Självkörande maskiner som fordon, fartyg och drönare kan sänka kostnader, minska miljöbelastningen och bidra till färre olyckor. Ett nytt, öppet dataset för utvärdering av farkosternas algoritmer sätter nu en ny standard för utvecklingen av autonoma transportsystem på vägar, vatten och i luften.

Datasetet utvecklas med hjälp av en avancerad forskningsbåt som kör förutbestämda rutter runt om i Västsverige under olika väder- och ljusförhållanden.

För att självkörande farkoster ska fungera behöver de uppfatta och tolka sin omgivning. Med kameror, sensorer, radar och annan utrustning ”ser” de omgivningen. Sådan artificiell perception gör att hastighet och styrning kan anpassas till omgivningen på ett sätt som liknar hur mänskliga förare agerar i trafiken. Forskare och företag världen över har de senaste åren tävlat om vilka mjukvarualgoritmer som ger bäst artificiell perception. Till hjälp har de datamängder, eller dataset, som innehåller inspelade sekvenser från exempelvis trafikmiljöer. Sådana dataset används för att verifiera att algoritmerna fungerar så bra som möjligt.

Chalmers lanserar nu i samarbete med Göteborgs Universitet, Rise och Sjöfartsverket ett öppet dataset, kallat Reeds, som nu är tillgängligt för akademi och industri världen över.

Datasetet är unikt eftersom det spelar in omgivningen kring testfordonet med en kvalitet och noggrannhet som ligger i absolut framkant. För att skapa så utmanande förhållanden som möjligt – och därmed öka svårighetsgraden för mjukvarualgoritmerna – har forskarna valt att använda ett fartyg, där rörelser relaterar till omgivningen på ett mer komplext sätt jämfört med fordon på land. Detta innebär att Reeds är det första marina datasetet av denna typ.

Ola Benderius, docent på avdelningen för fordonsteknik och autonoma system på institutionen för mekanik och maritima vetenskaper, leder projektet. Han hoppas på ett genombrott för en mer rättvisande verifiering för att öka kvaliteten på artificiell perception, och att Reeds ska bana väg.

– Målet är att sätta en standard för hur morgondagens helt autonoma system utvecklas och utvärderas. Med Reeds skapar vi ett dataset med högsta möjliga kvalitet och som ger stor samhällsnytta och säkrare system.

Datasetet utvecklas med hjälp av en avancerad forskningsbåt som kör förutbestämda rutter runt om i Västsverige under olika väder- och ljusförhållanden. Dessa turer kommer att fortsätta i ytterligare tre år och datasetet kommer alltså att växa över tid. Båten är utrustad med avancerade kameror, laserskanner, radar, rörelsesensorer och positioneringssystem, för att skapa en helhetsbild av miljön kring farkosten.

Kamerasystemet på båten innehåller det senaste inom kamerateknik och genererar 6 gigabyte bilddata per sekund. En tur på 1,5 timmar ger därmed en total datamängd på 16 terabyte. Det är väsentligt mer än vad som hittills presenterats i liknande dataset och det ger betydligt bättre förutsättningar för verifiering av artificiell perception i framtiden.

– Vårt system håller en mycket hög teknisk standard. Det öppnar för en mer detaljerad verifiering och jämförelse mellan olika mjukvarualgoritmer för artificiell perception, vilket är en grundsten för artificiell intelligens.

Under projektets gång har Reeds testats och vidareutvecklats av såväl andra Chalmersforskare som inbjudna internationella forskare. Man har bland annat arbetat med automatisk igenkänning och klassificering av andra fartyg, mätning av det egna fartygets rörelser utifrån kamera, 3D-modellering av omgivningen och AI-baserad borttagning av vattendroppar från kameralinser.

Reeds ger också förutsättningar för rättvisa jämförelser mellan olika forskares mjukvarualgoritmer. Forskaren laddar upp sin mjukvara på Reeds molntjänst, där utvärdering av data och jämförelse mot andras mjukvara sker helt automatiskt. Resultaten från jämförelsen publiceras i öppna listor, där även allmänheten kan se vilka forskare världen över som har tagit fram den bästa metoden för artificiell perception inom olika områden. Det innebär att stora mängder rådata ackumuleras och analyseras kontinuerligt och automatiskt i molntjänsten. Reeds molntjänst ger därmed förutsättningar för både samarbete och konkurrens mellan forskargrupper. Över tid innebär det att den artificiella perceptionen blir alltmer fullständig för alla typer av självkörande system.

Projektet startade år 2020 och drivs av Chalmers i samarbete med Göteborgs Universitet, Rise och Sjöfartsverket. Trafikverket finansierar projektet.

Forskarna i Reeds-projektet publicerade år 2019 en artikel där de beskrev hur ett dataset av hög kvalitet och en plattform för utvärdering av algoritmer kunde realiseras.

Filed under: SvenskTeknik