Fremme af tillid til automatiserede køreløsninger med TimelyTale

For mere end et århundrede siden revolutionerede opfindelsen af biler folks liv, og sektoren forbereder sig nu på sit næste store spring, nemlig autonom kørsel. I dagens verden, hvor alt bliver smart, hvorfor skulle dine biler så ikke også være smarte? De er det faktisk.

Teknologisk fremgang i bilsektoren har ført til fremkomsten af selvkørende køretøjer.

Kombinationen af kraftig hardware og intelligent software indleder en ny æra af selvkørende biler, som vil bringe folk til deres destinationer komfortabelt og sikkert uden at kræve menneskelig indgriben.

Dette autonome kørselslandskab udvikler sig i et hurtigt tempo, med antallet af leverede automatiserede køretøjer hvert år forventet at vokse med en CAGR på 41 % mellem 2024 og 2030.

Den stigende integration af automatiserede køretøjer i vores daglige liv forventes at reducere trafikpropper, forbedre tilgængelighed og øge sikkerheden. Disse køretøjer giver desuden førere mulighed for at udføre opgaver, der ikke er relateret til kørsel, såsom at bruge telefoner, se multimedier, arbejde eller blot slappe af under transport.

Dog kan ikke alle automatiserede køretøjer opnå dette. Der findes niveauer for automatiserede køretøjer, som er som følger;

Niveau 0 – På dette niveau er der ingen kørselsautomatisering. Det er fuldstændigt manuelt kontrolleret. Dette niveau af køretøjer er det, vi primært ser på vejene.

Niveau 1 – Et skridt højere kommer det laveste automatiseringsniveau, hvor førerassistance leveres gennem et enkelt automatiseret system som styring eller adaptiv fartpilot.

Niveau 2 – Dette delvise kørselsautomatiseringsniveau er avancerede førerassistentsystemer (ADAS). Her kan køretøjet styre rattet og hastigheden, men en person sidder stadig i førersædet og kan overtage kontrollen når som helst. Vi ser allerede dette niveau af køretøjer omkring os med Tesla (TSLA ) Autopilot og General Motors (GM ) Cadillac Super Cruise-systemerne.

Niveau 3 – På dette betingede automatiseringsniveau har køretøjerne evnen til at opdage deres omgivelser og på baggrund heraf træffe informerede beslutninger. Dog skal den menneskelige fører stadig være opmærksom og klar til at overtage, hvis systemet ikke kan udføre opgaven. Primære eksempler på Niveau 3 inkluderer Mercedes‑Benz S‑Class, som har funktioner som autonom motorvejskørsel og vognbanekontrol, samt Honda (HMC ) Legend, som tilbyder håndfri kørsel i specifikke scenarier.

Niveau 4 – Dette næste spring bringer os til højt automatiserede køretøjer, som i de fleste tilfælde ikke kræver menneskelig assistance. Dog har mennesker stadig mulighed for at overstyre manuelt. Niveau 4‑køretøjer kan køre selv, men lovmæssigt kun i begrænsede områder. Disse køretøjer er allerede under udvikling med Google‘s Waymo One og Baidu’s Apollo Go.

Niveau 5 – Dette niveau kræver overhovedet ingen førere. På dette stadium når autonome køretøjer fuld kørselsautomatisering og er fri for geofencing, og kan derfor gøre alt, hvad en erfaren menneskelig fører kan, og køre hvor som helst. Fra Tesla, Amazon (AMZN ), og Honda til Mercedes tester flere store bilproducenter verden over fuldt autonome biler. De er dog endnu ikke tilgængelige for offentligheden.

Selvom det i øjeblikket er ukendt, hvornår fuldt automatiserede køretøjer (SAE Niveau 5) vil opnå bred adoption, forudsiger nogle studier markedsklarhed inden udgangen af dette årti.

Derfor er det afgørende at opbygge brugertillid for en vellykket implementering og accept af disse køretøjer. I øjeblikket hæmmer begrænset passagertillid adoptionen.

Så for at gøre selvkørende køretøjer mere passagervenlige, har forskere fra Gwangju Institute of Science and Technology (GIST) i Sydkorea skrevet et papir, der diskuterer strategier for dette. Dette inkluderer at give forklaringer til passagererne.

Problemet er, at dårligt designede forklaringer kan påvirke passageroplevelsen negativt. Derfor skal forklaringer formidle information med tilstrækkelig forståelighed under hurtigt skiftende vejforhold.

Tidligere studier har undersøgt forskellige præsentationsmetoder for forklaringer for at forbedre passageroplevelsen, samtidig med at angst og kognitiv belastning reduceres. Dog er den optimale timing for forklaringer og den faktiske passagerefterspørgsel endnu ikke bredt udforsket, især i virkelige miljøer.

GIST-forskerne undersøgte processen med at give forklaringer rettidigt for at styrke passagerernes sikkerhedsfølelse og deres tillid til automatiserede køretøjer.

Accelerering af adoption af autonome køretøjer

For at hjælpe automatiserede køretøjer med at indfri deres løfte om at forbedre urban mobilitet, skal passagertillid opnås, og derfor skal rettidige, passager‑specifikke forklaringer leveres for beslutninger i selvkørende køretøjer.

For at disse forklaringer skal være effektive, skal de være forståelige, informative og korte. Det vil fremme tillid blandt passagererne ved at give dem en stigende følelse af kontrol og reducere negative oplevelser.

Selvom forklarende kunstig intelligens (XAI)-metoder allerede findes, er de primært rettet mod udviklere og regulatorer. Med deres fokus på højrisikoscenarier eller for detaljerede forklaringer er de ikke rigtig egnet til passagererne.

Dette understreger behovet for XAI-modeller, der specifikt fokuserer på passagererne, forstår hvilken type information der kræves, og hvornår den er nødvendig i virkelige kørselsituationer.

Et primært hindring for udviklingen af passager‑centrerede forklarende XAI-modeller, bemærker undersøgelsen, er manglen på datasæt, der tager højde for passagerkontekster.

Som svar samlede et team af GIST-forskere ledet af SeungJun Kim, professor og leder af Human‑Centered Intelligent Systems Lab på GIST, TimelyTale for at imødekomme manglen på en passager‑centreret tilgang ved brug af sensordata til rettidige og kontekst‑relevante forklaringer.

TimelyTale er et nyt multimodalt datasæt designet til at indfange virkelige kørselscenarier og tilbyde forklaringer i køretøjet for at forbedre passagerernes tillid og selvtillid i automatiserede køretøjer.

“Vores forskning flytter fokus for XAI i autonom kørsel fra udviklere til passagerer. Vi har udviklet en tilgang til at indsamle passagerernes faktiske efterspørgsel efter forklaringer i køretøjet og metoder til at generere rettidige, situationsrelevante forklaringer for passagererne.”

– Professor Kim

Studieforfatterne blev tildelt ‘Distinguished Paper Award’ for deres undersøgelse med titlen ‘What and When to Explain?: On-road Evaluation of Explanations in Highly Automated Vehicles.’

For at begynde undersøgte forskerne først effekten af forskellige typer af visuelle forklaringer – inklusive opmærksomhed, perception og en kombination af begge – samt deres timing på passageroplevelsen under reelle kørselsforhold ved brug af augmented reality.

Køretøjets perceptionsstatus blev fundet at forbedre tillid, situationsbevidsthed og opfattet sikkerhed uden at overvælde passagererne. Derudover fandt forskerne, at sandsynligheden for trafikrisiko var den mest effektive faktor for at beslutte, hvornår forklaringer skal leveres, hvilket også hjalp dem med at forstå, hvornår passagererne føler sig overbelastede med information.

Baseret på disse fund udviklede GSIT-forskere i samarbejde med MIT TimelyTale-datasættet.

Til denne tilgang brugte forskerne data fra det eksterne miljø (exteroceptive) såsom lyde og synsindtryk, proprioceptive data, som handler om kroppens positioner og bevægelser, og (interoceptive) data om passagerens tilstand, dvs. deres kropslige fornemmelser som smerte, vejrtrækning og hjertefrekvens.

For at indsamle alle disse data fra passagererne brugte forskerne en række sensorer i naturalistiske kørselscenarier for at forudsige deres efterspørgsel efter forklaringer. De anvendte enheder omfattede GPS, 3D LiDAR, OBD‑II, IMU’er og stereokameraer til exteroceptive og proprioceptive data, mens LiDAR‑kamera, dybdekamera, termisk billeddannelse, E4‑armbånd og sæde‑tryk‑sensorer blev brugt til at indfange interoceptive data.

Bemærkelsesværdigt inkorporerede forskerne også konceptet om afbrydelighed i køretøjet for at finde de rette øjeblikke for forklaringer. Afbrydelighed er skiftet i passagerens fokus fra ikke‑kørsel‑relaterede opgaver (NDRTS) til kørsel‑relateret information.

I modsætning til manuelt kørte køretøjer, hvor førere kan blive distraheret, er passagererne i automatiserede køretøjer typisk ikke involveret i kørsel‑opgaver. Derfor er der behov for at fastlægge de øjeblikke, hvor kørsel‑relateret information skal leveres under NDRTs.

Som et resultat kan forskerne effektivt identificere både timingen og hyppigheden af passagerernes efterspørgsel efter forklaringer. Modellen genkendte også de specifikke forklaringer, som passagererne ønsker i kørselsituationer.

Forskerne brugte derefter deres tilgang til at udvikle en maskin‑læringsmodel (ML), der forudsiger det bedste tidspunkt at tilbyde passageren en forklaring. De udførte også en by‑omfattende modellering for at generere tekstuelle forklaringer baseret på forskellige kørselssteder.

Den foreløbige analyse, ifølge undersøgelsen, indikerer modellens potentiale for at bestemme timingen af passagerens efterspørgsel efter forklaringer i køretøjet. Samtidig kan datasættet bruges til at generere tekstligt forklaringsindhold, der er relevant for miljømæssige, kørsel‑relaterede og passager‑specifikke kontekster.

“Vores forskning lægger grundlaget for øget accept og adoption af autonome køretøjer, hvilket potentielt kan omforme urban transport og personlig mobilitet i de kommende år.”

– Prof. Kim

Virksomheder, der fremmer automatiserede køreløsninger

Lad os nu se på virksomheder, der former fremtiden for automatiserede køretøjer og også er positioneret til at udnytte fremskridtene inden for forklarende AI.

I AV‑sektoren har General Motors (GM ) udviklet Cruise til førerløse ture, mens Ford Motor (F ) gør sit skridt i denne retning via Escape Hybrid.

Derefter er der NVIDIA (NVDA ), hvis DRIVE‑platform tilbyder en familie af hardware‑ og softwareværktøjer til udvikling af autonome køretøjer. Amazon (AMZN ) er også interesseret i autonom køretøjsteknologi via Zoox, som er begyndt at teste sine førerløse biler inden lanceringen næste år. Ligesom Uber (UBER ) og Lyft (LYFT ), som har et samkørselsnetværk, kan også drage fordel af fremskridt i at fremme tillid og sikkerhed i tjenester med selvkørende køretøjer.

Nu er der to fremtrædende navne på markedet for autonome køretøjer, som du måske finder investeringsværdige:

1. Waymo

I verden af udvikling af autonome køretøjer gør Waymo store fremskridt. Denne Alphabet (GOOG ) ‑datterselskab fokuserer på selvkørende teknologi og passager‑centrerede funktioner.

Sent på sidste måned annoncerede virksomheden, at den afsluttede en overtegnet investeringsrunde på 5,6 milliarder dollars ledet af moderselskabet Alphabet, med andre deltagere inklusive eksisterende investorer og private equity‑firmaer som Fidelity, Tiger Global, Andreessen Horowitz, Perry Creek, Silver Lake og T. Rowe Price.

Midlerne vil blive brugt til at udvide deres ride‑hailing‑tjeneste “Waymo One” til flere amerikanske byer og forbedre den AI‑drevne “Waymo Driver”. For nylig lancerede virksomheden deres robotaxi i Los Angeles, hvilket betyder, at alle i byen kan bestille en førerløs bil via Waymo One‑appen. Denne robotaxi har allerede kørt rundt i Phoenix i fire år og har været i San Francisco siden sidste år. I mellemtiden har Waymo i Austin og Atlanta tilføjet deres autonome køretøjer til Uber‑platformen, så kunder kan bestille deres køretøj via Uber‑appen.

Google begyndte faktisk at arbejde på selvkørende biler for mere end ti år siden, da Waymo kun var et hemmeligt projekt. Den teknologiske gigant har ifølge rapporter kørt mere end 20 millioner miles med sine selvkørende biler uden større ulykker.

Den $2,2 billioner store virksomheds aktier handles i øjeblikket til $180,91, op 30 % i år. Den har en EPS (TTM) på 7,54, en P/E (TTM) på 24,09 og en udbytteafkast på 0,44 %. For 3Q24 rapporterede den en nettoomsætning på $2,93 milliarder og $702 millioner i pengestrømme fra driften.

For 3. kvartal 2024 rapporterede Alphabet en omsætning på $88,27 milliarder, en stigning på 15 % år‑over‑år. Dens cloud‑omsætning steg med 35 % fra året før til rekordhøje $11,35 milliarder i dette kvartal, drevet af AI‑tilbud.

AI har fået stor opmærksomhed blandt både brugere og virksomheder, hvor Google tiltrækker nye kunder, får større aftaler og ser øget adoption takket være AI. Så naturligvis fortsætter virksomheden med at “investere i topmoderne infrastruktur” for at støtte sine AI‑indsatser.

2. Tesla Inc. (TSLA )

Grundlagt af Elon Musk er Tesla kendt for sine el‑biler, som tilbyder Autopilot som en niveau‑2‑automatisering. Autopilot er en standardfunktion på hver ny Tesla, hvor hvert køretøj er udstyret med flere kameraer og billedbehandling for et ekstra sikkerhedslag.

Derudover findes Full Self‑Driving (FSD), som tilføjer semi‑autonom navigation. Både Autopilot og FSD er beregnet til brug med en fuldt opmærksom fører.

Mens Autopilot inkluderer funktioner som trafik‑bevidst fartpilot og autostyring, tilbyder FSD (overvåget) yderligere funktioner, herunder navigation på autopilot, autostyring på bygader, automatisk vognbane‑skift, automatisk parkering, fremkaldelse og smart fremkaldelse, trafikstyring og stopskilt‑kontrol.

Tesla‑køretøjer har også flere aktive sikkerhedsfunktioner, der gør dem i stand til at opdage biler eller forhindringer, give advarsler om kommende kollisioner, sidekollisionsadvarsler og blindvinkel‑overvågning, blandt andet, for at hjælpe førere.

Bilproducenten står dog i øjeblikket over for kritik fra National Highway Traffic Safety Administration (NHTSA), som udtrykte utilfredshed med Teslas promoveringssprog på sociale medier vedrørende FSD‑funktionen. Agenturet mener, at Teslas budskab kan fremme usikker brug af systemet og har anmodet virksomheden om at revurdere sin kommunikationsstrategi omkring FSD‑kapaciteter.

Dette kommer i kølvandet på en tragisk hændelse, hvor en kvinde blev påkørt af en Tesla, der kørte i FSD‑tilstand, hvilket rejser spørgsmål om systemets evne til at håndtere udfordrende miljøforhold.

NHTSA har givet Tesla en deadline den 18. december til at svare på sine spørgsmål vedrørende FSD’s “potentielle fejl i udførelsen, herunder at opdage og reagere korrekt i specifikke situationer, hvor der er reduceret vej‑synlighed, som kan begrænse FSD’s evne til at operere sikkert.”

Med en markedsværdi på $1,05 billioner handles Teslas aktier i øjeblikket til omkring $340, op 32,2 % år‑til‑dato (YTD). Den har en EPS (TTM) på 3,65, en P/E (TTM) på 90,07 og en ROE (TTM) på 20,65 %. Dens gæld‑til‑egenkapital (MRQ) er 11,01 %.

For 3Q24 rapporterede virksomheden en omsætning på $23,35 milliarder og et nettoresultat på $2,17 milliarder. Overskudsmarginerne steg med $739 millioner i indtægter fra bilreguleringskreditter som følge af, at regulatorer kræver, at bilproducenter sælger et vist antal lav‑emissions‑køretøjer eller køber kreditter fra virksomheder som Tesla, der udelukkende producerer sådanne køretøjer og derfor har et overskud af kreditter.

I dette kvartal producerede bilproducenten 470.000 køretøjer og leverede 463.000 køretøjer. For nylig afslørede den også en robotaxi og en robovan.

Klik her for at lære alt om Tesla.

Konklusioner 

Den hastigt voksende verden af autonome køretøjer peger på en fremtid med øget mobilitet, reduceret trafikprop, mere bekvemmelighed og forbedret sikkerhed.

Selvom det globale marked for autonome køretøjer forventes at vokse til $13.632,4 milliarder inden udgangen af dette årti, forventes markedet for software til autonom kørsel, som er integreret i AV’er, at stige fra $1,8 milliarder i 2024 til $7 milliarder i 2035.

Den stigende efterspørgsel efter effektive og sikre transportløsninger er årsagen til væksten i markedet for software til autonom kørsel. Efterhånden som AV’er gradvist bliver populære og får bred adoption, er bilproducenter nødt til at integrere sikkerhedsteknologier. Her sikrer autopilot‑software køretøjssikkerhed gennem algoritmer og realtidsdatabehandling.

For at realisere fremtiden med fuldt autonome køretøjer har vi brug for mere end blot teknologisk fremskridt. At opnå passagertillid er afgørende for at opnå bred adoption. Med løsninger som TimelyTale, der fokuserer på rettidige og relevante forklaringer, kan passagerernes bekymringer håndteres bedre, og tilliden styrkes, hvilket skaber en mere menneskecentreret tilgang til autonom kørsel.

Innovationer som disse er vigtige for at bringe os meget tættere på en fremtid, hvor selvkørende køretøjer er problemfrit integreret i vores daglige liv, og dermed omformer urban mobilitet.

Klik her for at lære, hvordan autonome taxaer vil generere op til $4 billioner inden 2027.