missa det uppsatta trafiksäkerhetsmålet för 2020 då flera indikatorer pekar åt fel håll. Det är bland annat bättre hastighetsefterlevnad som behöver uppnås liksom nykter trafik samt bättre drift och underhåll av infrastrukturen och bättre användning av cykelhjälm. Dessutom behöver gamla bilar skrotas!
  • En intressant reflektion är att det bör finnas en starkare koppling mellan indikatorer och FFI-portföljen. 

Projektpresentationer från den strategiska cykelsatsningen:

  • Att dela olika världar, Katja Kircher, VTI.Beeendeanalyser i projekten TRACE och ADVanCE visar att cyklister och bilister ställs inför olika utmaningar. Högre komplexitet för cyklister är normalt, och framförallt ändras det snabbare för cyklisterna. Ofta råder det oklarhet om vilka regler som gäller för cyklister. Man kan inte låta bli att undra: Hur kommer det då gå för automatiserade fordon i sådana situationer?
  • Cyclist Collision Avoidance Using Imagery Sensor, Tobias Aderum, Veoneer. Veoneers trackingsystem för att identifiera och autobromsa för cyklister sitter bl.a. i nya Mercedes A-klass. För att vidareutveckla systemet har projektet också försökt att, genom att identifiera hjulens ellipser, räkna fram cykelns tillståndsparametrar och prediktera cyklistens avsikter. Resultaten är inte perfekta men lovande. Behöver vidareutveckling för att kunna hantera exempelvis dåliga väder- och ljusförhållanden. 
  • V2Cyclist: Kan V2X bli en användbar teknik för cyklister? Johan Fagerlönn, RISE. Hjälmprototyper för V2X kopplade till en molntjänst samt användargränssnitt via ljud och vibrationer via en ben-ledare. Prototypen ha utvärderats med ett begränsat antal deltagare med lovande resultat. En reflektion är om smarta hjälmar kan öka användning av hjälmar generellt sett? Och hur upplevs det när man bara får varning från en del fordon men inte alla?

Bengt Pipkorn från Autoliv föredrog humanmodellering: var är vi och vart är vi på väg? Med humanmodeller menas modeller av den mänskliga kroppen. Modellerna kan sedan skalas för att representera olika människor: stora och små, män och kvinnor etc. Några resultat:

  • Nyare bilar ger ökade skaderisker i vissa fall, som hjärnskakning, höftskador. Riskgrupper är kvinnor, äldre, överviktiga. Humanmodellen SAFER THUMS kan idag prediktera risken för vissa frakturer för olika åldrar. För att möjliggöra utveckling av ett mer generellt skyddssystem utvecklas humanmodeller för olika storlekar av åkande. 
  • I framtiden när bilarna blir mer automatiserade och de åkande kan välja olika sittpositioner kommer det att krävas nya metoder för att prediktera skaderisken och nya skyddssystem.
  • Nya sittpositioner i automatiserade fordon som väntas bli farliga: bakåtlutad och bort från främre airbags, bakåtvänd, roterad, sovande.

Johan Svahn från Scania drog därefter projektet ARCHER – Arkitektur och säkerhet för autonoma tunga fordon. ARCHER:s syfte var att utforska problemställningarna kring utveckling av automatiserade tunga fordon. Projektet startade relativt tidigt i utvecklingen av AD vilket gjort att omvärlden hann förändras och det tänkta projektupplägget blev mindre relevant, samtidigt som svårigheterna visade sig vara större än väntat. Projektets fokus hamnade därför istället på förståelse, metoder och principer samt modellering och simulering. Säkerhetsmekanismer, redundanskoncept, gapanalyser, verifieringsstrategier och utvärdering av säkerhetskultur var andra delar som ingick. Arbetet fortsätter delvis inom ramen för PRYSINE-projektet (Programmable systems for intelligence in automation)

Efter Horizon 2020 (H2020) kommer nu nästa stora EU-forskningsprogram Horizon Europe (2021-2028). Mats Rosenquist från AB Volvo berättade om programmet och hela det stora nätverket som finns i EU-sammanhang. Han poängterade att det är viktigt att FFI-projekt används för att skapa argument och driva fram viktiga frågor på EU-nivå. Och fortfarande återstår två utlysningar inom Automated Road Transport 2020!

Trent Victor från Volvo Cars diskuterade sedan hur vi säkrar att under färd lämna tillbaka kontrollen till föraren från ett automatiserat fordon?, ett aktuellt ämne bl.a. med tanke på incidenter och olyckor. Några slutsatser:

  • En studie utförd av Volvo Cars visade att förarna inte reagerar eller reagerar försent när de behöver snabbt ta tillbaka kontrollen från automationen, oavsett om man har händerna på ratten eller inte, om man tittar på vägen eller inte. Det finns helt enkelt begränsningar i människans reaktion- och kognitivförmåga. 
  • Det är stor skillnad på självstyrande fordon och självkörande fordon, vilket inte framgår av SAE-skalan. 
  • Problem uppstår när man byter roll. Är jag tillräckligt bra på att hantera bilen efter att ha fått ta över? Vilket tillstånd är jag i efter att ha varit ur loopen ett tag? Vad händer om den så kallade operativa kördomänen (ODD) plötsligt ändras? Om systemet fallerar? Systemen måste kunna stödja föraren i en mer utdragen överlämningsprocess.
  • En slutsats är att man borde ta fram ett alternativ till SAE-skalan. Nivåerna bör förenklas till: manuell – övervakad körning – ej övervakad körning. 

Slutligen föredrag Lars Hammarstrand från Chalmers projektet COPPLAR – Robust visual localization for self-driving vehicles in every season. För automatiserade fordon är det viktigt att de kan lokalisera sig i omgivningen. Men det är ingen enkel uppgift. De viktigaste utmaningarna här är att kunna utföra lokaliseringen med tillräcklig noggrannhet. En svårighet är att omgivningen ändrar sig såväl över längre tid (sommar-vinter) som kortare (dag-natt) tid och till och med ögonblick (stationära objekt). COPPLAR har använt semantiska annoteringsmetoder i maskininlärning för att sortera ut några av dessa problem.

Och till sist var det ett par öppna frågor som diskuterades:

  • Är det bra eller dåligt att man ser många bekanta ansikten i publiken?
  • Hur ser vi till att resultaten från FFI-projekt kommer till användning i industrin och samhället? Hur mäter man effekten av FFI-projekt?

Korta notiser

Här några korta notiser om vad som hänt nyligen:

  • Uber börjar testa självkörning i Dallas, Texas. I första steget handlar det om datainsamling. The Verge 17 september.
  • Ouster och Nvidia samarbeta för att integrera Ousters OS2 lidar i Nvidias AD-plattform. Forbes 18 september.
  • Lyft lanserar en innovationstävling där deltagarna ska använda Lyfts öppna annoterade data för objektidentifiering. Första pris är $25 000. Medium 12 september.
  • Jaguar/Landrover prövar ”ögon” på förarlösa poddar som ett sätt att kommunicera med andra trafikanter som fotgängare. JLR 28 augusti.
  • JLR samverkar också med OSR och integrerar deras AI-plattform i Jaguar I-PACE IAA 11 september.
  • Veoneer har fått kontrakt från en icke namngiven fordonstillverkare att leverera värmekameror till självkörande bilar (nivå 4). Veoneer 17 september.
  • Kinesiska MINIEYE satsar på ADAS och får på det sättet tillgång till stora mängder data som man kan använda för framställning av HD-kartor. BusinessWire 17 september.
  • Amerikanska Transportmyndigheten finansierar 8 AD-projekt i 7 delstater med totalt $60 miljoner. RoadShow 16 september.
  • Shanghai har givit tillstånd för utökade AD-tester till SAIC, BMW och Didi Chuxing. Med de nya tillstånden får man också köra passagerare. China Daily 17 september.

Riktlinjer för säker introduktion av automatiserad körning

Den brittiska bilförsäkringsbolagens forskningscenter Thatcham Research har publicerat en rapport under namnet Defining Safe Automated Driving- Insurer Requirements for Highway Automation [1]. I den presenteras bland annat 12 riktlinjer för säker introduktion av automatiserade fordon:

  1. Användarsupport: Information, namngivning och användarplikt. Information och manualer måste vara lätta att förstå för användaren/föraren.
  2. Platsspecifikt: Operativ designdomän (ODD). Det automatiserade systemet ska bara fungera där det är programmerat att fungera, och systemet måste själv kunna känna igen såna områden.
  3. Säker körning: ADS-funktioner (Automated Driving System) och beteende. Fordonet ska vara uppdaterat med rådande trafikregler så att hastighetsbegränsningar och skyltar följs.
  4. Användarövervakning. Systemet ska övervaka förarens uppmärksamhetstillstånd så att överlämning mellan förare och bil går rätt till.
  5. Sekundära uppgifter. Att kunna skicka email med mobilen eller liknande så kallade sekundära uppgifter bör vara lagligt.
  6. Aktivering av automationen. Automatiserad körning ska bara vara möjlig när alla kriterier för det är uppfyllda.
  7. Användning av automationen. Föraren ska alltid vara uppmärksam och redo att ta över fordonet om förhållandena kräver det.
  8. Avaktivering av automationen. Det ska finnas flera sätt att ta över körningen på, både planerade och oplanerade, och samtliga ska användas genom ett ”begära och bekräfta”-system.
  9. Kollisionsskydd: Undvikande och skydd. Fordonet måste ha fungerande teknik för att olyckor ska förhindras automatiskt. 
  10. Cybersäkerhet. Systemet måste ha skydd för att minska risken för dataintrång.
  11. Kollisionsdata. Systemet måste kunna skicka information om varje kollision, framför allt för att föra statistik över om det varit föraren eller bilen som ansvarat för bilen vid kollisionen.
  12. Hållbarhet. Tekniken för det automatiska bromssystemet måste fungera och kunna uppdateras i tio års tid. Periodisk besiktning måste uppdateras för att säkerställa att sådana systeme är intakt. 

I ett pressmeddelande skriver Veoneer att de står bakom dessa riktlinjer [2]. Företagets forskningschef Ola Boström påpekar att: Under en period kommer gamla bilar, bilar med aktiva säkerhetsfunktioner och helt självkörande bilar samsas på vägarna. Då är det viktigt att de teknologier som installeras i de första autonoma bilarna kompletterar människan. De ska inte bara reagera och kommunicera på ett säkert sätt utan detta måste ske så att människor verkligen förstår.

Här kan ni se en film där vissa av dessa riktlinjer förklaras.

Egen kommentar

Jag blir helt förvirrad av alla riktlinjer, ramverk, färdplaner, säkerhetsrapporter…Här är några av dem: Safety First for Automated Driving (11 företag), Safety Case Framework (Uber), Holistic Safety Impact Assessment Framework (Volvo Cars), PEGASUS: Scenario-based Method to Assess Highly Automated Driving Functions (tysla aktörer), Measuring Automated Vehicle Safety (RAND), Responsibility-Sensitive Safety (RSS) (MobilEye), Safety Force Field (SFF), Open Autonomous Safety (Voyage).

Källor

[1] Thatcham. Defining Safe Automated Driving- Insurer Requirements for Highway Automation. 2019-09-11 Länk

[2] Veoneer. Veoneer stödjer första riktlinjerna för säker introduktion av självkörande bilar. 2019-09-11 Länk

AI in Automotive – Reality check

Telematics Valleys årliga konferens går 1-2 oktober i Volvohallen med temat ”AI in Automotive – Reality check”, med syftet att ta nästa steg i att titta in i hur artificiell intelligens påverkar fordonsindustrin, nu och i framtiden.

Talare från Veoneer, Volvo Cars, AB Volvo, Ericsson, CEVT, Sensible4, EmbeDL m.fl. kommer att diskutera läget för och effekterna av AI idag, hur man kan hantera etikfrågor och hur vi alla kan samverka så att AI ger mervärde åt våra organisationer. Det kommer som vanligt också att bli mycket tid för nätverkande.

Mer information och anmälan via https://www.telematicsvalley.org/conf2019

Veoneer showar i USA

Förra veckan demonstrerade Veoneer sina senaste system för aktiv säkerhet under ett kundevent vid American Center for Mobility i Ypsilanti i Michigan [1].

Dessa system är en integration av Zenuitys mjukvara och Veoneers sensorer, så som framåtseende radar (77 GHz) och monokamera (fjärde generationen). Demonstrationen ägde rum i en bil på ett inhägnat område. 

Källor

[1] Veoneer. Veoneer demonstrates latest Active Safety products and solutions at North American event. 2019-06-19 Länk

AB Volvo samverkar med Nvidia

Volvokoncernen har skrivit samarbetsavtal med Nvidia om att använda Nvidias AI-plattform för träning och simulering vid utveckling av självkörande fordon [1]. Inledningsvis kommer Volvo att använda plattformen för kommersiella kundpiloter [2].

Även Volvo Cars och Veoneer har skrivit samarbetsavtal med Nvidia.

Egen kommentar

Senare på tisdagskvällen arrangerade Nvidia Midsummer AI Ecosystem Reception i Göteborg med Nvidias grundare och vd Jensen Huang och representanter från både Volvo Group och Volvo Cars som talare. Både Huang och Henrik Färnstrand från Volvo Group kommenterade det nya samarbetet. Huang påpekade att transporter är en av fyra industrier som Nvidia arbetar mot med AI. Nvidia har hårdvara samt verktyg både för att träna modeller och simuleringsmiljöer för att generera data för att träna modeller för fordon. Färnstrand lyfte fram att AI kommer att vara del av allt Volvo Group gör och att AI inte är en mindre förändring utan ett stort kliv.

Stort tack till vår kollega David Lindström för rapporten från eventet!

Källor

[1] Volvo i avtal med Nvidia om AI-plattform, Affärsvärlden 2019-06-18 Länk

[2] Lars Stenqvist: Volvo Group and NVIDIA in world class automation partnership, LinkedIn 2019-06-18 Länk

Velodyne når en milstolpe

Förra veckan blev det känt att teknikföretaget Velodyne sålt totalt 30 000 lidarenheter för förarstödssystem och automatiserad körning [1]. Detta för ett värde av en halv miljard dollar.

För att skala upp produktionen har Velodyne nu licensierat sin lidar-teknik till Veoneer, som i sin tur har ett långsiktigt avtal med en fordonstillverkare.

Egen kommentar

I sin nyligen publicerade rapport förutser The Insight partners en ljus framtid för lidarenheter, med en stadigt växande marknad under de kommande 8 åren. 

Källor

[1] Velodyne. Velodyne Achieves Half a Billion Dollars in Lidar Sensors Shipped. 2019-03-28 Länk