In the area of steering behaviours of autonomous agents and crowd simulations, there is a plethora of methods for executing the simulations. A very hard-to-achieve goal of crowd simulations is to make them seem natural and accurately reflect real-life crowds. A very important criterion for this goal is to have the agents avoid collisions, both with each other and with the environment. A less important, but important nonetheless, criterion is to not let the time taken or distance covered to reach the goal in the simulation be too high, compared with when not implementing collision avoidance. This paper proposes and explores a novel method of enhancing vector field-based steering with rule-based deviations to implement collision avoidance. This method is called ’DevVec’ (’Deviation + Vector Field steering’). The rules which are used for the deviations are extracted from a user survey, and they describe what the agent should do in different collision avoidance scenarios. The viability of DevVec is tested by comparing it with another already established method, called ’Gradient-based Steering’, in terms of fulfilling the criteria mentioned above. Both methods are used to simulate pedestrians moving throughout different scenes. The results suggest that DevVec has potential, but would require additional time and resources, and perhaps a few changes in future works to be presented in its best possible version. / Inom ämnesområdet för styrbeteenden hos autonoma agenter och simuleringar av folkmassor finns det många metoder för att framställa dessa simuleringar. Ett väldigt svåruppnåeligt mål för denna typ av simuleringar är få dem att verka naturliga och verklighetstrogna. Ett viktigt kriterie för detta mål är att få agenterna att undvika kollisioner, både med varandra och med den kringliggande omgivningen. Ett mindre viktigt, men viktigt oavsett, kriterie är att inte låta en agent ta för lång tid eller gå för långt för att nå sitt mål i simuleringen, i jämförelse med när de inte försöka undvika hinder. Denna studie presenterar och utforskar en ny metod som utökar en vektorfältsbaserat styralgoritm med regelbaserade avvikelser för att ta hänsyn till att undvika kollisioner. Denna nya metod kallas för ’DevVec’ (’Deviation + Vector Field steering’). Reglerna som används för avvikelserna är framtagna från en enkät, och de beskriver vad en agent borde göra vid olika kollision-scenarion. Användbarheten av DevVec prövas genom att jämföra den med en redan etablerad metod som kallas för ’Gradientbaserad styrning’, med avseende på de ovan nämnda kriterierna. Båda metoderna används för att simulera fotgängare i olika omgivningar. Resultaten antyder att DevVec har potential, men att det krävs ytterligare tid och resurser, och troligtvis några ändringar i framtiden för att framställa den bästa möjliga versionen.

Many industries stand in front of a significant shift as we have entered the 4th industrial revolution,and society is becoming digitalised to a higher degree. Autonomous and smart ships may be emergingin the coming future within the maritime industry. Previous research has tried understanding thecompetencies needed to work with the autonomous ship. This case study aims to understand a shoreand ship organisation as their company stands on the verge of smart ships arriving. To understandthis, the a) present work has been explored, b) potential changes to the work tasks because of theautomation and c) how the organisation and crew members can meet the changes have been explored.The methods used are interviews, observations, thematic analysis, and hierarchical task analysis. Thestudy’s major findings were the importance of clear communication and a good relationship betweenthe ship and shore organisation. / Drift och operation av smarta fartyg

The computer vision field has taken big steps forwards and the amount of models and datasets that are being released is increasing. A large number of contemporary models are the result of extensive training sessions on massive datasets, reflecting a significant investment of time and computational resources. This opens up a new opportunity on utilizing the knowledge from this pre-trained models. It is possible to transfer the knowledge from one domain to a more fine-tuned solution on a custom created dataset, and this can help the field of computer vision to improve rapidly. This project utilizes the pre-trained models ResNet50,ResNet18 and DensNet121, for dealing with the challenge of fine-tuning models on a custom created dataset, that is created of grayscale images. The project’s results show how it’s possible to use a pre-trained model for transferring the learned features from one domain to another. In addition to this, the project included creating a binary classifier that is fine-tuned on a balanced dataset and another classifier that was fine-tuned on an imbalanced dataset. / Området för datorseende har gjort stora framsteg senaste årtionden och mängden modeller för djup maskininlärning som har tagits fram och blivit tillgängliga har ökat, tillsammans med mängden publika dataset som har blivit skapade. Nya modeller som når state-of-the-art status är tränade på stora dataset och med mycket beräkningskraft och har blivit framtagna under lång tid. Det har skapat ett nytt område inom datorseendekallat överföringsinlärning, vilket innebär att dra nytta av en modell som är tränad på ett dataset som inte är det exakta dataset som du har samlat ihop. Detta används sedan för att träna nätverket med dina specifika bilder, och lagerna i nätverket kan anpassas för att angripa det specifika problemet. Detta skapar möjligheter att på kortare framtagnings-tid dra nytta av kunskapen modellen har lärt sig och du tränar den bara på dina bilder för att anpassa nätverket. I det här projektet används de tränade modellerna ResNet50,ResNet18 och DenseNet121, och deras kunskap från tidigare träning används för att klassificera det här projektets specifika dataset med svartvita bilder. Projektets resultat visar möjligheten att använda en för tränad modell och applicera den på ett avgränsat, specifikt problem som skiljer sig från ursprungs-uppgiften. I projektet visas resultaten av att skapa ett dataset av bilder samt en binär klassificering och en klassificering av flertalet klasser.

The ability to search their environment is one of the most fundamental skills for any living creature. Visual search in particular is abundantly common for almost all animals. This act of searching is generally active in nature, with vision not simply reacting to incoming stimuli but also actively searching the environment for potential stimuli (such as by moving their head or eyes). Automatic visual search, likewise, is a crucial and powerful tool within a wide variety of different fields. However, performing such an active search is a nontrivial issue for many machine learning approaches. The added complexity of choosing which area to observe, as well as the common case of having a camera with adaptive field-of-view capabilities further complicates the problem. Hierarchical Reinforcement Learning have in recent years proven to be a particularly powerful means of solving hard machine learning problems by a divide-and-conquer methodology, where one highly complex task can be broken down into smaller sub-tasks which on their own may be more easily learnable. In this thesis, we present a hierarchical reinforcement learning system for solving a visual search problem in a stationary camera environment with adjustable pan, tilt and field-of-view capabilities. This hierarchical model also incorporates non-reinforcement learning agents in its workflow to better utilize the strengths of different agents and form a more powerful overall model. This model is then compared to a non-hierarchical baseline as well as some learning-free approaches.

Connected devices have become an integral part of life in modern society. In the industry, several tasks have been automatized and are now performed by robots, a development that is called Industry 4.0. Robotics are breaking new ground, and autonomous underwater vehicles (AUVs) will enable the exploration and exploitation of areas previously inaccessible. The underwater robots are therefore expected to be deployed at scale in our seas for commercial and military purposes. This will make them a target for malicious actors to exploit security issues in the AUVs. It has previously been reported that robot developers often down-prioritize security and that leading robotics frameworks have severe vulnerabilities. This thesis aims to assess the security of a modern AUV, SAM, by the Swedish Maritime Robotics Center. The goal was to determine if it is vulnerable to attacks common in robots and connected vehicles and to find out what cyber threats exist to underwater vehicles. The method in this project was ethical hacking through a penetration test. It included creating a threat model for the robot and vulnerability analysis. Several vulnerabilities were selected for exploitation to determine and demonstrate how an attacker could abuse them. The result showed that several vulnerabilities were exploitable, and SAM was considered insecure. The project's direct impact is that it provides SMaRC with advice on how to improve the security of its vehicle and the security practices in its development team. Underwater robotics is still a novel field, and there needs to be more research published on threats to robots. As a result, the threat model and vulnerability analysis can be a good guideline for another security researcher pentesting an AUV or a developer team looking to improve the security of their robots. / Uppkopplade enheter har blivit en integrerad del av livet i det moderna samhället. Inom industrin har flera uppgifter automatiserats och utförs nu av robotar, en utveckling som kallas Industri 4.0. Robotik bryter ny mark, och autonoma undervattensfordon kommer att möjliggöra utforskning och exploatering av områden som tidigare var otillgängliga. Undervattensrobotar förväntas därför användas i stor skala i våra hav för kommersiella och militära ändamål. Detta kommer att göra dem till ett mål för illasinnade aktörer. Tidigare har det rapporterats att robotutvecklare ofta nedprioriterar säkerheten och att ledande ramverk för robotar har allvarliga sårbarheter. Därför syftar denna avhandling till att bedöma säkerheten hos en modern undervattensrobot, SAM, av Swedish Maritime Robotics Center. Målet var att avgöra om den är sårbar för attacker som är vanliga inom robotar och uppkopplade fordon och att ta reda på vilka säkerhetshot som finns mot undervattensfordon. Metoden i detta projekt var etiskt hackande genom ett penetrationstest. Det innefattade att skapa en hotmodell och sårbarhetsanalys för roboten. Flera sårbarheter valdes för att avgöra om och visa hur en angripare kan utnyttja dem. Resultatet visar att flera sårbarheter var exploaterbara och att SAM betraktades som osäker. Den direkta effekten av projektet är att det ger SMaRC råd om hur de kan öka säkerheten hos sitt fordon och förbättra säkerhetspraxis i sitt utvecklingsteam. Undervattensrobotik är fortfarande ett nytt område, och det behövs mer forskning som undersöker hot mot robotarna. Därför kan hotmodellen och sårbarhetsanalysen vara riktlinjer för en annan säkerhetsforskare som utför penetrationstestning på en AUV eller ett utvecklingsteam som vill förbättra säkerheten hos sina robotar.

The substantial advances of coronary CTA have resulted in a boost of use of this new technique in the last several years, which brings a big challenge to radiologists by the increasing number of exams and the large amount of data for each patient. The main goal of this study was to develop a computer tool to facilitate coronary CTA analysis by combining knowledge of medicine and image processing.Firstly, a competing fuzzy connectedness tree algorithm was developed to segment the coronary arteries and extract centerlines for each branch. The new algorithm, which is an extension of the “virtual contrast injection” method, preserves the low density soft tissue around the coronary, which reduces the possibility of introducing false positive stenoses during segmentation.Secondly, this algorithm was implemented in open source software in which multiple visualization techniques were integrated into an intuitive user interface to facilitate user interaction and provide good over¬views of the processing results. Considerable efforts were put on optimizing the computa¬tional speed of the algorithm to meet the clinical requirements.Thirdly, an automatic seeding method, that can automatically remove rib cage and recognize the aortic root, was introduced into the interactive segmentation workflow to further minimize the requirement of user interactivity during post-processing. The automatic procedure is carried out right after the images are received, which saves users time after they open the data. Vessel enhance¬ment and quantitative 2D vessel contour analysis are also included in this new version of the software. In our preliminary experience, visually accurate segmentation results of major branches have been achieved in 74 cases (42 cases reported in paper II and 32 cases in paper III) using our software with limited user interaction. On 128 branches of 32 patients, the average overlap between the centerline created in our software and the manually created reference standard was 96.0%. The average distance between them was 0.38 mm, lower than the mean voxel size. The automatic procedure ran for 3-5 min as a single-thread application in the background. Interactive processing took 3 min in average with the latest version of software. In conclusion, the presented software provides fast and automatic coron¬ary artery segmentation and visualization. The accuracy of the centerline tracking was found to be acceptable when compared to manually created centerlines.

En följd av såväl politiska beslut som den ökade medvetenheten hos kunder är att efterfrågan av grönare teknik har ökat. Idag står andelen av laddbara personbilar för ungefär en tredjedel av alla nyregistrerade personbilar i Sverige. Det är inte bara personbilstillverkare som går igenom detta teknikskifte mot grönare teknik och smartare självkörande bilar, samma trend ses i lastbilsindustrin. Även fast kunderna i detta fall är andra företag som t.ex. stora åkerier finns det även här en stor efterfrågan på den nya tekniken. Det kan tyckas motstridigt att tillverka ett elfordon som både ska klara av att transportera tung last samtidigt som det ska kunna erbjuda en lång räckvidd. Självkörande lastbilar är något som Scania tillsammans med flera stora lastbilstillverkare jobbar med att utveckla. De utmaningar som finns för lastbilstillverkare gällande det autonoma skiljer sig från personbilstillverkare. Syftet med rapporten är att undersöka hur produktutvecklingsprocessen påverkas av teknikskiftet mot eldrivna, autonoma lastbilar. Inledningsvis genomfördes en litteraturstudie där tidigare kända teorier och studier inom relevanta områden undersöktes för att få en bättre förståelse för det nuvarande kunskapsläget. Därefter hölls tre stycken semistrukturerade intervjuer med personer från olika avdelningar med olika kompetenser från företag inom dels lastbilsindustrin, men även personbilsindustrin. Intervjuerna syftade till att samla så mycket information som möjligt kring de utmaningar som lastbilsindustrin står inför ur ett produktutvecklings perspektiv. Även de förändringar som skett i samband med teknikskiftet var av intresse under intervjuerna. Efter intervjuerna gjordes en sammanställning och en analys av det resultat som framkommit under studien. Resultatet visar att det har skett en stor förändring inom industrin på flera områden. Nya arbetsmetoder har implementerats för att korta ned ledtiderna och öka kvaliteten på produkterna. Det finns ett ökat behov av nya kompetenser inom branschen och det blir allt vanligare att anställa personal från hela världen som kan arbeta på distans. Vidare satsas det allt mer på att omskola befintlig personal. Resultatet visar även att antalet samarbeten har ökat och att det sker ett stort informationsutbyte mellan företag som båda jobbar med autonom teknik. / An increasing demand for greener technology has been forced through by political decisions, but also as a result of growing awareness amongst customers. Today, the proportion of rechargeable passenger cars accounts for about a third of all newly registered passenger cars in Sweden. It is not just passenger car manufacturers who are experiencing this shift towards greener technology and smarter autonomous cars. The same trend can be seen in the truck industry, even if the customers in this case are large hauliers. It may seem contradictory to manufacture a vehicle that must both be able to transport heavy loads and withstand long range. Scania, amongst other big truck manufacturers, has come a long way in developing autonomous trucks. The challenges of truck manufacturers differ from those of passenger car manufacturers regarding autonomous technology. This study will investigate how the product development process is affected by the shift in technologytowards electric, autonomous trucks.Initially, a literature study was conducted where previous theories and studies in relevant areas were examined in order to gain a better understanding of the current state of knowledge. Subsequently, three semi-structured interviews were held with people from different departments and with various competences from companies in both the truck and car industries. The aim of the interviews was to gather as much information as possible about the challenges facing the truck industry from the product development perspective. The changes that have taken place as a result of the technology shift were also of interest in the interviews. Afterwards, an analysis summary was made of the results that emerged during the study. The results show that there has been significant change in several areas within the industry. New working methods have been implemented to shorten lead times and increase the quality of the products. There is a growing need for new skills within the industry and it is becoming increasingly common to employ staff from all over the world who can work remotely. At the same time, more and more funding is going towards further training of existing staff. The results also show that the number of collaborations has increased and that there is a large exchange of information between companies that are in the autonomous technology business.

The rapid development of social robots, designed to interact with humans, has led to increased research on user acceptance and emotions in human-robot interaction. Social acceptance is an important area to investigate if the development of social robots is to be useful. Investigating how people feel about social robots is one tool to assess acceptance toward them, and research has shown that positive emotions could invoke higher acceptance. Possible factors that have been shown to affect peoples’ attitudes regarding social robots is (1) the human-likeness and appearance of the robot and (2) the application area of the robot. Therefore, this thesis research questions address the effect of human-likeness and application areas of social robots on people's emotions. The findings indicate that in the context of companionship, people have varying emotional responses based on the appearance of the social robot. Highly human-like robots evoke more positive emotions, while low human-likeness robots elicit more negative emotions. This suggests that individuals prefer human-like social robots in intimate interactions like companionship. The results also reveal an effect of application areas, where people respond more positively to highly human-like robots used for tasks like lecturing students or companionship for older adults. Regarding less human-like social robots, people tend to respond with greater positive emotions when used within commerce. This suggests that a simpler-looking robot with low human-likeness is more suitable for commercial applications. Negative emotions expressed in the healthcare condition may reflect mistrust in robots' abilities and the sensitivity of the healthcare area. Developers and designers should consider the emotional responses that might be evoked by the task or appearance of the social robot, to ensure successful integration into society.

Syftet med denna studie är att undersökavilket användargränssnitt som potentiella användare föredrar för att utbyta trafikrelateradinformation. Forskningsfrågan som ska besvaras är följande. Vilket användargränssnittföredras för kommunikation i ett självkörande fordon? Genom att läsa denna studie fårläsaren en fördjupad insikt för hur föredragna användargränssnitt kan öka acceptansen hospotentiella användare. En kvantitativ metod användes för att genomföra enstickprovsundersökning med hjälp av en webbaserad enkät som distribuerades på olika sättsom Facebook, Linkedin, m.m, för att besvara studiens syfte. Den empiriskadatainsamlingen resulterade i 201 insamlade svar. Resultatet visade att 41,3 % avrespondenterna föredrog skärmgränssnitt och 35,3% föredrog ett multimodalt gränssnitt föratt integrera med ett självkörande fordon. Sammanlagt 84,1% av respondenterna besvaradeatt användningen av det önskade gränssnittet skulle öka effektiviteten ochkommunikationen vid utbyte av information med fordonet. Slutsatsen är att valet avanvändargränssnitt kan påverkas av olika faktorer, såsom erfarenheter och teknologiskaförväntningar. Framtida utveckling av gränssnitt och teknologier bör sträva efter attinkludera en mångfald av alternativ för att tillgodose användarnas behov och preferensernär det gäller att kommunicera med fordon. / Syftet med denna studie är att undersöka vilket användargränssnitt som potentiella användare föredrar för att utbyta trafikrelaterad information. Forskningsfrågan som ska besvaras är följande. Vilket användargränssnitt föredras för kommunikation i ett självkörande fordon? Genom att läsa denna studie får läsaren en fördjupad insikt för hur föredragna användargränssnitt kan öka acceptansen hos potentiella användare. En kvantitativ metod användes för att genomföra en stickprovsundersökning med hjälp av en webbaserad enkät som distribuerades på olika sätt som Facebook, Linkedin, m.m, för att besvara studiens syfte. Den empiriska datainsamlingen resulterade i 201 insamlade svar. Resultatet visade att 41,3 % av respondenterna föredrog skärmgränssnitt och 35,3% föredrog ett multimodalt gränssnitt för att integrera med ett självkörande fordon. Sammanlagt 84,1% av respondenterna besvarade att användningen av det önskade gränssnittet skulle öka effektiviteten och kommunikationen vid utbyte av information med fordonet. Slutsatsen är att valet av användargränssnitt kan påverkas av olika faktorer, såsom erfarenheter och teknologiska förväntningar. Framtida utveckling av gränssnitt och teknologier bör sträva efter att inkludera en mångfald av alternativ för att tillgodose användarnas behov och preferenser när det gäller att kommunicera med fordon.

Portrayals of artificially intelligent robots are becoming increasingly prevalent in children’s culture. This affects how children perceive robots, which have been found to affect the way children in school understand subjects like technology and programming. Since teachers need to know what influences their pupils' understanding of these subjects, we need to know how children’s preconceptions about robots affect the way they attribute mental states to them. We still know relatively little about how children do this. Based on the above, a qualitative approach was deemed fit. This study aimed to (1) investigate the reasoning and preconceptions underlying children’s mental state attribution to robots, and (2) explore the effectiveness of moral questions as a way to do this. 16 children aged 5- and 6 years old were asked to rate the mental states of four different robots while subsequently being asked to explain their answers. Half of the children were interviewed alone and half in small groups. A thematic analysis was conducted to analyze the qualitative data. Children’s mental state attribution was found to be influenced by preconceptions about robots as a group of entities lacking mental states. Children were found to perceive two robots, Atlas, and Nao, differently in various respects. This was argued to be because the children perceived these robots through archetypal frameworks. Moral questions were found successful as a way to spark reflective reasoning about the mental state attribution in the children.