Främja förtroende för automatiserade körlösningar med TimelyTale

För mer än ett sekel sedan revolutionerade uppfinningen av bilar människors liv, och sektorn förbereder sig nu för sitt nästa stora steg, nämligen autonom körning. I dagens värld, där allt blir smart, varför skulle inte dina bilar vara smarta också? Jo, de är.

Teknologiska framsteg inom fordonssektorn har lett till framväxten av självkörande fordon.

Kombinationen av kraftfull hårdvara och intelligent mjukvara inleder en ny era av självkörande bilar som tar människor till sina destinationer bekvämt och säkert utan att kräva någon mänsklig inblandning.

Detta landskap för autonom körning utvecklas i snabb takt, med antalet levererade automatiserade fordon varje år förväntas växa med en CAGR på 41 % mellan 2024 och 2030.

Den växande integrationen av automatiserade fordon i vårt dagliga liv förväntas att minska trafikstockningar, förbättra tillgänglighet och öka säkerheten. Dessa fordon möjliggör dessutom för förare att ägna sig åt uppgifter som inte är relaterade till körning, såsom att använda telefoner, titta på multimedia, arbeta eller helt enkelt slappna av under färden.

Inte alla automatiserade fordon kan uppnå det, dock. Det finns nivåer för automatiserade fordon, som är följande;

Nivå 0 – På den här nivån finns ingen körautomatisering. Det är helt manuellt kontrollerat. Denna nivå av fordon är det vi mest ser på vägarna.

Nivå 1 – Nu, ett steg högre kommer den lägsta nivån av automatisering, där förarassistans tillhandahålls genom ett enda automatiserat system som styrning eller adaptiv farthållare.

Nivå 2 – Denna delvisa körautomatiseringsnivå är avancerade förarassistanssystem (ADAS). Här kan fordonet kontrollera styrningen och hastigheten, men en människa sitter fortfarande i förarsätet och kan ta kontroll över fordonet när som helst. Vi ser redan denna nivå av fordon omkring oss med Tesla (TSLA ) Autopilot och General Motors‘ (GM ) Cadillac Super Cruise-system.

Nivå 3 – I denna villkorliga automationsnivå har fordonen förmågan att upptäcka sin omgivning och, baserat på det, fatta informerade beslut. Dock måste den mänskliga föraren hålla sig alert och vara redo att ta kontroll om systemet inte kan utföra uppgiften. Framstående exempel på nivå 3 inkluderar Mercedes‑Benz S‑Class, som har funktioner som autonom körning på motorväg och filhållning, samt Honda (HMC ) Legend, som erbjuder hands‑free körning i specifika scenarier.

Nivå 4 – Detta nästa steg tar oss till högautomatiserade fordon, som i de flesta fall inte kräver mänsklig assistans, naturligtvis. Dock har människor fortfarande möjlighet att manuellt åsidosätta. Nivå‑4‑fordon kan köra själva men får lagligt bara göra det i begränsade områden. Dessa fordon är redan under utveckling med Google‘s Waymo One och Baidus Apollo Go.

Nivå 5 – Nu kräver denna nivå inga förare alls. I detta skede når autonoma fordon full körautomatisering, och de är fria från geofencing och kan därför göra allt som en erfaren mänsklig förare kan och köra var som helst. Från Tesla, Amazon (AMZN ), och Honda till Mercedes, testar flera stora biltillverkare världen över helt autonoma bilar. De är dock ännu inte tillgängliga för allmänheten.

Även om det för närvarande är okänt exakt när fullt automatiserade fordon (SAE nivå 5) kommer att få bred adoption, förutspår vissa studier marknadens beredskap i slutet av detta decennium.

Med det är det avgörande att bygga användarförtroende för en framgångsrik utrullning och acceptans av dessa fordon. För närvarande hindrar begränsat passagerarförtroende adoptionen.

Så, för att göra självkörande fordon passagerarvänliga, skrev forskare från Gwangju Institute of Science and Technology (GIST) i Sydkorea ett papper som diskuterar strategier för detta. Detta inkluderar att tillhandahålla förklaringar till passagerare.

Problemet är att dåligt utformade förklaringar kan påverka passagerarupplevelsen negativt. Därför måste förklaringar förmedla information med tillräcklig tydlighet i snabbt föränderliga vägförhållanden.

Tidigare studier har utforskat olika metoder för presentation av förklaringar för att förbättra passagerarupplevelsen samtidigt som de minskar ångest och kognitiv belastning. Dock har den optimala tidpunkten för förklaringar och den faktiska passagerarförfrågan ännu inte utforskats i stor utsträckning, särskilt i verkliga miljöer.

GIST-forskarna undersökte processen att tillhandahålla förklaringar i rätt tid för att förbättra passagerarnas känsla av säkerhet och deras förtroende för automatiserade fordon.

Accelerera antagandet av autonoma fordon

För att hjälpa automatiserade fordon att hålla sitt löfte om att förbättra urban mobilitet, måste passagerarförtroendet uppnås, för vilket tidsenliga, passagerarspecifika förklaringar behöver tillhandahållas för beslut i självkörande fordon.

För att dessa förklaringar ska vara effektiva måste de vara begripliga, informativa och koncisa. Det kommer att främja förtroende bland passagerarna genom att ge dem en ökande känsla av kontroll och minska negativa upplevelser.

Även om förklarlig artificiell intelligens (XAI)-metoder redan finns, är de främst avsedda för utvecklare och regulatorer. Med sitt fokus på högrisksscenarier eller alltför detaljerade förklaringar är de egentligen inte lämpliga för passagerare.

Detta understryker behovet av XAI-modeller som specifikt fokuserar på passagerare, förstår vilken typ av information som krävs och när den behövs i verkliga körsituationer.

En huvudsaklig hinder för att utveckla passagerarcentrerade förklarliga XAI-modeller, noterade studien, är bristen på dataset som tar hänsyn till passagerarkontexter.

Som svar introducerade ett team av GIST-forskare ledda av SeungJun Kim, professor och chef för Human‑Centered Intelligent Systems Lab vid GIST, TimelyTale för att åtgärda bristen på ett passagerarcentrerat tillvägagångssätt med sensor data för tidsenliga och kontextrelevanta förklaringar.

TimelyTale är ett nytt multimodalt dataset utformat för att fånga verkliga körsituationer och erbjuda förklaringar i fordonet för att förbättra passagerarnas förtroende och tillit till automatiserade fordon.

“Vår forskning flyttar fokus för XAI i autonom körning från utvecklare till passagerare. Vi har utvecklat ett tillvägagångssätt för att samla in passagerarnas faktiska efterfrågan på förklaringar i fordonet samt metoder för att generera tidsenliga, situationsrelevanta förklaringar för passagerare.”

– Professor Kim

Studieförfattarna tilldelades ‘Distinguished Paper Award’ för deras studie med titeln ‘What and When to Explain?: On-road Evaluation of Explanations in Highly Automated Vehicles.’

För att börja undersökte forskarna först effekten av olika typer av visuella förklaringar— inklusive uppmärksamhet, perception och en kombination av båda— samt deras timing på passagerarupplevelsen under verkliga körförhållanden, med hjälp av förstärkt verklighet.

Fordonets perceptionsstatus visade sig förbättra förtroende, situationsmedvetenhet och upplevd säkerhet utan att överväldiga passagerarna. Dessutom fann forskarna att sannolikheten för trafikrisk var den mest effektiva faktorn för att avgöra när förklaringar bör levereras, vilket också hjälpte dem att förstå när passagerare känner sig överbelastade med information.

Baserat på dessa fynd utvecklade GSIT-forskare, i samarbete med MIT, TimelyTale-datasetet.

För detta tillvägagångssätt använde forskarna data från den externa miljön (exteroceptiv) såsom ljud och synintryck, proprioceptiv data, som handlar om kroppens positioner och rörelser, samt (interoceptiv) data om passagerarens tillstånd, dvs. deras kroppsliga sensationer som smärta, andning och hjärtfrekvens.

För att samla in all denna data från passagerare använde forskarna en mängd sensorer i naturalistiska körscenario för att förutsäga deras förklaringsbehov. De använda enheterna inkluderade GPS, 3D LiDAR, OBD‑II, IMU:er och stereokameror för exteroceptiv och proprioceptiv data, medan LiDAR‑kamera, djupkamera, termisk avbildning, E4-armband och sätestrycksensorer användes för att fånga interoceptiv data.

Noterbart har forskarna också införlivat konceptet med avbrottsmöjlighet i fordonet för att hitta rätt ögonblick för förklaringar. Avbrottsmöjlighet är skiftet i passagerarens fokus från icke‑körrelaterade uppgifter (NDRTS) till körrelaterad information.

Till skillnad från manuellt körda fordon, där förare inte kan bli distraherade, är passagerare i automatiserade fordon vanligtvis inte engagerade i köruppgifter. Därför finns ett behov av att fastställa ögonblicken för körrelaterad information under NDRTs.

Som ett resultat kan forskarna effektivt identifiera både tidpunkten och frekvensen för passagerarnas efterfrågan på förklaringar. Modellen identifierade också de specifika förklaringar som passagerare vill ha under körsituationer.

Forskarna använde sedan sitt tillvägagångssätt för att utveckla en maskininlärningsmodell (ML) som förutsäger den bästa tidpunkten att erbjuda passageraren en förklaring. De utförde också en stadsomfattande modellering för att generera textbaserade förklaringar baserade på olika körplatser.

Den preliminära analysen, enligt studien, indikerar modellens potential att bestämma tidpunkten för passagerarnas efterfrågan på förklaringar i fordonet. Samtidigt kan datasetet användas för att generera textbaserat förklaringsinnehåll som är relevant för miljömässiga, körrelaterade och passagerarspecifika kontexter.

“Vår forskning lägger grunden för ökad acceptans och adoption av autonoma fordon, vilket potentiellt kan omforma urban transport och personlig mobilitet under de kommande åren.”

– Prof. Kim

Företag som driver fram automatiserade körlösningar

Låt oss nu titta på företag som formar framtiden för automatiserade fordon och också är positionerade för att dra nytta av framstegen inom förklarlig AI.

I AV‑sektorn har General Motors (GM ) utvecklat Cruise för förare‑fria resor medan Ford Motor (F ) gör sitt steg i denna riktning via Escape Hybrid.

Sedan finns NVIDIA (NVDA ), vars DRIVE‑plattform erbjuder en familj av hårdvaru‑ och mjukvaruverktyg för utveckling av autonoma fordon. Amazon (AMZN ) är också intresserat av teknik för autonoma fordon via Zoox, som har börjat testa sina förare‑fria bilar inför lanseringen nästa år. Företag som Uber (UBER ) och Lyft (LYFT ), som har ett samåkningnätverk, kan också dra nytta av framsteg i att främja förtroende och säkerhet i tjänster för självkörande fordon.

Nu är två framstående namn på marknaden för autonoma fordon som du kan finna investeringsvärda:

1. Waymo

I världen för utveckling av autonoma fordon gör Waymo stora framsteg. Detta Alphabet (GOOG ) ‑subsidiär fokuserar på självkörande teknik och passagerarcentrerade funktioner.

Sent i förra månaden, företaget meddelade att de avslutade en översåld investeringsrunda på 5,6 miljarder dollar ledd av moderbolaget Alphabet, med andra deltagare inklusive befintliga investerare och private‑equity‑firmor som Fidelity, Tiger Global, Andreessen Horowitz, Perry Creek, Silver Lake och T. Rowe Price.

Medlen kommer att användas för att expandera deras ride‑hailing‑tjänst “Waymo One” till fler amerikanska städer och förbättra den AI‑drivna “Waymo Driver”. Senast lanserade företaget sina robotaxis i Los Angeles, vilket betyder att vem som helst i staden kan beställa en förare‑fri bil via Waymo One‑appen. Denna robotaxi har redan rullat runt Phoenix i fyra år och har varit i San Francisco sedan förra året. Samtidigt har Waymo i Austin och Atlanta lagt till sina AV‑fordon på Uber‑plattformen, så att kunder kan beställa deras fordon via Uber‑appen.

Google började faktiskt arbeta med självkörande bilar för mer än en och en halv decennium sedan när Waymo bara var ett hemligt projekt. Teknikjättens självkörande bilar har enligt uppgift kört mer än 20 miljoner miles utan några större olyckor.

Det $2,2 biljard stora bolaget har för närvarande aktier som handlas till $180,91, upp 30 % i år. Det har en EPS (TTM) på 7,54, ett P/E (TTM) på 24,09 och en utdelningsavkastning på 0,44 %. För 3Q24, rapporterade nettoförsäljning på $2,93 miljarder och $702 miljoner i kassaflöden från verksamheten.

För Q3 2024 rapporterade Alphabet en omsättning på $88,27 miljarder, en ökning med 15 % år‑över‑år. Dess molnintäkter ökade med 35 % från ett år sedan till rekordhöga $11,35 miljarder detta kvartal, drivet av AI‑erbjudanden.

AI har fått mycket uppmärksamhet bland både användare och företag, med Google som lockar nya kunder, får större avtal och ser ökad adoption tack vare AI. Så naturligtvis fortsätter företaget att “investera i toppmodern infrastruktur” för att stödja sina AI‑insatser.

2. Tesla Inc. (TSLA )

Grundat av Elon Musk är Tesla känt för sina elbilar, som erbjuder Autopilot som en nivå‑2‑automatisering. Autopilot är en standardfunktion på varje ny Tesla, där varje fordon är utrustat med flera kameror och bildbehandling för ett extra säkerhetslager.

Sedan finns Full Self‑Driving (FSD), som lägger till semi‑autonom navigering. Både Autopilot och FSD är avsedda för användning med en fullt uppmärksam förare.

Medan Autopilot inkluderar funktioner som trafikmedveten farthållare och autostyrning, erbjuder FSD (övervakad) ytterligare funktioner, inklusive navigation på autopilot, autostyrning på stadsgator, automatisk filbyte, automatisk parkering, summon och smart summon, trafikstyrning och stoppteckenstyrning.

Tesla‑fordon har också flera aktiva säkerhetsfunktioner som gör att de kan upptäcka bilar eller hinder, varna för förestående kollisioner, varna för sidokollisioner och övervaka döda vinkeln, bland annat, för att assistera förare.

Biltillverkaren står dock för närvarande under granskning av National Highway Traffic Safety Administration (NHTSA), som uttryckte missnöje med Teslas marknadsföringsspråk på sociala medier angående deras FSD‑funktion. Myndigheten anser att Teslas budskap kan främja osäker användning av systemet och har begärt att företaget omprövar sin kommunikationsstrategi kring FSD‑kapaciteter.

Detta kommer i kölvattnet av en tragisk händelse där en kvinna blev påkörd av en Tesla som körde i FSD‑läge, vilket väcker frågor om systemets förmåga att hantera svåra miljöförhållanden.

NHTSA har gett Tesla en deadline den 18 december att svara på sina frågor angående FSD:s “potentiella misslyckande att fungera, inklusive att upptäcka och reagera på lämpligt sätt i specifika situationer där minskad vägsyn kan begränsa FSD:s förmåga att säkert operera”.

Med ett börsvärde på $1,05 biljard handlas Teslas aktier för närvarande runt $340, upp 32,2 % år‑till‑datum (YTD). Det har en EPS (TTM) på 3,65, ett P/E (TTM) på 90,07 och en ROE (TTM) på 20,65 %. Dess skuldsättningsgrad (Debt To Equity) (MRQ) är 11,01 %.

För 3Q24, företaget rapporterade $23,35 miljarder i intäkter och en nettovinst på $2,17 miljarder. Vinstmarginalerna ökade med $739 miljoner i intäkter från regulatoriska bilkrediter som ett resultat av att regulatorer kräver att biltillverkare säljer ett visst antal lågemissionsfordon eller köper krediter från företag som Tesla, som uteslutande bygger sådana fordon och därmed har ett överskott av dessa krediter.

Under detta kvartal tillverkade biltillverkaren 470 000 fordon och levererade 463 000 fordon. Nyligen presenterade de också en robotaxi och robovan.

Klicka här för att lära dig allt om Tesla.

Slutsatser

Den snabbt växande världen av autonoma fordon pekar mot en framtid med ökad mobilitet, minskad trafikstockning, större bekvämlighet och förbättrad säkerhet.

Medan den globala marknaden för autonoma fordon förväntas växa till $13 632,4 miljarder i slutet av detta decennium, är marknaden för mjukvara för autonom körning, som är integrerad i AV, förväntas öka från $1,8 miljarder år 2024 till $7 miljarder år 2035.

Den växande efterfrågan på effektiva och säkra transportlösningar är orsaken bakom tillväxten av marknaden för mjukvara för autonom körning. Allt eftersom AV‑fordon gradvis blir populära och får bred adoption, måste biltillverkare integrera säkerhetsteknik. Här säkerställer autopilot‑körprogramvara fordonssäkerhet genom algoritmer och realtidsdatabehandling.

För att förverkliga framtiden med helt autonoma fordon kommer vi att behöva mer än bara teknologiska framsteg. Att vinna passagerarnas förtroende är avgörande för att uppnå bred adoption. Med lösningar som TimelyTale, som fokuserar på tidsenliga och relevanta förklaringar, kan passagerarnas bekymmer hanteras bättre och förtroendet främjas, vilket skapar ett mer mänskligt centrerat tillvägagångssätt för autonom körning.

Innovationer som dessa är viktiga för att föra oss mycket närmare en framtid där självkörande fordon är sömlöst integrerade i våra dagliga liv, vilket i sin tur omvandlar urban mobilitet.

Klicka här för att lära dig hur autonoma taxibilar kommer att generera upp till $4 biljarder år 2027.