The biggest shift in the automotive industry lies ahead. Autonomous vehicles create both curiosity and skepticism among drivers and people around. Autonomous vehicles, more specifically trucks, will not be utterly self-driving overnight. The whole transformation will take place in different phases. When a vehicle does not need a driver behind the wheel, new needs will arise. This is where this project comes into play. On behalf of Scania, a new driver’s seat shall be developed for new needs from the drivers for autonomous trucks of type 4. The project was carried out at Scania’s design department for cabin interiors. The project aimed to develop new needs for the future autonomous level 4 trucks in order to develop a driver’s seat that meets these needs. The project began with a planning phase in which the goals and the time frame for the project were set up. The project was then implemented in four different phases inspired by CDIO (n.d.). The work began with a benchmarking on existing trucks and passenger cars, but also on the future visions of different competitors regarding autonomous vehicles. Much work was put into understanding theories and interpreting relevant information. The users were used early in the project in the form of interviews, observations, and a survey that reached 299 truck drivers. The work then continued with various forms of brainstorming both within the project group and together with engineers from the group at Scania. The final work contained a CAD model of both prototype, CAID models of the final design, and a prototype scale of 1:1. The final result of the project is a new driver’s seat with the possibility of pushing the seat almost three times further back than the current seat. It can now be done when the driver’s seat is part of the bed. During the user study and the brainstorming, new needs were taken from the perspective of the sun being able to adapt to three different positions; rest, drive, work. The new driver’s seat now gives the drivers this opportunity. The result of this project may be more effective in driving the driver, which benefits both Scania and the customers in the form of the drivers being able to drive longer than previously allowed. / Det största skiften inom fordonsbranschen ligger framför oss. Autonoma fordon skapar både nyfikenhet och en skepsis bland förare och människor runt omkring. Autonoma fordon, mer specifikt lastbilar, kommer inte bli helt självkörande under en natt. Hela för- vandlingen kommer ske i olika faser. När ett fordon inte behöver en förare bakom ratten kommer nya behov uppkomma. Det är här det här projektet kommer in i bilden. På uppdrag av Scania, ska en ny förarstol utvecklas för nya behov från förarna för autonoma lastbilar av typen nivå 4. Projektet är ett examensarbete gjort av två studenter vid utbildningen civilingenjör inom teknisk design med inriktning produktutveckling, vid Luleå tekniska universitet. Projektet genomfördes på Scanias konstruktionsavdelning för hyttint- eriör. Målet för projektet var att ta fram nya behov för framtidens autonoma nivå 4 lastbilar för att sedan utveckla en förarstol som uppfyller dessa behov. Projektet började med en planeringsfas där målen och tidsramen för projektet sattes upp. Projektet genomfördes sedan i fyra olika faser inspirerade av CDIO (n.d.). Arbetet började med att en benchmarking gjordes på befintliga lastbilar och personbilar men även på olika konkurrenters framtidsvisioner gällande autonoma fordon. Mycket arbete lades på att förstå teorier och tolka relevant infor- mation. Användarna användes tidigt i projektet i form av intervjuer, observationer och en enkät som nådde ut till 299 lastbilsförare. Arbetet fortsatte sedan med olika former av brainstorming både inom projektgruppen och tillsammans med ingenjörer från gruppen på Scania. Slutgiltiga arbetet innehöll CAD-modeller av både prototyp, CAID-modeller av slutgiltig design samt en prototyp i skala 1:1. Det slutgiltiga resultatet av projektet är en ny förarstol med möjligheten att skjuta bak stolen nästan tre gånger längre än vad som tidigare var möjligt. Det kan nu göras då förarstolen är en del av sängen. Under användarstudien och brainstormingen togs nya behov fram i from av att solen ska ha möjlighet att anpassas till tre olika lägen; vila, köra, arbeta. Den nya förarstolen ger nu förarna den här möjligheten. Resultatet av det här projektet kan komma att effektivisera föraryrket, vilket gynnar både Scania och kunderna i form av att förarna kommer kunna köra längre än vad tidigare varit tillåtet.

Emotion detection, also known as Facial expression recognition, is the art of mapping an emotion to some sort of input data taken from a human. This is a powerful tool to extract valuable information from individuals which can be used as data for many different purposes, ranging from medical conditions such as depression to customer feedback. To be able to solve the problem of facial expression recognition, smaller subtasks are required and all of them together form the complete system to the problem. Breaking down the bigger task at hand, one can think of these smaller subtasks in the form of a pipeline that implements the necessary steps for classification of some input to then give an output in the form of emotion. In recent time with the rise of the art of computer vision, images are often used as input for these systems and have shown great promise to assist in the task of facial expression recognition as the human face conveys the subjects emotional state and contain more information than other inputs, such as text or audio. Many of the current state-of-the-art systems utilize computer vision in combination with another rising field, namely AI, or more specifically deep learning. These proposed methods for deep learning are in many cases using a special form of neural network called convolutional neural network that specializes in extracting information from images. Then performing classification using the SoftMax function, acting as the last part before the output in the facial expression pipeline. This thesis work has explored these methods of utilizing convolutional neural networks to extract information from images and builds upon it by exploring a set of machine learning algorithms that replace the more commonly used SoftMax function as a classifier, in attempts to further increase not only the accuracy but also optimize the use of computational resources. The work also explores different techniques for the face detection subtask in the pipeline by comparing two approaches. One of these approaches is more frequently used in the state-of-the-art and is said to be more viable for possible real-time applications, namely the Viola-Jones algorithm. The other is a deep learning approach using a state-of-the-art convolutional neural network to perform the detection, in many cases speculated to be too computationally intense to run in real-time. By applying a state-of-the-art inspired new developed convolutional neural network together with the SoftMax classifier, the final performance did not reach state-of-the-art accuracy. However, the machine-learning classifiers used shows promise and bypass the SoftMax function in performance in several cases when given a massively smaller number of samples as training. Furthermore, the results given from implementing and testing a pure deep learning approach, using deep learning algorithms for both the detection and classification stages of the pipeline, shows that deep learning might outperform the classic Viola-Jones algorithm in terms of both detection rate and frames per second.

Purpose – The purpose of the study is to expand the knowledge of how wheel motor currents can be combined with machine learning to be used in a collision detection system for autonomous robots, in order to decrease the number of external sensors and open new design opportunities and lowering production costs. Method – The study is conducted with design science research where two artefacts are developed in a cooperation with Globe Tools Group. The artefacts are evaluated in how they categorize data given by an autonomous robot in the two categories collision and non-collision. The artefacts are then tested by generated data to analyse their ability to categorize. Findings – Both artefacts showed a 100 % accuracy in detecting the collisions in the given data by the autonomous robot. In the second part of the experiment the artefacts show that they have different decision boundaries in how they categorize the data, which will make them useful in different applications. Implications – The study contributes to an expanding knowledge in how machine learning and wheel motor currents can be used in a collision detection system. The results can lead to lowering production costs and opening new design opportunities. Limitations – The data used in the study is gathered by an autonomous robot which only did frontal collisions on an artificial lawn. Keywords – Machine learning, K-Nearest Neighbour, Multilayer Perceptron, collision detection, autonomous robots, Collison detection based on current. / Syfte – Studiens syfte är att utöka kunskapen om hur hjulmotorstömmar kan kombineras med maskininlärning för att användas vid kollisionsdetektion hos autonoma robotar, detta för att kunna minska antalet krävda externa sensorer hos dessa robotar och på så sätt öppna upp design möjligheter samt minska produktionskostnader Metod – Studien genomfördes med design science research där två artefakter utvecklades i samarbete med Globe Tools Group. Artefakterna utvärderades sedan i hur de kategoriserade kollisioner utifrån en given datamängd som genererades från en autonom gräsklippare. Studiens experiment introducerade sedan in data som inte ingick i samma datamängd för att se hur metoderna kategoriserade detta. Resultat – Artefakterna klarade med 100% noggrannhet att detektera kollisioner i den giva datamängden som genererades. Dock har de två olika artefakterna olika beslutsregioner i hur de kategoriserar datamängderna till kollision samt icke-kollisioner, vilket kan ge dom olika användningsområden Implikationer – Examensarbetet bidrar till en ökad kunskap om hur maskininlärning och hjulmotorströmmar kan användas i ett kollisionsdetekteringssystem. Studiens resultat kan bidra till minskade kostnader i produktion samt nya design möjligheter Begränsningar – Datamängden som användes i studien samlades endast in av en autonom gräsklippare som gjorde frontalkrockar med underlaget konstgräs. Nyckelord – Maskininlärning, K-nearest neighbor, Multi-layer perceptron, kollisionsdetektion, autonoma robotar

The research addresses current shortcomings of autonomous service robots operating in domestic environments by considering the concept of a semi-autonomous robot that would be supported by human remote operators whenever the robot cannot handle a task autonomously. The main research objective was to investigate how to design the human-robot interaction for a robotic system to assist elderly people with physical tasks at home according to this conceptual idea. The research procedure followed the principles of human-centered design and is structured into four phases: In the first phase, the context of use of the system to be designed was determined. A focus group study yielded characteristics and attitudes of several potential user groups. A survey determined the demands of elderly people and informal caregivers for services a semiautonomous assistive robot may provide. An ethnographic study investigated the living conditions of elderly people and determined technical challenges for robots operating in this type of environment. Another ethnographic study investigated the work environment in teleassistive service centers and determined the feasibility of extending their range of services to incorporate robotic teleassistance. In the second phase, two studies were carried out to understand the interaction requirements. The first study determined common types of failure of current autonomous robots and required human interventions to resolve such failure states. The second study investigated how the human assistance could be provided considering a range of potential interaction devices. In the third phase, a human-robot interaction concept with three user groups and dedicated user interfaces was designed. The concept and user interfaces were refined in an iterative process based on the results of evaluations with prospective users and received encouraging results for user satisfaction and user experience. In the fourth and final phase the utility of two specific user interface features was investigated experimentally. The first experiment investigated the utility of providing remote operators with global 3D environment maps during robot navigation and identified beneficial usage scenarios. The second experiment investigated the utility of stereoscopic display for remote manipulation and robot navigation. Results suggested temporal advantages under stereoscopic display for one of three investigated task types and potential advantages for the other two. / Forskningen behandlar problem med autonoma robotar som agerar i hemmiljö. Specifikt studeras konceptet semi-autonoma robotar, vilket innebär att robotarna stöds av mänskliga operatörer när de inte klarar uppgifter på egen hand. Syftet med forskningen är att undersöka design av människa-robotinteraktion för robotsystem som stöder äldres behov av hjälp med fysiska uppgifter i hemmiljö. Forskningen är användarcentrerad och har strukturerats i fyra faser: I den första fasen undersöktes användarkontexten för systemet. I en fokusgruppsstudie utforskades karakteristika och attityder för flera potentiella användargrupper. Kraven på en semi-autonom robot för att assistera äldre och informella vårdgivare fastställdes. En enkätstudie undersökte levnadsvillkor hos äldre för att utforska tekniska utmaningar dessa omgivningar ställer på robotar. En etnografisk studie undersökte arbetskontexten på servicecenter för teleassistans och undersökte genomförbarhet i att utöka tjänsteutbudet till att även inkludera teleassisterade robotar. I den andra fasen utfördes två studier för att få kunskap om interaktionskrav. Den första studien fastställde vanliga typer av fel som inträffar med nuvarande typer av autonoma robotar och de typer av mänsklig assistans som krävs för att hantera dessa fel. Den andra studien undersökte hur mänsklig assistans kan utformas givet en repertoar av potentiella interaktionsanordningar. I den tredje fasen utformades ett interaktionskoncept för människa-robot interaktionen för tre användargrupper med dedicerade gränssnitt. Koncepten och användargränssnitten förfinades i en iterativ process baserat på resultat från utvärderingar med tänkta användare, och resulterade i uppmuntrande resultat vad gäller användarnas uppskattning och tillfredsställelse. I den fjärde och sista fasen studerades nyttan hos två specifika gränssnitt experimentellt. Det första experimentet undersökte nyttan med att ge operatörer på distans globala 3D-kartor under robotnavigeringen och identifierade användarscenarier där detta kan utnyttjas. Det andra experimentet undersökte nyttan med en stereoskopisk display för att manipulera och navigera roboten på distans. Resultaten visar på temporala fördelar med stereoskopisk display för en av tre undersökta uppgiftstyper och potentiella fördelar för de andra två.

Given the explosion in the size of social media, the amount of hate speech is also growing. To efficiently combat this issue we need reliable and scalable machine learning models. Current solutions rely on crowdsourced datasets that are limited in size, or using training data from self-identified hateful communities, that lacks specificity. In this thesis we introduce a novel semi-supervised modelling strategy. It is first trained on the freely available data from the hateful communities and then fine-tuned to classify hateful tweets from crowdsourced annotated datasets. We show that our model reach state of the art performance with minimal hyper-parameter tuning.

”I could either watch it happen or be a part of it.” - Elon Musk De autonoma fordonens intåg på svenska vägar är ett stundande faktum med utblick mot 2030. Med dessa förs även förhoppningar om säkrare trafikmiljöer, större utrymme och prioritering av fotgängare och cyklister, mindre trängsel, reducerad miljöpåverkan och förenklade livsmönster. För att dessa positiva konsekvenser ska infalla krävs dock en förebyggande och långsiktig planering. Majoriteten av svenska kommuner har i dagsläget en reaktiv inställning till planering för autonoma fordon, det vill säga att först se utvecklingen äga rum och därefter tillämpa åtgärder. För att utvecklingen ska få ett önskvärt utfall måste kommunerna börja föra en proaktiv planering för autonoma fordons introduktion på marknaden. Det som hittills hämmat planeringen är framförallt bristen på konkreta förslag och principer för hur trafik och gatumiljöerna bör anpassas efter de nya förutsättningar som autonoma fordon medför. Samhället står just nu på kanten inför en storskalig omställning av fordonsflottan, där eldrivna autonoma fordon i slutändan förmodligen utgör en majoritet. Syftet med detta projekt är inte att förespråka en omedelbar implementering av åtgärder för fordon som ännu inte existerar, men fenomenet måste börja betänkas, diskuteras och konkretiseras på det långsiktiga planeringsstadiet. År 2050 ses som en relativt säker tidpunkt där autonoma fordon utgör en absolut majoritet av fordonsflottan, under en lång period kommer dock vanliga fordon och autonoma fordon behöva samsas om trafikutrymmet. Inom detta tidsspann råder många oklarheter över hur den fysiska planeringen ska positionera sig. De planeringsåtgärder som produceras i detta projekt är menade att utgöra ett första underlagsmaterial som kan börja lappa igen den kunskapslucka som existerar idag. Om kommunerna fortsätter med en reaktiv inställning ökar risken för att de negativa konsekvenser som autonoma fordon kan medföra infaller, såsom kapacitetsbrist i trafikinfrastrukturen på grund av ökade trafikmängder samt ett ökat parkeringsbehov. Sveriges kommuner bör vara med och styra utvecklingen för att privata aktörer och marknadskrafter inte anskaffar enväldig kontroll, och för att målsättningarna ska forma den teknologiska utvecklingen och inte vice versa. Vilket utfall som är mest sannolikt att inträffa beror till stor del på två faktorer; graden av proaktiv planering som bedrivs av de samhällsbyggande institutionerna samt i vilken grad delade lösningar av autonoma fordon anammas av allmänheten. Det är således omotiverat att inte bedriva en proaktiv planering på grund av de osäkerheter kring vilken typ av genomslag de autonoma fordonen får, för att institutionernas arbete kan påverka utvecklingen i den riktning som anses önskvärd. Detta projekt bidrar med något nytt till forskningen kring autonoma fordons påverkan på stadsplaneringen inom urbana miljöer, genom att konkretisera nödvändiga åtgärder som behöver tas med hänsyn till denna utveckling. Projektet resulterar i gestaltningsprinciper och förslag på lämplig utformning med hänsyn till autonoma fordon. Förhoppningen är att detta arbete är ett första steg i att möjliggöra en mer proaktiv planering, vilket är ett kriterium för att skapa en framtid med gång- och cykelprioriterade miljöer där delade autonoma fordon har ett reducerat anspråk i det offentliga rummet.

Predicting terrain trafficability of deformable terrain is a difficult task with applications in e.g, forestry, agriculture, exploratory missions. The currently used techniques are neither practical, efficient, nor sufficiently accurate and inadequate for certain soil types. An online method which predicts terrain trafficability is of interest for any vehicle with purpose to reduce ground damage, improve steering and increase mobility. This thesis presents a novel approach for predicting the model parameters used in modelling a virtual terrain. The model parameters include particle stiffness, tangential friction, rolling resistance and two parameters related to particle plasticity and adhesion. Using multi-body dynamics, both vehicle and terrain can be simulated, which allows for an efficient exploration of a great variety of terrains. A vehicle with access to certain sensors can frequently gather sensor data providing information regarding vehicle-terrain interaction. The proposed method develops a statistical model which uses the sensor data in predicting the terrain model parameters. However, these parameters are specified at model particle level and do not directly explain bulk properties measurable on a real terrain. Simulations were carried out of a single tracked bogie constrained to move in one direction when traversing flat, homogeneous terrains. The statistical model with best prediction accuracy was ridge regression using polynomial features and interaction terms of second degree. The model proved capable of predicting particle stiffness, tangential friction and particle plasticity, with moderate accuracy. However, it was deduced that the current predictors and training scenarios were insufficient in estimating particle adhesion and rolling resistance. Nevertheless, this thesis indicates that it should be possible to develop a method which successfully predicts terrain model properties.

[pt] O presente trabalho apresenta um conceito para um sistema de evasão de colisões, simulado usando modelos 3D de três veículos diferentes implementados em MATLAB. Dois destes veículos foram parametrizados com dados genéricos, caracterizando automóveis de médio e grande porte. Em seguida, utilizados para realização de simulações iniciais e demonstração de conceitos. O terceiro conjunto de dados foi construído com informações do Apollo N, um veículo super esportivo. Estes diferentes conjuntos de dados foram utilizados para avaliar a capacidade do controlador de trabalhar com veículos de diferentes portes e dinâmicas de direção. A abordagem para acionar o sistema baseia-se no cálculo do tempo para a colisão (TTC; timeto- collision). O conceito foi adotado para detectar situações onde o motorista não é capaz de evitar um acidente. Depois de ser acionado, o sistema deve decidir qual manobra é a mais apropriada, dadas as condições de aderência da pista e o risco associado. O primeiro objetivo deste trabalho é desenvolver um sistema autônomo de frenagem que deve ser capaz de avaliar o risco de uma possível colisão e decidir se o condutor é capaz de evitá-la. Uma vez que o motorista não tenha tempo suficiente para reagir, o sistema deve acionar os freios automaticamente a fim de evitar um possível acidente. Além disso, o veículo possui um sistema anti-travamento (ABS), desenvolvido usando controle Fuzzy. O desempenho do controlador ABS foi avaliado em simulações usando os conjuntos de dados e testado em um veículo em escala. Em casos mais críticos, quando há baixa aderência, o veículo não é capaz de frear em uma distância razoável. Levando-se em consideração tal situação, um controle autônomo de esterçamento também foi desenvolvido, visando a possibilidade de uma manobra alternativa de evasão. Este segundo sistema foi avaliado em simulações utilizando veículos com características subesterçantes e sobreesterçantes. Os resultados mostraram que o controle de esterçamento foi capaz de realizar manobras evasivas produzindo valores razoáveis de acelerações laterais, em veículos com diferentes dinâmicas de direção. / [en] This work presents a concept for a collision avoidance system simulated using 3D-models of three different vehicles implemented in MATLAB. Two of the vehicle data sets were built with generic information, used to characterize mid-size and full-size vehicles. These standard vehicles were used in initial simulations and for demonstration of some concepts. The third data set was built with information from the Apollo N, a super sportive car. These different data sets were used to evaluate the controller s capacity to work with a range of vehicles, with different sizes and driving characteristics. The approach for triggering the system is based on the time-to-colision (TTC) estimation. This concept was adopted to recognize when the driver is not able to avoid an accident. After being triggered, the system must decide which maneuver is the most appropriate for the given friction and risk conditions. The first goal of this work is to develop an autonomous braking system which evaluates the risk of a possible collision and decides if the driver is able to avoid it. Once the driver has not enough time to react, the system must trigger the brakes automatically in order to avoid the accident. The vehicle is equipped with an embedded Anti-lock Brake System (ABS) developed using Fuzzy control. The ABS controller s performance was evaluated in simulations using the data sets and tested in a scaled vehicle. In more critical cases, when there is low friction, the vehicle is not able to brake in a reasonable distance. Considering this situation, an autonomous steering control was implemented in order to make an alternative avoidance maneuver. This second system was evaluated in simulations using vehicles with understeering and oversteering characteristics. The results pointed out that the autonomous steering control was able to perform avoidance maneuvers in a reasonable range of lateral accelerations, in vehicles with different driving tendencies. / [de] Die vorliegende Arbeit prasentiert ein Konzept fur ein Kollisionsvermeidungssystem. Dieses wird anhand von drei verschiedenen 3DFahrzeugmodellen mit Hilfe von MATLAB simuliert. Zwei der FahrzeugDatensatze basieren auf generischen Informationen, die jeweils ein Automobil der Mittelklasse und der Oberklasse reprasentieren. Diese Standardfahrzeuge wurden fur anfangliche Simulationen und zur Demonstration einiger Konzepte verwendet. Das dritte Fahrzeugmodell wurde mit Hilfe der Daten des Sportwagens Apollo N aufgebaut. Durch die Verwendung der verschiedenen Datensatze soll die Funktionsfahigkeit der Regelung auch bei verschiedenen Fahrzeugtypen mit unterschiedlichen Dimensionen und Fahreigenschaften uberpruft werden.Die Grundlage zum Auslosen des Systems ist die Abschatzung der Zeit bis zur Kollision (TTC; time-to-collision). Dieses Konzept wurde aufgegriffen, um zu entscheiden, wann der Fahrer nicht mehr in der Lage ist einen Unfall zu vermeiden. Nachdem das System ausgelost wird muss dieses anhand der Traktionsverhaltnisse und Gefahrensituation entscheiden, welches Manover am besten geeignet ist. Das erste Teilziel ist die Entwicklung eines autonomen Bremssystems, welches eine bevorstehende Kollision erkennen muss und entscheidet ob der Fahrer die Kollision eigenstandig vermeiden kann. Sobald der Fahrer nicht mehr genug Zeit hat selbst zu reagieren, muss das System die Bremsen automatisch betatigen um den Unfall zu vermeiden. Hierzu ist das Fahrzeug mit einem Antiblockiersystem (ABS) ausgestattet. Dieses wurde mit Hilfe eines Fuzzy-Kontrollers realisiert. Die Funktionstuchtigkeit der ABS-Regelung wurde mit Simulationen und anhand eines realen, skalierten Fahrzeugmodells getestet. In kritischen Situationen, kann es aufgrund der Traktionsverhaltnisse vorkommen, dass das Fahrzeug nicht mehr in der Lage ist innerhalb einer ausreichenden Strecke zum Stehen zu kommen. Um fur solche Situationen ein alternatives Ausweichmanöver anwenden zu konnen, wurde ein automatischer Lenkeingriff implementiert. Dieses System wurde anhand von Simulationen an Fahrzeugmodellen mit Ubersteuernden und Untersteuernden Eigenschaften uberprüft. Die Ergebnisse zeigten, dass die automatische Lenkeingriff-Regelung in der Lage war auch bei Fahrzeugen mit unterschiedlichen Fahreigenschaften Ausweichmanöver unter Einhaltung angemessener Querbeschleunigungen durchzufuhren.

Recently, sensors such as radars and cameras have been widely used in automotives, especially in Advanced Driver-Assistance Systems (ADAS), to collect information about the vehicle's surroundings. Stereo cameras are very popular as they could be used passively to construct a 3D representation of the scene in front of the car. This allowed the development of several ADAS algorithms that need 3D information to perform their tasks. One interesting application is Road Surface Preview (RSP) where the task is to estimate the road height along the future path of the vehicle. An active suspension control unit can then use this information to regulate the suspension, improving driving comfort, extending the durabilitiy of the vehicle and warning the driver about potential risks on the road surface. Stereo cameras have been successfully used in RSP and have demonstrated very good performance. However, the main disadvantages of stereo cameras are their high production cost and high power consumption. This limits installing several ADAS features in economy-class vehicles. A less expensive alternative are monocular cameras which have a significantly lower cost and power consumption. Therefore, this thesis investigates the possibility of solving the Road Surface Preview task using a monocular camera. We try two different approaches: structure-from-motion and Convolutional Neural Networks.The proposed methods are evaluated against the stereo-based system. Experiments show that both structure-from-motion and CNNs have a good potential for solving the problem, but they are not yet reliable enough to be a complete solution to the RSP task and be used in an active suspension control unit.

Tekniska innovationer förknippas alltmer med modernt, utvecklade IT-komponenter i dagens samhällsutveckling. Detta framträder framförallt inom fordonsindustrin där självkörande/automatiserade fordon tagit ett rejält språng på den globala fordonsmarknaden. Automatiserade fordon anses av många som framtidens teknik inom områden som framförallt berör kollektivtrafik och varutransporter, men visionen om en helt automatiserad trafik lämnas inte oberörd. Men då ny, främmande teknologi även kan ses som avskräckande för gemene man - vad krävs då för att ändra på detta synsätt? Hur kan det säkerställas att tekniska innovationer såsom automatiserade fordon accepteras av allmänheten och används i praktiken? Dessa är frågor som legat till grund för föreliggande rapport som syftat till att presentera en studie som undersöker vilka faktorer som har en inverkan på användningen av automatiserade fordon. Detta har genomförts genom en omfattande litteratursökning av tidigare och aktuell forskning inom ämnet, samt intervjuer och enkätundersökningar för att ta del av synpunkter och erfarenheter från befintliga användare av automatiserad teknologi. Forskningen har resulterat i en kunskapsprodukt som utgörs av en tabell innehållandes ovan nämnda faktorer med en kort beskrivning, typ av faktor, samt en motivering till varför de bedömts till att ha en inverkan på användningen av automatiserade fordon. Tabellen har därtill kompletterats av en relationsmodell som beskriver hur faktorer samverkar och är beroende av varandra. Resultatet ska med förhoppningar kunna användas som stöd till framtida studier och forskningsprojekt, samt ge inspiration till företag och organisationer som bedriver verksamhet med koppling till automatiserade fordon och dess användning. / Technological innovations are increasingly associated with modern, developed IT-capabilities in today’s societal evolution. This is seen primarily in the automobile industry where self-driving/automated vehicles has taken a great leap on the global automobile market. Automated vehicles are considered by many to be the technology of the future which mainly involves public transport and transport of goods, but the vision of a completely automated traffic is not left untouched. But because new, foreign technology also can be seen as detrimental to people - what is then required to change this approach? How can it be ensured that technical innovations such as automated vehicles are accepted by the public and used in practice? These are issues that gave rise to the following report with a purpose to present a study that investigates which factors that has an impact on the use of automated vehicles. This has been accomplished through an extensive literature search of previous and current research of the topic, along with interviews and surveys to acquire personal opinions and experiences from existing users of automated technology. The research has eventuated in a knowledge product represented by a table of above mentioned factors including a brief description, type of factor, and a justification to as why they have been assessed as having an impact on the use of automated vehicles. Furthermore, the table has been supplemented with a relational model that describes how factors interact and depend on each other. Hopefully, the result can be used as support for future studies and research projects, as well as inspire companies and organizations engaged in automated vehicles and their use.