Vertrouwen opbouwen in geautomatiseerde rijoplossingen met TimelyTale

Meer dan een eeuw geleden revolutioneerde de uitvinding van auto’s het leven van mensen, en de sector bereidt zich nu voor op de volgende grote sprong, namelijk autonoom rijden. In de wereld van vandaag, waar alles slimmer wordt, waarom zouden jouw auto’s dat niet ook moeten zijn? Nou, dat doen ze.

Technologische vooruitgang in de automobielsector heeft geleid tot de opkomst van zelfrijdende voertuigen.

De combinatie van krachtige hardware en intelligente software luidt een nieuw tijdperk in van zelfrijdende auto’s die mensen comfortabel en veilig naar hun bestemming brengen zonder menselijke tussenkomst.

Dit landschap van autonoom rijden ontwikkelt zich in een snel tempo, waarbij het aantal jaarlijks geleverde geautomatiseerde voertuigen naar verwachting zal groeien met een CAGR van 41% tussen 2024 en 2030.

De groeiende integratie van geautomatiseerde voertuigen in ons dagelijks leven wordt verwacht het verkeerscongestie te verminderen, de toegankelijkheid te verbeteren en de veiligheid te verhogen. Deze voertuigen stellen bestuurders bovendien in staat om zich bezig te houden met taken die niet met rijden te maken hebben, zoals het gebruiken van telefoons, het bekijken van multimedia, werken, of gewoon ontspannen tijdens het reizen.

Niet alle geautomatiseerde voertuigen kunnen dat echter. Er zijn niveaus voor geautomatiseerde voertuigen, die als volgt zijn:

Level 0 – Op dit niveau is er geen rijautomatisering. Het wordt volledig handmatig bediend. Dit type voertuigen zien we voornamelijk op de wegen.

Level 1 – Een stap hoger bevindt zich het laagste automatiseringsniveau, waarbij bestuurdersassistentie wordt geboden via een enkel geautomatiseerd systeem zoals sturen of adaptieve cruisecontrol.

Level 2 – Dit gedeeltelijke rijautomatiseringsniveau is geavanceerde bestuurdersassistentiesystemen (ADAS). Hier kan het voertuig het sturen en de snelheid regelen, maar een mens zit nog steeds op de bestuurdersstoel en kan op elk moment de controle overnemen. We zien dit niveau al om ons heen met Tesla (TSLA ) Autopilot en General Motors’ (GM ) Cadillac Super Cruise-systemen.

Level 3 – In dit voorwaardelijke automatiseringsniveau hebben de voertuigen de mogelijkheid om hun omgeving te detecteren en op basis daarvan weloverwogen beslissingen te nemen. De menselijke bestuurder moet echter alert blijven en klaar zijn om de controle over te nemen als het systeem de taak niet kan uitvoeren. Voorbeelden van Level 3 zijn de Mercedes‑Benz S‑Class, die beschikt over functies zoals autonoom snelwegcruisen en rijstrookbehoud, en de Honda (HMC ) Legend, die handsfree rijden biedt in specifieke scenario’s.

Level 4 – Deze volgende sprong brengt ons naar voertuigen met hoge automatisering, die in de meeste gevallen geen menselijke hulp nodig hebben, uiteraard. Mensen hebben echter nog steeds de mogelijkheid om handmatig in te grijpen. Level 4‑voertuigen kunnen zelfrijden, maar wettelijk alleen in beperkte gebieden. Deze voertuigen worden al ontwikkeld door Google’s Waymo One en Baidu’s Apollo Go.

Level 5 – Dit niveau vereist helemaal geen bestuurders. In deze fase bereiken autonome voertuigen volledige rijautomatisering, zijn ze vrij van geofencing en kunnen ze alles doen wat een ervaren menselijke bestuurder kan doen en overal heen gaan. Van Tesla, Amazon (AMZN ), en Honda tot Mercedes, verschillende grote autofabrikanten wereldwijd testen volledig autonome auto’s. Ze zijn echter nog niet beschikbaar voor het grote publiek.

Hoewel momenteel nog onbekend is wanneer volledig geautomatiseerde voertuigen (SAE Level 5) brede adoptie zullen krijgen, voorspellen sommige studies dat de markt klaar zal zijn tegen het einde van dit decennium.

Daarom is het cruciaal om gebruikersvertrouwen op te bouwen voor een succesvolle inzet en acceptatie van deze voertuigen. Momenteel belemmert beperkt passagiersvertrouwen de adoptie.

Dus, om zelfrijdende voertuigen passagiersvriendelijk te maken, schreven onderzoekers van het Gwangju Institute of Science and Technology (GIST) in Zuid‑Korea een paper waarin strategieën hiervoor worden besproken. Dit omvat het geven van verklaringen aan passagiers.

Het probleem is dat slecht ontworpen verklaringen de passagierservaring negatief kunnen beïnvloeden. Daarom moeten verklaringen informatie overbrengen met voldoende begrijpelijkheid in snel veranderende wegomgevingen.

Eerdere studies hebben verschillende methoden voor het presenteren van verklaringen onderzocht om de passagierservaring te verbeteren en tegelijkertijd angst en cognitieve belasting te verminderen. De optimale timing voor verklaringen en de daadwerkelijke vraag van passagiers zijn echter nog niet uitgebreid onderzocht, vooral niet in echte omgevingen.

De GIST-onderzoekers onderzochten het proces van het tijdig geven van verklaringen om het veiligheidsgevoel van passagiers en hun vertrouwen in geautomatiseerde voertuigen te vergroten.

Versnelling van de adoptie van autonome voertuigen

Om geautomatiseerde voertuigen hun belofte van verbeterde stedelijke mobiliteit waar te maken, moet passagiersvertrouwen worden verkregen, waarvoor tijdige, passagiersspecifieke verklaringen moeten worden gegeven voor beslissingen van zelfrijdende voertuigen.

Om deze verklaringen effectief te laten zijn, moeten ze begrijpelijk, informatief en beknopt zijn. Dat zal vertrouwen bij passagiers bevorderen door hen een toenemend gevoel van controle te geven en negatieve ervaringen te verminderen.

Hoewel uitlegbare kunstmatige intelligentie (XAI)-methoden al bestaan, zijn ze voornamelijk bedoeld voor ontwikkelaars en regelgevers. Met hun focus op hoog‑risicoscenario’s of te gedetailleerde verklaringen zijn ze niet echt geschikt voor passagiers.

Dit benadrukt de behoefte aan XAI-modellen die zich specifiek op passagiers richten, die begrijpen welk type informatie nodig is en wanneer deze nodig is in realistische rijsituaties.

Een belangrijk obstakel bij het ontwikkelen van passagiersgerichte uitlegbare XAI-modellen, merkte de studie op, is het gebrek aan datasets die rekening houden met de context van passagiers.

Als reactie hebben een team van GIST-onderzoekers onder leiding van SeungJun Kim, professor en directeur van het Human‑Centered Intelligent Systems Lab bij GIST, TimelyTale geïntroduceerd om het gebrek aan een passagiersgerichte aanpak met sensorgegevens voor tijdige en contextrelevante verklaringen aan te pakken.

TimelyTale is een nieuwe multimodale dataset die is ontworpen om realistische rijsituaties vast te leggen en in‑voertuig verklaringen te bieden om het vertrouwen en de zekerheid van passagiers in geautomatiseerde voertuigen te verbeteren.

“Ons onderzoek verschuift de focus van XAI in autonoom rijden van ontwikkelaars naar passagiers. We hebben een aanpak ontwikkeld om de daadwerkelijke vraag van passagiers naar in‑voertuig verklaringen te verzamelen en methoden om tijdige, situatie‑relevante verklaringen voor passagiers te genereren.”

– Professor Kim

De auteurs van de studie ontvingen de ‘Distinguished Paper Award’ voor hun onderzoek getiteld ‘What and When to Explain?: On‑road Evaluation of Explanations in Highly Automated Vehicles.’

Om te beginnen onderzochten de onderzoekers eerst het effect van verschillende soorten visuele verklaringen — inclusief aandacht, perceptie en een combinatie van beide — en hun timing op de passagierservaring onder echte rijomstandigheden, met behulp van augmented reality.

De perceptietoestand van het voertuig bleek het vertrouwen, de situationele bewustheid en de waargenomen veiligheid te verbeteren zonder de passagiers te overweldigen. Bovendien vonden de onderzoekers dat de kans op verkeersrisico de meest effectieve factor was om te bepalen wanneer verklaringen moeten worden geleverd, wat hen ook hielp te begrijpen wanneer passagiers zich overbelast voelen door informatie.

Op basis van deze bevindingen ontwikkelden GSIT-onderzoekers, in samenwerking met MIT, de TimelyTale-dataset.

Voor deze aanpak gebruikten onderzoekers gegevens van de externe omgeving (exteroceptief) zoals geluiden en beelden, proprioceptieve data, die betrekking hebben op de positie en bewegingen van het lichaam, en (interoceptieve) data over de toestand van de passagier, d.w.z. hun lichamelijke sensaties zoals pijn, ademhaling en hartslag.

Om al deze gegevens van passagiers te verzamelen, gebruikten de onderzoekers een verscheidenheid aan sensoren in naturalistische rijsituaties om hun vraag naar verklaringen te voorspellen. De gebruikte apparaten omvatten GPS, 3D LiDAR, OBD‑II, IMU’s en stereocamera’s voor exteroceptieve en proprioceptieve data, terwijl LiDAR‑camera, dieptecamera, thermische beeldvorming, E4‑wristband en stoel‑druksensoren werden gebruikt om interoceptieve data vast te leggen.

Opmerkelijk is dat de onderzoekers ook het concept van in‑voertuig onderbreekbaarheid hebben geïntegreerd om de juiste momenten voor verklaringen te vinden. Onderbreekbaarheid is de verschuiving van de focus van de passagier van niet‑rijgerelateerde taken (NDRTS) naar rijgerelateerde informatie.

In tegenstelling tot handmatig bestuurde voertuigen, waar bestuurders niet afgeleid kunnen worden, zijn passagiers in geautomatiseerde voertuigen doorgaans niet bezig met rijtaken. Daarom is het nodig om de momenten voor rijgerelateerde informatie tijdens NDRTs vast te stellen.

Als gevolg hiervan kunnen de onderzoekers effectief de timing en frequentie van de vraag van passagiers naar verklaringen identificeren. Het model herkende ook de specifieke verklaringen die passagiers willen tijdens rijsituaties.

De onderzoekers gebruikten vervolgens hun aanpak om een machine learning (ML)-model te ontwikkelen dat het beste moment voorspelt om de passagier een verklaring te bieden. Ze voerden ook een stadsbreed modellering uit om tekstuele verklaringen te genereren op basis van verschillende rijlocaties.

De voorlopige analyse, volgens de studie, wijst op het potentieel van het model om de timing van de vraag van passagiers naar in‑voertuig verklaringen te bepalen. Ondertussen kan de dataset worden gebruikt om tekstuele verklaringsinhoud te genereren die relevant is voor omgevings‑, rijgerelateerde en passagiersspecifieke contexten.

“Ons onderzoek legt de basis voor een grotere acceptatie en adoptie van autonome voertuigen, wat mogelijk het stedelijk transport en de persoonlijke mobiliteit in de komende jaren zal hervormen.”

– Prof. Kim

Bedrijven die geautomatiseerde rijoplossingen bevorderen

Laten we nu kijken naar bedrijven die de toekomst van geautomatiseerde voertuigen vormgeven en ook in staat zijn te profiteren van de vooruitgang in uitlegbare AI.

In de AV-sector heeft General Motors (GM ) Cruise ontwikkeld voor bestuurderloze ritten, terwijl Ford Motor zijn zet in deze richting maakt via Escape Hybrid.

Dan is er NVIDIA (NVDA ), waarvan het DRIVE-platform een reeks hardware‑ en softwaretools biedt voor de ontwikkeling van autonome voertuigen. Amazon (AMZN ) is ook geïnteresseerd in autonome voertuigtechnologie via Zoox, dat zijn bestuurderloze auto’s heeft getest voorafgaand aan de lancering volgend jaar. Bedrijven zoals Uber (UBER ) en Lyft (LYFT ), die een ride‑sharing netwerk hebben, kunnen ook profiteren van de vooruitgang in het bevorderen van vertrouwen en veiligheid in zelfrijdende voertuigservices.

Nu zijn er twee prominente namen op de markt voor autonome voertuigen die mogelijk investeringswaardig zijn:

1. Waymo (GOOGL )

In de wereld van de ontwikkeling van autonome voertuigen boekt Waymo veel vooruitgang. Deze dochteronderneming van Alphabet richt zich op zelfrijtechnologie en passagiersgerichte functies.

Eind vorige maand kondigde het bedrijf de afronding aan van een overgesubscribed investeringsronde van $5,6 miljard onder leiding van het moederbedrijf Alphabet, met andere deelnemers waaronder bestaande investeerders en private‑equity firma’s Fidelity, Tiger Global, Andreessen Horowitz, Perry Creek, Silver Lake en T. Rowe Price.

De fondsen zullen worden gebruikt om de ride‑hailing‑service “Waymo One” uit te breiden naar meer Amerikaanse steden en de AI‑aangedreven “Waymo Driver” te verbeteren. Recentelijk heeft het bedrijf zijn robotaxi’s gelanceerd in Los Angeles, wat betekent dat iedereen in de stad een bestuurderloze rit kan aanvragen via de Waymo One‑app. Deze robotaxi rijdt al vier jaar in Phoenix en is sinds vorig jaar in San Francisco actief. Ondertussen heeft Waymo in Austin en Atlanta zijn AV’s toegevoegd aan het Uber‑platform, waardoor klanten hun voertuig via de Uber‑app kunnen bestellen.

Google begon eigenlijk meer dan een decennium en een half geleden met het werken aan zelfrijdende auto’s toen Waymo nog een geheim project was. De zelfrijdende auto’s van de tech‑gigant hebben naar verluidt meer dan 20 miljoen mijl afgelegd zonder grote ongevallen.

De aandelen van de $2,2 biljoen marktkapitalisatie‑gigant worden momenteel verhandeld tegen $180,91, een stijging van 30% dit jaar. Het heeft een EPS (TTM) van 7,54, een P/E (TTM) van 24,09 en een dividendrendement van 0,44%. Voor 3Q24 rapporteerde het een netto‑omzet van $2,93 miljard en $702 miljoen aan operationele kasstromen.

Voor Q3 2024 rapporteerde Alphabet een omzet van $88,27 miljard, een stijging van 15% op jaarbasis. De cloud‑omzet steeg met 35% ten opzichte van een jaar geleden tot een record van $11,35 miljard dit kwartaal, gedreven door AI‑aanbiedingen.

AI heeft veel aandacht gekregen van zowel gebruikers als bedrijven, waarbij Google nieuwe klanten aantrekt, grotere deals binnenhaalt en een toegenomen adoptie ziet dankzij AI. Daarom blijft het bedrijf natuurlijk “investeren in geavanceerde infrastructuur” om zijn AI‑inspanningen te ondersteunen.

2. Tesla Inc. (TSLA )

Opgericht door Elon Musk, staat Tesla bekend om zijn elektrische voertuigen, die Autopilot bieden als een niveau‑2 automatisering. Autopilot is een standaardfunctie op elke nieuwe Tesla, waarbij elk voertuig is uitgerust met meerdere camera’s en beeldverwerking voor een extra veiligheidslaag.

Daarnaast is er Full Self‑Driving (FSD), dat semi‑autonome navigatie toevoegt. Zowel Autopilot als FSD zijn bedoeld voor gebruik met een volledig oplettende bestuurder.

Hoewel Autopilot functionaliteit biedt zoals verkeersbewuste cruisecontrol en autostuur, biedt FSD (onder toezicht) extra functies, waaronder navigatie op autopilot, autostuur op stadswegen, automatische rijstrookwissel, automatisch parkeren, oproepen en slim oproepen, verkeerscontrole en stopbordcontrole.

Tesla‑voertuigen beschikken ook over verschillende actieve veiligheidsfuncties die hen in staat stellen auto’s of obstakels te detecteren, waarschuwingen voor naderende botsingen, waarschuwingen voor zijdelingse botsingen en dode‑hoekbewaking, onder andere, om bestuurders te assisteren.

De autofabrikant wordt echter momenteel ondervraagd door de National Highway Traffic Safety Administration (NHTSA), die ontevredenheid uitte over de promotietaal van Tesla op sociale media met betrekking tot de FSD‑functie. Het agentschap gelooft dat de berichtgeving van Tesla het onveilige gebruik van het systeem kan bevorderen en heeft het bedrijf verzocht zijn communicatiestrategie over de FSD‑mogelijkheden te heroverwegen.

Dit volgt op een tragisch incident waarbij een vrouw werd aangereden door een Tesla die in FSD‑modus opereerde, wat vragen oproept over het vermogen van het systeem om uitdagende omgevingscondities aan te kunnen.

NHTSA heeft Tesla een deadline van 18 december gegeven om te reageren op haar vragen over de “potentiële falen van FSD, inclusief het detecteren en adequaat reageren in specifieke situaties waarin de zichtbaarheid van de weg verminderd is, wat de mogelijkheid van FSD om veilig te opereren kan beperken.”

Met een marktkapitalisatie van $1,05 biljoen worden Tesla‑aandelen momenteel verhandeld rond $340, een stijging van 32,2% jaar‑tot‑datum (YTD). Het heeft een EPS (TTM) van 3,65, een P/E (TTM) van 90,07 en een ​​ROE (TTM) van 20,65%. De Debt‑to‑Equity (MRQ) bedraagt 11,01%.

Voor 3Q24 rapporteerde het bedrijf $23,35 miljard aan omzet en een nettowinst van $2,17 miljard. De winstmarges stegen met $739 miljoen in inkomsten uit automotive regulatoire kredieten als gevolg van regelgevers die autofabrikanten verplichten een bepaald aantal emissieloze voertuigen te verkopen of kredieten te kopen van bedrijven zoals Tesla, die uitsluitend zulke voertuigen bouwen en daardoor een overschot aan kredieten hebben.

In dit kwartaal produceerde de autofabrikant 470.000 voertuigen en leverde 463.000 voertuigen. Recentelijk onthulde het ook een robotaxi en een robovan.

Klik hier om alles te leren over Tesla.

Conclusies 

De snelgroeiende wereld van autonome voertuigen wijst op een toekomst met meer mobiliteit, minder verkeerscongestie, meer gemak en verbeterde veiligheid.

Hoewel de wereldwijde marktgrootte voor autonome voertuigen naar verwachting zal groeien tot $13.632,4 miljard tegen het einde van dit decennium, wordt verwacht dat de markt voor autonome rijsoftware, die integraal is voor AV’s, zal stijgen van $1,8 miljard in 2024 tot $7 miljard in 2035.

De groeiende vraag naar efficiënte en veilige transportoplossingen is de reden achter de groei van de markt voor autonome rijsoftware. Naarmate AV’s geleidelijk populairder worden en adoptie winnen, moeten autofabrikanten veiligheids‑technologieën integreren. Hier zorgt autopilot‑rijsoftware voor voertuigveiligheid via algoritmen en realtime gegevensverwerking.

Om de toekomst van volledig autonome voertuigen te realiseren, hebben we meer nodig dan alleen technologische vooruitgang. Het winnen van passagiersvertrouwen is cruciaal om brede adoptie te bereiken. Met oplossingen zoals TimelyTale, die zich richt op tijdige en relevante verklaringen, kunnen passagierszorgen beter worden aangepakt en vertrouwen worden bevorderd, waardoor een meer mensgerichte benadering van autonoom rijden ontstaat.

Innovaties zoals deze zijn belangrijk om ons veel dichter bij een toekomst te brengen waarin zelfrijdende voertuigen naadloos in ons dagelijks leven zijn geïntegreerd, en daarmee stedelijke mobiliteit transformeren.

Klik hier om te leren hoe autonome taxi’s tot $4 biljoen zullen genereren tegen 2027.