Fremme tillit til automatiserte kjøre‑løsninger med TimelyTale

For mer enn et århundre siden revolusjonerte oppfinnelsen av biler menneskers liv, og sektoren forbereder seg nå på sitt neste store sprang, som er autonom kjøring. I dagens verden, hvor alt blir smart, hvorfor skulle ikke bilene dine også være smarte? Vel, det er de.

Teknologisk fremgang i bilsektoren har ført til fremveksten av selvkjørende kjøretøy.

Kombinasjonen av kraftig maskinvare og intelligent programvare innleder en ny æra av selvkjørende biler som vil frakte folk til sine destinasjoner komfortabelt og trygt uten å kreve menneskelig inngripen.

Dette autonome kjørelandskapet utvikler seg i raskt tempo, med antall automatiserte kjøretøy som sendes hvert år forventet å vokse med en CAGR på 41 % mellom 2024 og 2030.

Den økende integreringen av automatiserte kjøretøy i vårt daglige liv forventes å redusere trafikkbelastning, forbedre tilgjengelighet og øke sikkerhet. Disse kjøretøyene gjør det også mulig for førere å utføre oppgaver som ikke er relatert til kjøring, som å bruke telefoner, se på multimedia, arbeide eller bare slappe av mens de er på vei.

Ikke alle automatiserte kjøretøy kan oppnå dette, imidlertid. Det finnes nivåer for automatiserte kjøretøy, som er som følger;

Nivå 0 – På dette nivået finnes det ingen kjøreautomatisering. Det er fullstendig manuelt kontrollert. Dette kjøretøynivået er det vi flest ser på veiene.

Nivå 1 – Nå, ett steg høyere kommer det laveste automatiseringsnivået, hvor førerassistanse leveres gjennom et enkelt automatisert system som styring eller adaptiv cruisekontroll.

Nivå 2 – Dette delvise kjøreautomatiseringsnivået er avanserte førerassistansesystemer (ADAS). Her kan kjøretøyet kontrollere styringen og hastigheten, men en menneskelig fører sitter fortsatt i førersetet og kan ta kontroll over kjøretøyet når som helst. Vi ser allerede dette nivået av kjøretøy rundt oss med Tesla (TSLA ) Autopilot og General Motors‘ (GM ) Cadillac Super Cruise-systemer.

Nivå 3 – I dette betingede automatiseringsnivået har kjøretøyene evnen til å oppdage omgivelsene sine og, basert på det, ta informerte beslutninger. Imidlertid må den menneskelige sjåføren fortsatt holde seg årvåken og være klar til å ta kontroll hvis systemet ikke kan utføre oppgaven. Fremtredende eksempler på nivå 3 inkluderer Mercedes‑Benz S‑Class, som har funksjoner som autonom motorveikjøring og filhold, og Honda (HMC ) Legend, som har håndfri kjøring i spesifikke scenarier.

Nivå 4 – Dette neste nivåhoppet tar oss til høyautomatiserte kjøretøy, som i de fleste tilfeller ikke krever menneskelig assistanse, selvfølgelig. Likevel har mennesker fortsatt muligheten til å overstyre manuelt. Nivå 4‑kjøretøy kan kjøre selv, men lovmessig kan de kun gjøre det i begrensede områder. Disse kjøretøyene er allerede under utvikling med Google‘s Waymo One og Baidus Apollo Go.

Nivå 5 – Nå krever dette nivået ingen sjåfører i det hele tatt. På dette stadiet når autonome kjøretøy full kjøreautomatisering, og de er fri fra geofencing og kan dermed gjøre alt en erfaren menneskelig sjåfør kan gjøre og kjøre hvor som helst. Fra Tesla, Amazon (AMZN ), og Honda til Mercedes, tester flere store bilprodusenter over hele verden fullt autonome biler. De er imidlertid ennå ikke tilgjengelige for allmennheten.

Mens det for øyeblikket er ukjent akkurat når fullt automatiserte kjøretøy (SAE Level 5) vil oppnå bred adopsjon, forutsier noen studier markedsklarhet innen slutten av dette tiåret.

Med dette er det kritisk å bygge brukertillit for vellykket utrulling og aksept av disse kjøretøyene. For øyeblikket hindrer begrenset passasjertillit adopsjonen.

Så, for å hjelpe med å gjøre selvkjørende kjøretøy passasjervennlige, forskere fra Gwangju Institute of Science and Technology (GIST) i Sør‑Korea, skrev en artikkel som diskuterer strategier for dette. Dette inkluderer å gi forklaringer til passasjerene.

Saken er at dårlig utformede forklaringer kan påvirke passasjeropplevelsen negativt. Derfor må forklaringer formidle informasjon med tilstrekkelig forståelighet under raskt skiftende veiforhold.

Tidligere studier har utforsket ulike metoder for presentasjon av forklaringer for å forbedre passasjeropplevelsen samtidig som angst og kognitiv belastning reduseres. Imidlertid er optimal timing for forklaringer og den faktiske passasjeretterspørselen ennå ikke grundig utforsket, spesielt i virkelige miljøer.

GIST-forskerne undersøkte prosessen med å gi forklaringer på et rettidig tidspunkt for å styrke passasjerenes følelse av sikkerhet og deres tillit til automatiserte kjøretøy.

Accelerating Autonomous Vehicles Adoption

For å hjelpe automatiserte kjøretøy med å innfri sitt løfte om å forbedre urban mobilitet, må passasjertillit oppnås, og for dette må rettidige, passasjerspesifikke forklaringer leveres for beslutninger i selvkjørende kjøretøy.

For at disse forklaringene skal være effektive, må de være forståelige, informative og konsise. Det vil fremme tillit blant passasjerene ved å gi dem en økende følelse av kontroll og redusere negative opplevelser.

Selv om forklarbare kunstig intelligens (XAI)-metoder allerede finnes, er de primært for utviklere og regulatorer. Med sitt fokus på høy‑risiko‑scenarioer eller for detaljerte forklaringer, er de egentlig ikke egnet for passasjerer.

Dette fremhever behovet for XAI-modeller som spesifikt fokuserer på passasjerer, forstår hvilken type informasjon som kreves og når den trengs i virkelige kjørescenarier.

Et hovedhinder for utvikling av passasjer‑sentrerte forklarbare XAI-modeller, bemerket studien, er mangelen på datasett som tar hensyn til passasjers kontekst.

Som svar introduserte et team av GIST-forskere ledet av SeungJun Kim, professor og leder for Human‑Centered Intelligent Systems Lab ved GIST, TimelyTale for å takle mangelen på en passasjersentrert tilnærming ved bruk av sensordata for rettidige og kontekstrelevante forklaringer.

TimelyTale er et nytt multimodalt datasett designet for å fange virkelige kjørescenarier og tilby forklaringer i kjøretøyet for å forbedre tilliten og selvtilliten til passasjerene i automatiserte kjøretøy.

“Vår forskning flytter fokuset for XAI i autonom kjøring fra utviklere til passasjerer. Vi har utviklet en tilnærming for å samle inn passasjerens faktiske etterspørsel etter forklaringer i kjøretøyet og metoder for å generere rettidige, situasjonsrelevante forklaringer for passasjerer.”

– Professor Kim

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

For å begynne, undersøkte forskerne først effekten av ulike typer visuelle forklaringer — inkludert oppmerksomhet, persepsjon og en kombinasjon av begge — samt deres timing på passasjeropplevelsen under reelle kjøreforhold, ved bruk av utvidet virkelighet.

Kjøretøyets persepsjonstilstand ble funnet å forbedre tillit, situasjonsbevissthet og oppfattet sikkerhet uten å overvelde passasjerene. I tillegg fant forskerne at sannsynligheten for trafikkrisiko var den mest effektive faktoren for å bestemme når forklaringer bør leveres, noe som også hjalp dem å forstå når passasjerene føler seg overbelastet med informasjon.

Basert på disse funnene utviklet GSIT-forskerne, i samarbeid med MIT, TimelyTale-datasettet.

For denne tilnærmingen brukte forskerne data fra det ytre miljøet (ekstroseptiv) som lyder og synsinntrykk, proprioseptiv data, som handler om kroppens posisjoner og bevegelser, og (interoseptiv) data om passasjerens tilstand, dvs. kroppens sensasjoner som smerte, pust og hjertefrekvens.

For å samle inn all denne dataen fra passasjerene, brukte forskerne en rekke sensorer i naturalistiske kjørescenarier for å forutsi deres forklaringsbehov. Enhetene som ble brukt inkluderte GPS, 3D LiDAR, OBD‑II, IMU‑er og stereokameraer for ekstroseptiv og proprioseptiv data, mens LiDAR‑kamera, dybdekamera, termisk avbildning, E4‑armbånd og setetrykksensorer ble brukt for å fange interoseptiv data.

Merkbart har forskerne også innarbeidet konseptet med avbrytbarhet i kjøretøyet for å finne de rette øyeblikkene for forklaringer. Avbrytbarhet er skiftet i passasjerens fokus fra ikke‑kjøringsrelaterte oppgaver (NDRTS) til kjøringsrelatert informasjon.

I motsetning til manuelt kjørte kjøretøy, hvor sjåfører ikke kan bli distrahert, er passasjerer i automatiserte kjøretøy vanligvis ikke engasjert i kjøreoppgaver. Derfor er det behov for å fastsette øyeblikkene for kjøringsrelatert informasjon under NDRTs.

Som et resultat kan forskerne effektivt identifisere både timingen og frekvensen av passasjerenes etterspørsel etter forklaringer. Modellen gjenkjente også de spesifikke forklaringene som passasjerer ønsker i kjøringssituasjoner.

Forskerne brukte deretter sin tilnærming til å utvikle en maskin‑læringsmodell (ML) som forutsier det beste tidspunktet for å tilby passasjeren en forklaring. De utførte også en byomfattende modellering for å generere tekstlige forklaringer basert på ulike kjørelokasjoner.

Den foreløpige analysen, ifølge studien, indikerer modellens potensial for å bestemme timingen av passasjerenes etterspørsel etter forklaringer i kjøretøyet. Samtidig kan datasettet brukes til å generere tekstlig forklaringsinnhold som er relevant for miljømessige, kjøringsrelaterte og passasjerspesifikke kontekster.

“Vår forskning legger grunnlaget for økt aksept og adopsjon av autonome kjøretøy, og kan potensielt omforme urban transport og personlig mobilitet i de kommende årene.”

– Prof. Kim

Companies Advancing Automated Driving Solutions

La oss nå se på selskaper som former fremtiden for automatiserte kjøretøy og og også er posisjonert for å dra nytte av fremskrittene innen forklarbar AI.

I AV‑sektoren, General Motors (GM ) har utviklet Cruise for førerløse turer, mens Ford Motor (F ) gjør sitt trekk i denne retningen via Escape Hybrid.

Deretter er NVIDIA (NVDA ), hvis DRIVE‑plattform tilbyr en familie av maskinvare‑ og programvareverktøy for utvikling av autonome kjøretøy. Amazon (AMZN ) er også interessert i teknologi for autonome kjøretøy via Zoox, som har begynt å teste sine førerløse biler før lanseringen neste år. Selskaper som Uber (UBER ) og Lyft (LYFT ), som har et ride‑sharing‑nettverk, kan også dra nytte av fremskritt i å fremme tillit og sikkerhet i tjenester med selvkjørende kjøretøy.

Nå er to fremtredende navn i markedet for autonome kjøretøy som du kanskje finner investeringsverdige:

1. Waymo

I verden av utvikling av autonome kjøretøy gjør Waymo store fremskritt. Dette Alphabet (GOOG ) ‑datterselskapet fokuserer på selvkjørende teknologi og passasjersentrerte funksjoner.

Sent forrige måned kunngjorde selskapet kunngjorde en overtegnet investeringsrunde på 5,6 milliarder dollar ledet av morselskapet Alphabet, med andre deltakere inkludert eksisterende investorer og private equity‑firmaer som Fidelity, Tiger Global, Andreessen Horowitz, Perry Creek, Silver Lake og T. Rowe Price (TROW ).

Midlene vil bli brukt til å utvide ride‑hailing‑tjenesten “Waymo One” til flere amerikanske byer og forbedre den AI‑drevne “Waymo Driver”. Nylig lanserte selskapet sine robotaxier i Los Angeles, noe som betyr at alle i byen kan bestille en førerløs bil via Waymo One‑appen. Denne robotaxien har allerede kjørt rundt i Phoenix i fire år og har vært i San Francisco siden i fjor. I mellomtiden har Waymo i Austin og Atlanta lagt sine AV‑er til Uber‑plattformen, slik at kunder kan bestille kjøretøyet fra Uber‑appen.

Google begynte faktisk å arbeide med selvkjørende biler for mer enn ett og et halvt tiår siden da Waymo bare var et hemmelig prosjekt. Den teknologigigantens selvkjørende biler har ifølge rapporter kjørt over 20 millioner mil uten noen større ulykker.

Den $2,2‑billioners markedsverdien gigantens aksjer handles for tiden til $180,91, opp 30 % i år. Den har en EPS (TTM) på 7,54, en P/E (TTM) på 24,09 og en utbytteavkastning på 0,44 %. For 3Q24, den rapporterte nettoomsetning på $2,93 milliarder og $702 millioner i kontantstrøm fra driften.

For Q3 2024 rapporterte Alphabet en inntekt på $88,27 milliarder, en økning på 15 % år‑over‑år. Sky‑inntektene økte med 35 % fra året før til rekordstore $11,35 milliarder dette kvartalet, drevet av AI‑tilbud.

AI har fått mye oppmerksomhet blant både brukere og selskaper, med Google som tiltrekker nye kunder, får større avtaler og ser økt adopsjon takket være AI. Så, naturlig nok, fortsetter selskapet å “investere i toppmoderne infrastruktur” for å støtte sine AI‑innsats.

2. Tesla Inc. (TSLA )

Grunnlagt av Elon Musk, er Tesla kjent for sine elektriske kjøretøy, som tilbyr Autopilot som en nivå‑2‑automatisering. Autopilot er en standardfunksjon på hver ny Tesla, med hvert kjøretøy utstyrt med flere kameraer og bildesbehandling for et ekstra sikkerhetslag.

Deretter finnes Full Self‑Driving (FSD), som legger til semi‑autonom navigasjon. Både Autopilot og FSD er ment for bruk med en fullt oppmerksom sjåfør.

Mens Autopilot inkluderer funksjonalitet som trafikkbevisst cruisekontroll og autostyring, tilbyr FSD (overvåket) ekstra funksjoner, inkludert navigasjon på autopilot, autostyring på bygater, automatisk filskifte, automatisk parkering, summon og smart summon, trafikkontroll og stoppeskiltkontroll.

Tesla‑kjøretøy kommer også med flere aktive sikkerhetsfunksjoner som gjør dem i stand til å oppdage biler eller hindringer, varsle om forestående kollisjon, varsle om sidekollisjon og overvåke blindsoner, blant annet, for å assistere sjåfører.

Bilprodusenten står imidlertid overfor gransking fra National Highway Traffic Safety Administration (NHTSA), som uttrykte misnøye med Teslas promotering på sosiale medier angående FSD‑funksjonen. Etaten mener at Teslas budskap kan fremme usikker bruk av systemet og har bedt selskapet om å revurdere sin kommunikasjonsstrategi om FSD‑kapasiteter.

Dette kommer i kjølvannet av en tragisk hendelse der en kvinne ble påkjørt av en Tesla som var i FSD‑modus, noe som reiser spørsmål om systemets evne til å håndtere utfordrende miljøforhold.

NHTSA har gitt Tesla en frist 18. desember for å svare på sine spørsmål angående FSDs “potensielle svikt i ytelse, inkludert å oppdage og reagere hensiktsmessig i spesifikke situasjoner hvor redusert sikt på veien kan begrense FSDs evne til å operere trygt.”

Med en markedsverdi på $1,05 billioner handles Teslas aksjer for tiden til rundt $340, opp 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 %. Gjeld‑til‑egenkapital (MRQ) er 11,01 %.

For 3Q24, selskapet rapporterte $23,35 milliarder i inntekter og et nettoresultat på $2,17 milliarder. Fortjenestemarginene økte med $739 millioner i inntekter fra regulatoriske kreditter for biler som følge av at regulatorer krever at bilprodusenter selger et visst antall lavutslippskjøretøy eller kjøper kreditter fra selskaper som Tesla, som utelukkende bygger slike kjøretøy og dermed har et overskudd av slike kreditter.

I dette kvartalet produserte bilprodusenten 470 000 kjøretøy og leverte 463 000 kjøretøy. Nylig avduket den også en robotaxi og robovan.

Klikk her for å lære alt om Tesla.

Conclusions 

Den enormt voksende verden av autonome kjøretøy peker mot en fremtid med økt mobilitet, redusert trafikkbelastning, mer bekvemmelighet og forbedret sikkerhet.

Mens den globale markedet for autonome kjøretøy anslås å vokse til $13 632,4 milliarder innen slutten av dette tiåret, markedet for programvare for autonom kjøring, som er integrert i AV‑er, er forventet å øke fra $1,8 milliarder i 2024 til $7 milliarder innen 2035.

Den økende etterspørselen etter effektive og trygge transportløsninger er grunnen til veksten i markedet for programvare for autonom kjøring. Etter hvert som AV‑er blir populære og får adopsjon, må bilprodusenter innlemme sikkerhetsteknologier. Her sikrer autopilot‑kjøringsprogramvare kjøretøyets sikkerhet gjennom algoritmer og sanntidsdatabehandling.

Nå, for å realisere fremtiden med fullt autonome kjøretøy, trenger vi mer enn bare teknologisk fremgang. Å vinne passasjertillit er kritisk for å oppnå bred adopsjon. Med løsninger som TimelyTale, som fokuserer på rettidige og relevante forklaringer, kan passasjerenes bekymringer adresseres bedre, og tillit fremmes, og dermed skape en mer menneskesentrert tilnærming til autonom kjøring.

Innovasjoner som disse er viktige for å komme enda nærmere en fremtid hvor selvkjørende kjøretøy er sømløst integrert i vårt daglige liv, og dermed transformerer urban mobilitet.

Klikk her for å lære hvordan autonome taxier vil generere opptil $4 billioner innen 2027.