This thesis work has been the result of a five-year Industrial Design Engineering education at Luleå University of Technology. The project has investigated the possibilities of teleoperating forest machines using a human-centered design approach. The work has been conducted for Skogforsk, which is the Swedish institute for forestry. The project’s objective was to present ideas on how future teleoperation can improve the work as a forwarder operator. The aim was to identify the forwarder operators’ specific needs and explore how the development of a teleoperated workstation can address those needs. The project has been carried out using three phases; Inspiration, Ideation, and Impleentation. During the first phase, the project investigated how the work is carried out today and what needs a forwarder operator has. The operators’ needs can be summarised in three different areas; transporting the machine, loading and unloading, and planning. Two kinds of operators can be seen today, the ones who are motivated primarily by working in the forest, and the ones who are motivated by the production and self-competitiveness. During the Inspiration phase, the project also tested what problems exist today with operating a forwarder using teleoperation with the system implemented in the Truedsson Forestry Lab in Uppsala. It was identified that screens are an essential complement to using head-mounted displays such as VR-goggles while not offering the same amount of precision and presence in work as the goggles. It was also identified that the operators did not feel that the machine being an extension of them due to lost feedback of motion and sound. Perceived and actual control of the machine differed, and the operators did not identify the machines’ behavior during transportation. Apart from these issues, the current view did not offer a complete overview of the area around the machine. Neither did it offer visuals on the sides of the machine, and the logs sortings. Along with the identified issues, opportunities for improvement guided the explorational work through creative workshops to solutions presented and tested in either an operational test or in a video test. The ideas included the implementation of sound focusing on the gripper, which was appreciated by the operators. The precision using screens was improved by projecting the gripper’s position on the ground plane. For control of the transportation work, the project proposed solutions for indicators on tilt, roll, and the wheels of the machine. Nevertheless, it proposed an idea of projected tracks improving the work to become more proactive by highlighting obstacles and the near term position of the machine. The project also tested overview improving ideas such as drone views, and a 360 degrees view which may have potential in the future teleoperation work. Several other ideas were tested and can be seen in the Results chapter. For future work, the project proposes more tests of various ideas in a more reality-based setting. The project also proposes future work focusing on defining the future user better. For the individual operators reading this thesis work, I hope this paper can show the potentials of teleoperation, as well as prove that the development is aware of both the difficulties and the possibilities with teleoperating forest machines. For the forestry industry, I hope this paper can inspire future work to use the technology to favor the operators’ needs, and not only adapt the current cabin to work being carried out remotely. It is important to note that work in the cabin and work carried out remotely will have a significant difference in what advantages to offer. We will most definitely see operators working in the forest for many years ahead, and the future operators of teleoperation will probably not be the ones that are motivated by work in the forest today. This means that a new kind of user will emerge supplementing the current users rather than replacing them. / Detta examensarbete är resultatet av en femårig civilingenjörsutbildning inom Teknisk Design på Luleå Tekniska Universitet. Projektet har utforskat möjligheter för fjärrstyrning av skogsmaskiner genom en användarcentrerad designprocess indelad i tre faser; Inspiration, Ideation, och Implementation. Arbetet har genomförts på uppdrag av Skogforsk som är det svenska forskningsinstitutet för utveckling av det svenska skogsbruket. Målet med projektet har varit att presentera idéer kring hur framtidens fjärrsyrning kan förbättra arbetet som skotarförare. Syftet med projektet har varit att identifiera skotarförarens behov och utforska hur utvecklingen av fjärrstyrning kan ta hänsyn till dessa behov. Under den första fasen undersöktes arbetet som det ser ut idag och skotarförarens behov fastställdes genom intervjuer och observationer. Behoven kan sammanfattas till tre huvudsakliga delar; transport av maskin, av och pålastning, samt planering av arbete. I dagsläget kan två olika användare ses, de vars största motivation är arbetet i skogen, och de som motiveras främst av hög produktion och egenutveckling. Under första fasen så undersöktes problem med fjärrstyrning genom test med en fjärrstyrd skotare i Truedsson Forestry Lab i Uppsala. Det identifierades att skärmar är ett nödvändigt komplement till VR-glasögon trots att de idag inte erbjuder samma precision och närhetskänsla. Det identifierades också att förare uppgav att de inte fick samma koppling till maskinen som ljud och vibrationer annars erbjuder i hytten. Uppfattad och verklig kontroll över maskinen skiftade mellan styrning i maskin, och på distans. Förarna uppmärksammade inte slirning, glid, eller lutningsförändringar vid fjärrstyrning. Förutom dessa problem så erbjöd det befintliga systemet inte kontinuerlig överblick runt om maskinen. Lastens uppbyggnad saknades och inte heller visuell blick av området nedanför lastutrymmet kunde erhållas. Med utgångspunkt ur identifierade problem med fjärrstyrning och möjligheter för utveckling av dagens arbete, utforskades idéer genom kreativa workshops under andra fasen. Under tredje fasen valdes idéer ut, utvecklades, och testades genom antingen ett fysiskt operatörstest, eller ett videotest. En av idéerna testade implementering av ljud med fokus på gripen vilket uppskattades av alla testförare. Skärmarnas precision förbättrades genom projicering av gripens position på horisontella ytor. För att förbättra kontroll av maskin utforskade projektet implementering av olika indikatorer kring lutning och hjulbeteende. En idé kring projicerande hjulspår med fokus på proaktivt uppmärksammande av maskinens position och potentiella hinder, utforskades i syfte att förbättra arbetet. Projektet undersökte även diverse vyer för överblick, som drönarvyer, och en 360 graders vy som kan ha potential för framtida fjärrstyrningsarbete. Andra idéer som testades kan ses i Resultat kapitlet. För framtida arbete rekommenderas fler, och mer verklighetsbaserade tester. Det rekommenderas även att framtidens användare definieras bättre för att styra utvecklingen i rätt riktning. För den individuella föraren som läser detta arbete hoppas jag denna examensrapport kan visa på potential för framtida fjärrstyrningsarbete. Jag hoppas även att rapporten kan visa på att utvecklingen är medveten om såväl svårigheter som möjligheter. För skogsindustrin hoppas jag denna rapport kan inspirera framtida arbete att fokusera på fördelar med fjärrstyrningstekniken med utgångspunkt i förarnas behov, och inte bara anpassa dagens arbete i hytten att ske på distans. Det är viktigt att märka på att arbete på distans och i hytten kommer erbjuda olika fördelar. Vi kommer antagligen se förare i skogen i många år framöver och det är troligt att framtidens operatörer inte är de som motiveras av arbete i skogen. Det innebär att en ny typ av användare kommer växa fram som kommer komplettera dagens förare snarare än att byta ut dem.

Remote Electrical Tilt (RET) is a method for configuring antenna downtilt in base stations to optimize mobile network performance. Reinforcement Learning (RL) is an approach to automating the process by letting an agent learn an optimal control strategy and adapt to the dynamic environment. Applying RL in real world comes with challenges, for the RET problem there are performance requirements and partial observability of the system through exogenous factors inducing noise in observations. This thesis proposes a solution method through modeling the problem by a Partially Observable Markov Decision Process (POMDP). The set of hidden states are modeled as a high- level representation of situations requiring one of the possible actions uptilt, downtilt, no change. From this model, a Bayesian Neural Network (BNN) is trained to predict an observation model, relating observed Key Performance Indicators (KPIs) to the hidden states. The observation model is used for estimating belief state probabilities of each hidden state, from which decision of control action is made through a restrictive threshold policy. Experiments comparing the method to a baseline Deep Q- network (DQN) agent shows the method able to reach the same average performance increase as the baseline while outperforming the baseline in two metrics important for robust and safe control behaviour, the worst- case minimum reward increase and the average reward increase per number of tilt actions. / Fjärrstyrning av Elektrisk Lutning (FEL) är en metod för att reglera lutningen av antenner i basstationer för att optimera presentandan i ett mobilnätverk. Förstärkande Inlärning (FI) används som metod för att automatisera processen genom att låta en agent lära sig en optimal strategi för reglering och anpassa sig till den dynamiska miljön. Att tillämpa FI i ett verkligt scenario innebär utmaningar, för FEL specifikt finns det krav på en viss nivå av prestanda samt endast en delvis observerbarhet av systemet på grund av externa faktorer som orsakar brus i observationerna. I detta arbete föreslås en metod för att hantera detta genom att modellera problemet som en Delvis Observerbar Markovprocess (DOM). De dolda tillstånden modelleras för att representera situationer där var och en av de möjliga aktionerna behövs, det vill säga att luta antennen upp, ner eller inte ändra på lutningen. Utifrån denna modellering så tränas ett Bayesiskt Neuralt Nätverk (BNN) för att estimera en observationsmodel som kopplar observerade nyckeltal till de dolda tillstånden. Denna observationsmodel används för att estimera sannolikheten att vardera dolt tillstånd är det rätta. Utifrån dessa sannolikheter så görs valet av aktion genom ett tröskelvärde på sannolikheterna. Genom experiment som jämför metoden med en standardimplementering av en agent baserad på ett Djupt Qnätverk (DQN) visas att metoden har samma prestation när det kommer till en medelnivå på prestandaökning i nätverket. Metoden överträffar dock standardmetoden i två andra mätvärden som är viktiga ur aspekten säker och robust reglering, minimumvärdet på prestandaökningen samt medelökningen av prestandan per antal up- och nerlutningar som används.