This thesis is focused on developing vibration based terrain classification for an autonomous mining truck. The goal is to classify between good and bad gravel roads as well as good and bad asphalt roads. Current literature within vibration based terrain classification has been focused to a great extent on smaller research vehicles. On smaller research vehicles have roll-rate, pitch-rate and vertical acceleration been reported to yield the highest average classification rates. Common approaches for pre-processing the data consists of segmenting the data, apply filtering techniques, computing the Power Spectra Density (PSD), performing Principal Component Analysis (PCA) and compute the logarithms. How to do this specifically for an Autonomous Truck (AT) is not trivial. What signals from the trucks Internal Measurement Unit (IMU)s yields the highest average classification rates? How does one process the raw data in the best way, and what classification method performs the best for this for an AT? The AT studied here have five different IMUs that all measure ẍ, ÿ, z̈ acceleration, and ωroll, ωpitch, ωyaw rotational speed. One is located in the cab, and the other four are located in each of the four corners of the chassis. With these sensors empirical vibration data from different surfaces, speeds and loads was gathered with multiple identically equipped autonomous mining trucks. With this data were experiments conducted in order to find a high performing classifier that also was possible to implement in the ATs software in C++. The different signals were ranked according to the highest classification score, and different pre-processing parameters combined with different classification methods likewise were. ωyaw and ωpitch from the cab IMU, and z̈ from the rear right IMU were the ones that yielded the highest average classification rates. The pre-processing consists of segmenting the data, multiplying the segment with a window function, compute the one-sided PSD, logarithmize the PSD values and lastly normalize the data. A bagged classifier based on Support Vector Machine (SVM) with a Radial Basis Function (RBF) kernel showed the highest classification performance. The final multiclass classifier was a combination of three of these bagged classifiers in a tree structure. The F-measure rates for the four classes were {0.946, 0.98, 0.714, 0.879}. / Denna uppsats är fokuserad på att utveckla en vibrationsbaserad terrängigenkänningsalgoritm för en automatiserad tung lastbil som kommer att framföras i ojämn terräng, som ska klara av att känna igen bra och dåliga grusvägar, samt bra och dåliga asfaltsvägar. Befintlig litteratur inom området vibrationsbaserad terrängigenkänning har varit fokuserad i stor utsträckning på mindre forskningsfordon. På dessa är {ωrull, ωstigning, z̈} de signaler som resulterar i de högsta genomsnittliga korrekta terrängklassifikationerna. Befintliga förbearbetningmetoder för datan består i majoriteten av fallen av att segmentera och filtrera datan, beräkna spektrala effekttätheten (PSD) och logaritmera. Hur man gör detta är inte trivialt. Vilka signaler från lastbilens fem IMUer resulterar i det högsta prestandan för terrängigenkänning? Hur förarbetar man datan? Lastbilen studerad här har fem IMUer som har sex kanaler vardera, de mäter ẍ, ÿ, z̈ acceleration, och ωrull, ωstigning, ωgir rotationshastighet. En är placerad i lastbilens hytt och de andra fyra är placerade i varje hörn på chassit. Med dessa sensorer samlades vibrationsdata in på de fyra underlagen, med olika lastbilar, med olika last på flaket och med olika autonoma lastbilar, men som var konfigurerade på samma sätt. Experiment utfördes för att bestämma vilka signaler-, vilken förbearbetningsmetod på datan- samt vilken klassifieringsmetod som presterar bäst för den automatiserade lastbilen. Algoritmen var också anpassad för att vara möjlig att implementera i lastbilens mjukvara utan externa maskininlärnings bibliotek. De högst presterande signalerna var ωgir och ωstigning från IMUn i hytten, samt z̈ från IMUn monterad i chassits bakre högra hörn. Förbearbetningen bestod av att segmentera datasignalen, multiplicera den med en fönsterfunktion för att sedan beräkna den ensidiga spektrala effekttätheten (PSD), logaritmera alla värden och till slut normalisera datan. En stödvektormaskin (SVM) med en RBF kärna påvisade högst genomsnittliga klassifikationsresultat. Den slutgiltiga binära klassifieraren applicerade bagging för att förbättra prestandan genom att kombinera data från alla de tre högst presterande signalerna. Den slutgiltiga klassifieraren tränades på att skilja mellan de olika underlagen och var en kombination av tre bagged klassifierare i en trädstruktur. Prestandan med avseende på F-Measure för de fyra klasserna var {0.946, 0.98, 0.714, 0.879}.

Den snabba utvecklingen av autonomi och fjärrstyrning för obemannade enheter har lett till ett behov inom militären att utforska samspelet mellan användare och olika obemannade enheter, för att kartlägga behov för framtida gränssnitt. Det finns ett tydligt behov av alternativa gränssnitt till de handhållna styrdon som används i dagsläget, då dessa har visat sig ha begränsningar gällande situationsmedvetenhet och kognitiv förmåga hos operatören - något som är särskilt viktigt i högrisksituationer. Det finns vidare belägg för att ett armburet styrdon har potential att möta dessa behov hos framtida gränssnitt. Denna studie undersöker därför möjliga utformningar för ett armburet gränssnitt, och utreder hur väl konceptuella utformningar passar det specifika användningsområdet avsutten spaning i högrisksituation för markförband. Genomgående är fokus att genom en iterativt och användarcentrerad studie kartlägga och precisera behov samt generera konceptuella prototyper utifrån detta. Inledningsvis görs en litteraturstudie, vars resultat sammanställs i ett antal designprinciper för utformning av gränssnitt för obemannade fordon inom militära sammanhang. Principerna används vidare i idé- och konceptgenereringen samt vid framtagandet av lofi-prototyper. Lofi-prototyperna som visualiserar olika koncept för armburna gränssnitt utvärderas därefter i ett användartest med fokusdiskussioner. Detta är den första av två iterationer i användarstudien. Vidare utvecklas ett slutgiltigt helhetskoncept, vilket utvärderas i det andra användartestet. Fokus i studien har vid det här laget riktat in sig specifikt mot användningsområdet avsutten spaning i högrisksituationer för markförband, och utvärderar genom storytelling hur väl ett armburet gränssnitt passar användningsområdet. Resultaten från det första användartestet visar att ett armburet gränssnitt bör utformas som ett komplement till ett huvudstyrdon, samt att det är viktigt att det utformas utifrån soldatnas utrustning och miljö genom att vara litet, lätt och tåligt. Vidare visar resultatet att gränssnittet bör fokusera på mottagandet av information framför att skicka information, och att det bör utformas i syfte att ge användaren snabba, kortfattade notiser om viktig information som enkelt läses av på armen utan att soldaten behöver avbryta sina arbetsuppgifter eller lägga ned sitt vapen. Fysiska knappar, ljusdisciplin samt vibrationer som återkoppling är andra aspekter som resultatet visar är intressanta att undersöka vidare. Resultatet från första iterationen används för att utveckla ett slutgiltigt slutkoncept till det andra användartestet, vilken gestaltas i en prototyp i lera som visualiserar storleken på gränssnittet, likt en smartklocka, och ett antal fysiska knappar. Genom storytelling där deltagarna får ha på sig prototypen på armen och leva sig in i ett realistiskt scenario utvärderas hur väl denna typ av gränssnitt passar användaren och användningsområdet. Resultatet från det andra användartestet visar att ett litet, smidigt gränssnitt på armen som ger snabb, kortfattad information är fördelaktigt i högrisksituationer och spaningssituationer där man behöver gömma sig eller agera dolt. Gränssnittet behöver därmed inte kunna ge detaljerad information och ha avancerad interaktion, utan bör istället fungera i syfte att på ett tyst och snabbt sätt ge en varning genom exempelvis en vibration eller en symbol på skärmen. Således kan användaren få snabba, direkta alert-notiser som signalerar nivån av fara – vilket är efterfrågat i just högrisksituationer – innan man genom exempelvis radiokommunikation kan få mer detaljerad information om faran. Ett annat viktigt resultat från användarstudien är att gränssnittet inte enbart bör fokusera på information från och interaktion med obemannade enheter, utan även interaktion med människor. Det kan exempelvis vara genom att få information från en plutonchef, och kunna bekräfta mottagandet av informationen och eventuellt även kunna svara med korta, förutbestämda textmeddelanden. Detta tillsammans med resultatet om att gränssnittet bör fokusera på mottagande av information gör att studiens fokus ändras från det initiala: interaktion med obemannade enheter, till att istället fokusera på mottagande av information från andra soldater, chefer samt obemannade system. Slutsatser som dras är att gränssnittet bör vara utformat som ett litet, smidigt kompletterande gränssnitt på armen, som ger användaren snabba, direkta notiser med kortfattad information som exempelvis signalerar fara, för att det ska passa användningsområdet. Vidare dras slutsatsen att mängden funktioner som är autonoma i systemet påverkar både utformningen och situationsmedvetenhet, och att detta är ett komplext och till viss del motsägande område att undersöka vidare. Framtida studier anses således kunna beröra områden såsom hur mycket autonomi som är eftersträvansvärt samt hur haptisk återkoppling kan användas i högrisksituationer. / The rapid development of autonomy and remote control within unmanned vehicles has led to a need within the military to explore the interaction between users and various unmanned units, in order to map needs for future interfaces. There is a need for alternative interfaces to the hand-held control devices that are used today, as these have been shown to have limitations regarding situation awareness and cognitive workload of the operator – something that is particularly important in high-risk situations. There is further evidence that an arm mounted controller has the potential to meet these needs of future interfaces. This study therefore examines possible designs for an arm mounted interface and investigates how well conceptual designs fit the specific area of use; high-risk dismounted reconnaissance for ground units. Throughout, the focus is to map and specify needs through an iterative and user centered study and generate conceptual prototypes based on this. Initially, a literature study is carried out, the results of which are compiled into several design principles for the design of interfaces for unmanned vehicles in military contexts. The design principles are further used in idea and concept generation as well as in the development of lofi prototypes. The lofi prototypes that visualize different concepts for an arm mounted interface are then evaluated in a user test with focus discussions. This is the first of two iterations of the user study. Furthermore, a final overall concept is developed, which is evaluated in the second user test. At this point, the focus of the study has been directed specifically at the area of use for scouting in high risk situations for ground units and evaluates through storytelling how well an arm mounted interface fits the area of use. The results from the first user test show above all that an arm mounted interface should be designed as a complement to a main control unit, and that it is important that it is designed based on the soldiers' equipment and environment by being small, light and durable. Furthermore, the results show that the interface should focus on receiving rather than sending information, and that it should be designed to provide the user with quick, concise notices of important information that are easily read on the arm without the soldier having to interrupt his duties or put down his weapon. Physical buttons, light discipline and vibrations as feedback are other aspects that the results show is interesting to investigate further. The result from this first iteration is used to develop a final concept for the second user test, which is embodied in a prototype in clay that visualizes the size of the interface, like a smart watch, and several physical buttons. Through storytelling where the participants get to wear the prototype on their arm and experience a realistic scenario, it is evaluated how well this type of interface suits the user and the area of use. The results from the second user test show that a small, flexible interface on the arm that provides quick, concise information is beneficial in high-risk situations and reconnaissance situations where you need to hide or act covertly. The interface therefore does not need to be able to provide detailed information and have advanced interaction but should instead function with the aim of quietly and quickly giving a warning through, for example, a vibration or a symbol on the screen. Thus, the user can receive quick, direct alert notices that signal the level of danger – which is in demand in high-risk situations in particular – before, for example, radio communication can provide more detailed information about the danger. Another important result of the user study is that the interface should not only focus on information from and interaction with unmanned devices, but also interaction with people. This can be, for example, by receiving information from the command group or a platoon leader and being able to confirm receipt of the information and possibly also be able to respond with short, predetermined text messages. This together with the result that the interface should focus on receiving information causes the focus of the study to change from the initial: interaction with unmanned units, to instead focus on receiving information from other soldiers, managers, and unmanned systems. Conclusions drawn are that the interface should be designed as a small, flexible supplementary interface on the arm, which provides the user with quick, direct notifications with concise information such as signaling danger, in order for it to fit the area of use. Furthermore, it is concluded that the number of functions that are autonomous in the system affects both the design and situational awareness, and that this is a complex and somewhat contradictory area to investigate further. Future studies are thus considered to be able to touch on areas such as how much autonomy is desirable and how haptic feedback can be used in high-risk situations.

There are many potential benefits to reap from driverless trucks in the industry of freight transport. However, there are concerns about the uptime of these vehicles, and the concept of a control tower — that monitors and supports the decision-making of driverless trucks — has been suggested to address those concerns. This thesis aims to explore the interface between a human control tower operator and fleets of driverless trucks through the design and development of such an interface. It is suggested what information and features ought to be included in the interface but more importantly, three aspects of a conceptual framework for further development of the interface are proposed: 1) The main tasks for the control tower. 2) The two key operator roles. 3) A broadened view of the control tower concept. / Det finns många potentiella fördelar i förarlösa lastbilar inom godstransportbranschen. Det finns emellertid även en särskild angelägenhet kring uptime för dessa fordon, därav har ett kontrolltornskoncept — som övervakar och stöttar beslutsfattandet av förarlösa lastbilar — föreslagits som ett sätt att tillgodose denna angelägenhet. Den här uppsatsen ämnar att utforska gränssnittet mellan en mänsklig kontrolltornoperatör och fordonsflottor genom att designa och utveckla ett sådant gränssnitt. Det föreslås vilken information och vilka funktioner som borde inkluderas i gränssnittet men framförallt proponeras tre aspekter av ett konceptuellt ramverk för vidareutveckling av gränssnittet: 1) Huvuduppgifterna för kontrolltornet. 2) De två huvudsakliga operatörsrollerna. 3) En vidare tolkning av kontrolltornskonceptet.

Autonomous vehicles perceive their environment based on several sensors that are onboard the vehicle. These sensors constantly monitor the vehicle’s movement as well as the environment. There is a wide variety of sensors that can be utilized based on the type of data it provides, accuracy and cost. While not all of them are required, some combination of sensors is required to have a functional and reliable autonomous vehicle. For a robust autonomous vehicle, typically, the sensor quality and accuracy need to be high. Having high-quality sensors drives up the procurement costs and computational requirements, which in turn increases the vehicle cost for manufacturers and customers alike. One way to reduce costs is to limit the number of sensors. However, this also limits the vehicle’s sensing capability and range. A vehicle’s sensing capability and range can be improved with the use of off-board sensors, such as an external camera, placed strategically at crucial points on the road, such as in intersections. These off-board sensors can be connected to an autonomous vehicle over the internet using low-latency communication technologies such as 5G. The problem that this work tried to tackle was how to improve the reliability of an autonomous vehicle while limiting the need for many expensive sensors. It aims to show how a camera placed off-board can be used to complement one or more vehicles’ onboard sensors and achieve an extension of the vehicle’s operational design domain, while relaxing constraints on the onboard sensors. This was investigated by building a physical prototype using a 1/5th scaled car with a Lidar and an Inertial Measurement Unit and extending its sensing capability and range with the use of a camera based off-board sensor. The car was robust enough to navigate and make driving decisions. This also meant that the costs of procuring the hardware needed can be reduced. The minimum distance for a lane merging scenario was first derived mathematically and then compared to experimental data. The experimental findings were consistent with the mathematical model within an 11 percent margin of error. / Autonoma fordon uppfattar dess omgivning baserat på flera sensorer som är ombord fordonet. Dessa sensorer mäter konstant fordonets rörelse och omgivning. Ther finns en stor variation av sensorer som kan användas baserat på vad för typ av data som mäts, dess precision och kostnad. Alla sensorer är inte nödvändiga men någon kombination av sensorer krävs för att ha ett funktionellt och tillförlitligt autonomt fordon. För ett robust autonomt fordon brukar sensorers kvalite och precision vara hög. Att använda sig av hög kvalité på sensorer driver upp anskaffningsvärde samt höjer mängden datorberäkningar. Detta i sin tur höjer kostnaden för biltillverkare och kunder. Ett sätt att minska kostnaden är att minska antalet sensorer. Dock så minskar detta även fordonets möjlighet till att uppfatta omgivningen samt sensorers utsträckning. Ett fordons uppfattnings kapabilitet och utsträckning kan förbättras genom att använda sig av externa sensorer, såsom en extern kamera placerad vid en strategisk position i trafiken, såsom i en korsning. Dessa externa sensorer kan vara uppkopplade till ett autonomt fordon över internet genom att använda sig av kommunikations teknologier med låg latens såsom 5G. Det problem som adresseras i detta arbete är hur man kan förbättra pålitligheten för ett autonomt fordon när antalet dyra sensorer är begränsat. Målet är att påvisa hur en extern sensor, i form av en kamera, kan användas som ett komplement till en eller flera sensorer ombord fordonet och därmed förlänga fordonets användningsområde medans kraven på fordonets sensorer blir mindre. Detta undersöktes genom att bygga en fysisk prototyp med en skala på 1 till 5 för en bil. Denna bil hade Lidar och en tröghetssensor och den kamerabaserade externa sensorn förlänger fordonets uppfattning av omgivningen. Bilen var robust nog för att kunna navigera och göra körningsbeslut. Detta betydde att anskaffningsvärdet för nödvändig hårdvara var lägre. Det minsta avståndet för ett experiment av sammanfogning av två körfält räknades först ut matematiskt och jämfördes sedan med experimentell data. Resultatet från experimentet visade sig vara överens med den matematiska modellen med en felmarginal på 11 procent.

Vehicles losing their GPS signal is a considerable issue for autonomous vehicles and can be a danger to people in their vicinity. To circumvent this issue, a particle filter localization technique using pre-generated offline Open Street Map (OSM) maps was investigated in a software simulation of Scania’s heavy-duty trucks. The localization technique runs in real-time and provides a way to localize the vehicle safely if the starting position is known. Access to global localization was limited, and the particle filter still succeeded in localizing the vehicle in the vicinity of the correct road segment by creating a graph of the map information and matching the trajectory to the vehicle’s sensor data. The mean error of the Particle filter localization technique in optimal conditions is 16m, which is 20% less than an optimally tuned dead reckoning solution. The mean error is about 50% larger compared to a Global Positioning System. The final product shows potential for expansion but requires more investigation to allow for real-world deployment. / Att fordon kan mista sin GPS-signal är ett stort problem för autonoma fordon och kan vara en fara för människor i dess närhet. För att undvika detta problem föreslås en icke-global lokaliseringsteknik som använder Open Street Maps-kartor (OSM) och ett partikelfilter för att lokalisera fordonet i en mjukvarusimulation. Implementering körs i realtid och anger fordonets position med en tillräcklig träffsäkerhet för att det inte ska utgöra någon fara om dess startposition är känd. Globala lokaliseringsmöjligheter var begränsade, och partikelfiltret lyckades lokalisera fordonet till rätt vägsegment genom att konstruera en graf över den kartinformation den läst in och para ihop fordonets nuvarande färdväg med denna. Resultatet ger en lösning som optimalt har ett medelfel på 16m, vilket är 20% mindre än medelfelet jämfört med optimiserad dödräkning. Lösningen har ca 50% större medelfel än positionering med GPS. Slutresultatet visar en potential att användas i verkliga situationer, men kräver mer undersökningar.

The transport industry is experiencing a disruption as fully autonomous vehicles are introduced in traffic. The intelligent, driverless vehicles will reduce cost, liberate human effort and increase safety. Today, the hardware technology seems to have reached the required processing power, but the decision-making algorithm still has a long way to go until they’re proven to be road-safe. Among these is the problem of lateral path tracking control. This thesis will consider the lateral control problem with the goal to send the right signal to the steering actuators so that the vehicle follows a predetermined trajectory. The vehicle in question is a triaxial, rigid, electric truck with active steering on both front and rearmost wheels. With servo latency and large inertial parameters in mind, a highly accurate model of the lateral and yaw behavior must be identified in order to predict the vehicle dynamics for a given steering input. Then, the properties of an optimal lateral controller are iteratively improved until a sufficiently low tracking error is obtained. Lastly, the controller is tuned to guarantee robustness for a range of uncertain vehicle parameters. The derived triaxial model with servo actuation is proven to be better at predicting the vehicle dynamics compared to other models common in literature with only one active steering input. When constructing a lateral controller, the importance was shown of considering 1) state feedback control of the lateral error, 2) feedforward control operating on future road curvature, 3) integrating control which combats biases and model errors, 4) using a tailored triaxial model and 5) minimizing the control signal change. Lastly, the derived controller was shown to have a decent stability margin with respect to estimated uncertainties. / Transportbranschen är i ett skifte då helt autonoma fordon införs i trafiken. De intelligenta, förarlösa fordonen minskar kostnader, ökar säkerheten och låter oss människor syssla med annat. Idag verkar det som att hårdvarutekniken har den processorkraft som behövs men de beslutsfattande algoritmerna har fortfarande en lång väg att gå tills de har visat sig vara helt vägsäkra. Bland dessa är problemet med lateral styrningskontroll som kommer ses över i denna avhandling. Fordonet i fråga är en rigid lastbil med tre hjulaxlar och aktiv styrning på både de främre och bakersta hjulen. Med tanke på servofördröjningar och de stora tröghetsparametrarna måste en noggrann modell av dynamiken identifieras för att förutspå responsen för en viss styrvinkel. Därefter utvecklas en optimal lågnivåregulator iterativt tills ett tillräckligt lågt spårningsfel erhållits. Slutligen ställs regulatorn in för att garantera robusthet för ett set av osäkra fordonsparametrar Den härledda triaxialmodellen med servostyrning var bevisbart bättre på att förutspå fordonsdynamiken jämfört med andra modeller som återkommer frekvent i litteraturen. Vid regulatorkonstruktionen påvisades vikten av att överväga 1) återkoppling av laterala felet, 2) förhandsgranskning som tittar på den kommande vägkrökningen, 3) integrering av styrfelet som åtgärdar modellfel, 4) en skräddarsydd fordonsmodell med tre axlar och 5) minimering av ändringen utav kontrollsignalen. Slutligen visades den härledda regulatorn ha en skaplig stabilitetsmarginal gentemot uppskattade osäkerheter av parametrar.

Autonomous driving technology is continuously evolving at an accelerated pace. The road environment is always uncertain, which requires an evasive manoeuvre that an autonomous vehicle can take. This evasive behaviour to avoid accidents in a critical situation is analogous to autonomous racing that operates at the limits of stable vehicle handling. In autonomous racing, the vehicle must operate in highly nonlinear operating conditions such as high-speed manoeuvre on sharp turns, avoiding obstacles and slippery road conditions. These dynamically changing racing situations require advanced path planning systems with obstacle avoidance executed in real-time. Therefore, the motion planning problem for autonomous racing is analogous to safe and reliable autonomous vehicle operation in critical situations. This thesis project evaluates the application of traction adaptive motion planning to autonomous racing on different road surfaces for a small-scale test vehicle in real-time. The evaluation is based on a state-of-the-art algorithm that uses a combination of optimization, trajectory rollout, and constraint adaption framework called "Sampling Augmented Real-Time Iteration (SAARTI)". SAARTI allows motion planning and control with respect to time-varying vehicle actuation capabilities while taking locally adaptive traction into account for different parts of the track as a constraint. Initially, the SAARTI framework is adapted to work with the SmallVehicles-for-Autonomy (SVEA) system; then, the whole system is simulated in a ROS (Robot Operating System) based SVEA simulator with a Hardware-in-the-loop setup. Later, the same setup is used for the real time experiments that are carried out using the SVEA vehicles, and the different critical scenarios are tested on the SVEA vehicle. The emphasis was given to the experimental results; therefore, the results also consider computationally intensive localization inputs while the motion planner was implemented in real-time instead of a simulation setup. The experimental results showed the impact of planning motions according to an approximately correct friction estimate when the friction parameter was close to the actual value. The results indicated that the traction variation had indeed affected the lap time and trajectory taken by the test vehicle. The lap time is affected significantly when the coefficient of friction value is far away from the real friction coefficient. It is observed that the lap time increased significantly at higher values of friction coefficient, when involving more excessive over-estimation of the traction, leading to the oscillatory motion and lane exits. Furthermore, the non-adaptive case scenario result shows that the test vehicle performed better when given friction parameter inputs to the algorithm approximately equal to the real friction value. / Teknik för autonom körning har utvecklats i snabb takt de senaste åren. Trafikmiljön innehåller många källor till osäkerhet, vilket ibland kräver undanmanövrar av det autonoma fordonet. Undanmanövrar i kritiska situationer är analoga med autonom racing i det avseendet att fordonet opererar nära gränsen av dess fysiska förmåga. I autonom racing måste fordonet fungera i hög grad olinjära driftsförhållanden som höghastighetsmanöver i skarpa svängar, undvika hinder och halt väglag. Dessa dynamiska föränderliga racingsituationer kräver avancerad vägplaneringssystem med undvikande av hinder exekveras i realtid. Därför är rörelseplaneringsproblemet för autonom racing är analogt med det för säkra undanmanövrer i kritiska situationer. Detta examensarbete utvärderar tillämpningen av dragkraft adaptiv till autonom racing på olika väglag för ett småskaligt testfordon i realtid. Utvärderingen baseras på en algoritm som kallas "Sampling Augmented Real Time Iteration (SAARTI)" som tillåter rörelse planering och kontroll med avseende på tidsvarierande fordonsdynamik, på så vis tar algoritmen hänsyn till lokalt varierande väglag. Arbetet började med att integrera SAARTI-ramverket med testplattformen Small-Vehicles-for-Autonomy (SVEA). Därefter utfördes hardware-in-the-loop simuleringar i ROS (Robot Operating System), och därefter utfördes fysiska tester med SVEA plattformen. Under experimenten kördes SAARTI-algoritmen parallellt med en beräkningsintensiv SLAM-algoritm för lokalisering. De experimentella resultaten visade att adaptiv rörelseplanering kan avhjälpa problemet med lokalt varierande väglag, givet att den uppskattade friktionsparametern är approximativt korrekt. Varvtiden påverkas negativt när friktionsskattningen avviker från den verkliga friktionskoefficienten. Vidare observerades att varvtiden ökade vid höga värden på den skattade friktionsparametern, vilket gav upphov till mer aggressiva manövrer, vilket i sin tur gav upphov till oscillerande rörelser och avåkningar.

To monitor and control maritime autonomous surface ships in a land­based remote operations centre leads to several advantages compared to today when a whole crew is needed on board. For example, less humans would be required to control the same amount of ships, less personnel would be required to live or stay on the ship for a longtime and risk being injured or die in accidents or storms. To facilitate and ease a remote operators work, a risk contour could be a valuable tool and utility. A risk contour is a visual tool on the user interface used by the remote operator and illustrates an area around the ship. When a risk contour collides with another objector another risk contour, a warning notifies the operator of a dangerous situation. In case the operator has multiple monitors, the warning informs the operator to focus on the concerned monitor and Maritime Autonomous Surface Ship (MASS). In this project, risk contours have been researched through a background study, literature study and a case study. In the case study the risk contours were tested in a simulation environment by experienced test persons in the field. The test data was analysed and the opinion of the testers were gathered through simulations and reviewed with questions. The data from the testing showed that the risk contour affected the tester by increasing their risk awareness by increasing distances to other objects or ships and made them act earlier in riskful situations. The feedback from the simulation and the interviews regarding the proposed risk contour was overwhelmingly positive. Understanding the risk contour and the changed risk contour in the different scenarios were highly rated on scales from the participants. The conclusions from the thesis were that wind and currents are the two most relevant factors when studying environmental factors affecting the position of a MASS. The conclusion about which mechanical system was the most relevant, and will affect the risk contour the most when the system has reduced function, was concluded to be the rudder. The study shows that the risk contour for the MASS should be directed towards the relative course over ground when affected by wind and currents. The study also shows that the risk contour should remain the same but be extended when the vesselis affected by reduced manoeuvring ability. Lastly, conclusions about the results from the case study, were that the risk contour both is useful and helpful for the participants. / Att övervaka marina autonoma ytfartyg i en landbaserad fjärroperationcentral och kontrollera dem medför många fördelar i stället för att som idag behöva en hel besättning ombord. Att ha en operatör som övervakar flera fartyg medför många fördelar. Till exempel skulle, färre antal personer krävas för att styra samma antal fartyg samt färre personal vara tvungna att bo på fartyget i långa perioder och riskera att skadas eller avlida i olyckor eller oväder. För att underlätta och stödja övervakning av autonoma ytfartyg kan en risk­-kontur vara ett verktyg och hjälpmedel. En risk-­kontur är ett visuellt verktyg för fjärroperatören och illustrerar ett område runt omkring skeppet. När en risk­kontur kolliderar med ett annat föremål eller en annan risk­kontur, varnas operatören. Om operatören har flera monitorer, ger varningen en indikation om vilken monitor som operatören bör fokusera på. I detta projekt har risk­-konturer undersökts genom en bakgrunds-­, en litteratur-och en fallstudie. Fallstudien bestod av intervjuer med ett antal experter som därutöver fick agera testpersoner i en simuleringsmiljö med risk-konturer. Datan ifråntestningen visade att risk­konturen påverkade testoperatören genom att öka deras riskmedvetenhet och öka avstånd till andra skepp samt agera tidigare i riskfyllda situationer. Feedbacken från simuleringen och den föreslagna formen på risk-­konturen var överväldigande positiv. Risk­-konturen var lätt att förstå och den förändrade risk-konturen i olika scenarier fick högt betyg från deltagarna. Slutsatserna blev att vind och strömmar är de två mest relevanta faktorer när man studerar miljöfaktorer som påverkar positionen för ett marint autonomt ytfartyg direkt. Slutsatsen om vilket mekaniskt system som är det mest relevanta och därför kommer att påverka risk­konturen mest när systemet har reducerad förmåga visade sig vara roder­systemet. Studien visar att risk­-konturen för fartyget bör vara i riktning med den relativa kursen över grund när fartyget påverkas av vind och strömmar. Dessutom visar studien att risk­-konturen ska förbli samma form men förlängas när fartyget påverkas av reducerad manövreringsförmåga. Slutligen var slutsatserna om resultaten från fallstudien att risk­konturen både är användbar och till hjälp för deltagarna.

Autonomous navigation has the opportunity to make roads safer and help perform search and rescue missions by reducing human error. Odometry methods are essential to allow for autonomous navigation because they estimate how the robot will move based on the available sensors. This thesis aims to compare and evaluate the Cubature Kalman filter (CKF) based approach for visual-inertial odometry (VIO) to traditional Extended Kalman Filter (EKF) based methods on criteria such as the accuracy of the results. VIO methods use camera and IMU sensor for the predictions. The Multi-State-Constraint Kalman filter (MSCKF) was utilized as the foundation VIO approach to evaluate the underlying filter between EKF and CKF while maintaining the background conditions like visual tracking pipeline, IMU model, and measurement model constant. Evaluation metrics of absolute trajectory error (ATE) and relative error (RE) was used after tuning the filters on EuRoC and KAIST datasets. It is shown that, based on the existing implementation, the filters have no statistically significant difference in performance when predicting motion estimates, despite the fact that the absolute trajectory error of position for EKF estimation is lower. It is further shown that as the length of the trajectory increases, the estimation error for both filters rises unboundedly. Under the visual inertial framework of MSCKF, the CKF filter, which does not linearize the system, works equally as well as the well-established EKF filter and has the potential to perform better with more accurate nonlinear system and measurement models. / Autonom navigering har möjlighet att göra vägar säkrare och hjälpa till att utföra räddningsuppdrag genom att minska mänskliga fel. Odometrimetoder är viktiga för att möjliggöra autonom navigering eftersom de skattar hur roboten rör sig baserat på tillgängliga sensorer. Detta examensarbete syftar till att utvärdera Cubature Kalman filter (CKF) för visuell tröghetsodometri (VIO) och jämföra med traditionella Extended Kalman Filter (EKF) gällande bland annat noggrannhet. VIO-metoder använder kamera och IMU-sensor för skattningarna. MultiState Constraint Kalmanfiltret (MSCKF) användes som grund VIO-metoden för att utvärdera filteralgoritmerna EKF och CKF, samtidigt som de VIO-specifika delarna så som IMU-modell och mätmodell kunde förbli desamma. Utvärderingen gjordes baserat på absolut banfel (ATE) och relativa fel (RE) på EuRoC- och KAIST-datauppsättningar. Det visas att, baserat på den befintliga implementeringen, har filtren ingen statistiskt signifikant skillnad i prestanda när de förutsäger rörelsen, trots att det absoluta banafelet för positionen för EKF-uppskattning är lägre. Det visas vidare att när längden på banan ökar, ökar uppskattningsfelet för båda filtren obegränsat. Under MSCKFs visuella tröghetsramverk fungerar CKF-filtret, som inte linjäriserar systemet, lika bra som det väletablerade EKF-filtret och har potential att prestera bättre med mer exakta olinjära system och mätmodeller.

Detta examensarbete undersöker hur artificiell intelligens (AI) och maskininlärning (ML) har förbättrat innovationsprocesser inom bilindustrin, med särskilt fokus på ett företag som är aktiva inom detta område. Genom en kombination av teoretisk forskning och empiriska intervjuer med anställda på företaget har det identifierats att AI och ML är kraftfulla verktyg för att driva teknologisk innovation, optimera interna processer och främja en kultur av kontinuerligt lärande och samarbete. Företaget som undersöks i denna fallstudie använder AI för att utveckla avancerade förarassistanssystem och autonoma körteknologier, vilket resulterar i säkrare och mer effektiva självkörande bilar. Dessutom optimerar AI interna processer som prestandaövervakning och intern kommunikation, vilket förbättrar effektiviteten och responsiviteten inom organisationen. Företagskulturen på företaget har påverkats positivt av AI, med en betoning på ständigt lärande och kunskapsdelning. Medarbetarna uppmuntras att kontinuerligt uppdatera sina kunskaper och färdigheter för att hålla jämna steg med teknologiska framsteg, vilket skapar en dynamisk och adaptiv arbetsmiljö. Dock möter företaget även utmaningar, inklusive höga kostnader för hårdvara och beräkningskraft, behovet av att säkerställa hög datakvalitet och att hantera komplexa juridiska och etiska frågor.  AI och ML har avsevärt förbättrat innovationsprocesserna för företaget i denna fallstudie genom att driva teknologisk och processuell innovation samt genom att påverka företagskulturen positivt. Studien bidrar till ämnet innovationsteknik genom att belysa hur AI kan användas för att driva innovation och identifierar områden för framtida forskning, såsom kostnadshantering och långsiktiga effekter av AI på företagskulturen. / This exam essay examines how artificial intelligence (AI) and machine learning (ML) have improved innovation processes in the automotive industry, with a particular focus on a company active in this field. Through a combination of theoretical research and empirical interviews with employees of the company, it has been identified that AI and ML are powerful tools for driving technological innovation, optimizing internal processes and fostering a culture of continuous learning and collaboration. The company investigated in this case study uses AI to develop advanced driver assistance systems and autonomous driving technologies, resulting in safer and more efficient self-driving cars. In addition, AI optimizes internal processes such as performance monitoring and internal communication, improving efficiency and responsiveness within the organization. The company culture has been positively impacted by AI, with an emphasis on continuous learning and knowledge sharing. Employees are encouraged to continuously update their knowledge and skills to keep up with technological advances, creating a dynamic and adaptive work environment. However, the company also faces challenges, including the high cost of hardware and computing power, the need to ensure high data quality, and dealing with complex legal and ethical issues.  AI and ML have significantly improved the innovation processes of the company in this case study by driving technological and process innovation as well as by positively influencing corporate culture. The study contributes to the field of innovation technology by highlighting how AI can be used to drive innovation and identifies areas for future research, such as cost management and long-term effects of AI on corporate culture.