Både för att den självkörande tekniken ska bli verklighet på bred front och för att säkerhetssystemen i dagens bilar, som exempelvis varnar om du kommer för nära vägkanten eller en annan bil, ska fungera så behövs en sak – mängder med insamlad data som lär bilen vad som är vad.
– Ska du lära dig att känna igen en älg för att systemet ska kunna undvika att krocka med en sådan, så behöver du ta fram mängder med exempel på vad en älg är, så att datorn kan lära sig det, säger Oscar Petersson, VD och medgrundare till Annotell.
I praktiken handlar det om att processa och förädla väldigt stora mängder data som kunderna samlar in från vägarna. Sedan blir det Annotells uppgift att sortera i den datan och tala om vad som är vad, något som är mer problematiskt än det vid första anblick kan verka.
Fakta: Annotell
Bolaget grundades 2018 av Oscar Petersson och Daniel Langkilde.
I dag har man kontor i Göteborg och München.
Globalt har Annotell cirka 60 anställda.
Annotell ska lära bilen tolka omvärlden
En självkörande bil måste veta exakt vad som är körbar väg och inte – en bedömning som inte är helt objektiv. Var går den exakta gränsen mellan vägen, vägrenen och gräset vid sidan av vägen?
– Vi människor upplever nog att vi kan avgöra vad som är väg och inte. Men om jag frågar flera personer att avgöra precis vid vilken pixel gränsen går så skulle vi få stor variation på tolkningen. Subjektiviteten är en utmaning, om vi ska lära bilen att tolka omvärlden så som vi tolkar den, så måste vi vara överens om hur den ska tolkas, säger Oscar Petersson.
Annotells affärsidé är en mjukvaruplattform som erbjuder att förädla och kvalitetssäkra stora mängder data som krävs för att utveckla systemen i nästa generations bilar. En affärsidé de visserligen inte är ensamma om. Anledningen till att de under det senaste halvåret har fyrdubblat sitt team och även tagit sig ut på den globala marknaden, tror Oscar Petersson bland annat beror på ett dedikerat fokus mot just fordonsindustrin. Företaget samlar också kompetens både från bilindustrin och maskininlärningssidan, som skapar förståelse för den självkörande teknikens utmaningar.
– Det är två saker som är viktiga: dels att få den kvalitet som krävs i träningsdatan så att fordonet blir ett säkert fordon. Kvalitet och säkerhet går hand i hand. Sedan behöver man även göra det på ett effektivt sätt, stora datavolymer kostar mycket att processa så det gäller att ha effektiva verktyg som gör att man kan sänka kostnaden men ändå behålla kvaliteten, säger Oscar Petersson.
Utmaningen: Hur mycket kan man lita på sin självkörande bil?
Även om det dröjer många år tills vi kan knappa in vår destination i personbilen och sedan luta oss tillbaka, är det bråda dagar för Annotell, som även arbetar med att förbättra den aktiva säkerheten i dagens bilar. Tekniken som används är i princip den samma.
– En intressant utmaning i branschen relaterat till detta är att förklara för bilisten när tekniken är mogen nog, så att vi kan gå från att köra bil till att bli körd. Gemene man kan lätt överskatta teknikens förmågor, så det är viktigt att det inte finnas några gråzoner vad som gäller, säger Oscar Petersson, som menar att det är stor skillnad mellan att en bil kan identifiera var markeringarna för vägen går, och att kunna lita på bilen fullt ut och låta den styra själv.
– Många försöker göra distinktionen mellan förarstöd och självkörande mer tydlig för konsumenten. Litar man på systemen i högre utsträckning än man borde kan bli farligt. Den gränsdragningen är en utmaning som branschen står inför, hur förmedlar man i vilken grad man kan lita på sitt system?
