Så bygger man en självkörande bil
För några år sedan hade nästan varje tillverkare planer på självkörande fordon, men lanseringarna skjuts hela tiden upp. Varför? Hur svårt kan det vara egentligen?
Fredrik Ekstrand, avdelningschef och lärare på robotikprogrammet, ger en bild av utmaningarna med autonoma fordon.
− Utmaningen ligger generellt i en förståelse för hur saker och ting relaterar till varandra. Inget fordon eller person är frikopplad från omgivningen. Vi människor förstår att en boll som kastas upp i luften oftast kommer ner igen. Vi förstår att när någon hoppar från bryggan kommer denna försvinna genom vattenytan och skvätta vatten. Om det inte är is. Allt detta bygger på erfarenhet och logiskt resonemang, säger Fredrik Ekstrand.
Att skapa denna erfarenhet på konstgjord väg är inte lätt och kräver en stor mängd information.
− Det är därför Google och andra företag samt lärosäten har haft fordon som åkt runt på vägar under många år för att samla data. Det är dock svårt att generalisera på konstgjord väg, säger Fredrik Ekstrand.
Insamlad data måste täcka upp alla möjliga händelser, vilket snabbt blir oöverkomligt. Detta har man gått runt genom att begränsa problemet och att använda lärande system eller artificiell intelligens (AI). Dock är AI fortfarande beroende av den information den blir matad med och att det finns ett facit.
− Ibland har vi människor fel, och oftast lär vi oss av det. Förmågan att förstå att det blev fel och varför, är otroligt viktig för lärandet. Man kan definitivt lära sig mycket av att tänka igenom olika scenarier, men väldigt sällan räcker det med att kunna hela körkortsboken för att bli en bra bilförare, säger Fredrik Ekstrand.
När fel uppstår måste systemet agera, vilket påverkar omgivningen. Om man endast tränar på förinsamlad information saknas denna relation och påverkan på omgivningen, vilket inte ger ett korrekt resultat.
− Det räcker inte att simulera, man måste göra fel på riktigt och det tar tid. Vi säger att robotikprogrammet inte har någon ”Hall of Fame”. Vi har en ”Hall of Flame”. Det är viktigt att göra fel och att lära sig av det. Det är mycket bättre att våra ingenjörer ”bränner upp” saker under utbildningen än i arbetslivet, säger Fredrik Ekstrand.
Tillförlitliga system livsviktiga
En annan livsviktig faktor vid tillverkningen av självkörande bilar är utvecklingen av tillförlitliga system. För att kunna vara säker på att en självkörande bil stannar när bilen framför tvärnitar eller att bilen håller hastigheten behövs pålitliga system som inte får göra fel.
− När man utvecklar tillförlitliga system arbetar man förebyggande och använder sig av beprövade felsäkra designprinciper och beräkningsmetoder. Ett sådant system måste fungera i alla lägen eftersom ett fel i systemet kan få förödande konsekvenser för både människoliv och omgivningen, säger Håkan Forsberg, universitetslektor och forskare inom tillförlitliga system.
Vill du också vara med och utveckla innovativa lösningar för framtidens autonoma fordon och robotar?
Då har vi flera program för dig:
Civilingenjör i robotik
Utvecklingen inom robotik och artificiell intelligens (AI) går fort och därför behövs ingenjörer som kan konstruera morgondagens robotar. Efter utbildningen kan du jobba inom elektronik, programmering eller inbyggda system som systemutvecklare, elektronikutvecklare, konsult eller innovatör inom framtidens hälsorobotik.
Civilingenjör i tillförlitliga flyg- och rymdsystem
För dig som vill jobba med tillförlitliga system för exempelvis autonoma fordon, medicinteknisk utrustning och framtida system för flygplan eller drönare. Efter examen kan du exempelvis jobba som systemutvecklare av tillförlitliga system, validerings- och verifieringsingenjör, elektronik- eller programvaruingenjör.
Kandidat-programmet i tillämpad AI
Du lär dig hur artificiell intelligens (AI) kan användas inom olika områden och blir expert på att konstruera AI-baserade system, tjänster och applikationer. Efter examen kan du arbeta som exempelvis Big Data-arkitekt, systemutvecklare eller ”data scientist”. Det finns ett stort behov av kompetens inom området och arbetsmarknaden förväntas fortsätta växa kraftigt.
Master i intelligenta inbyggda system
På programmet lär du dig utveckla säkra och tillförlitliga system, som kan läsa av och anpassa sig efter sin omgivning. Efter examen kan du jobba som exempelvis ingenjör, projektledare, systemarkitekt och programmerare.
Master i innovation och design
Programmet ger dig kunskaper i innovationsledning, designprocesser och betydelsen av kommunikation inom innovation och design. Efter examen kan du arbeta med design eller produktutveckling som projektledare eller innovationsledare.
Saknar du behörighet? Läs tekniskt basår.
Om du saknar behörighet till tekniska utbildningar kan du söka till tekniskt basår. Här får du behörighet till alla våra tekniska program och platsgaranti på samtliga av MDH:s högskole- och civilingenjörsprogram som startar året efter avslutat basår.