Huikeaa salapoliisityötä, kiitos kaikille vastanneille!
Vahvasti jäi tästä tunne, että tällä alalla saattavat nuo sertit olla määräävässä asemassa sen suhteen, mikä laite autoon asennetaan, riippumatta siitä, mikä on teknisesti paras ratkaisu. Toivotaan, että SE kykenee aikanaan nostamaan serttinsä Seeing Machinesin tasolle - tuosta SM:n raportista jäi varsin vahva käsitys, että tosissaan D-luokkaa vaaditaan DMS:ltä, eikä kyseessä välttämättä ole täysin triviaali ja helppo tehtävä softan taikka kamerateknologian osalta. Liekö SE viestittänyt mitään tulevaisuuden serttisuunnitelmistaan?
Nämä sensori- ja teknofirmat ovat kyllä yleisesti varsin mainioita aloja sijoittajalle, koska markkinaa on globaalisti varsin rajattomasti ja suurin kasvu tullaan näkemään vasta tulevilla vuosikymmenillä. Varsin kivutonta on ollut istua esimerkiksi kotimaisen Vaisalan kyydissä, kun tietää, millä tahdilla data ja asioiden mittaaminen yleistyy.
Avanzalla on jokunen viesti siitä, että joku taho on ostellut osaketta pari päivää 500 kappaleen eriä ja pelkästään eilen 61 000 osaketta. Ja spekulaatiota, onko sattumaa kun näin lähellä osaria. Nää on näitä avanzan tyypillisiä keskustelunaiheita, mutta mainittakoon kuriositeettina ja pienenä viihdepläjäyksenä viikonlopun kunniaksi.
Vielä tähän ASIL-keskusteluun muutamia sekalaisia havaintoja.
Smart Eye esitteli v. 2018 DMS:n, joka sisälsi OmniVisionin kehittämän kuvasensorin (OV2311), jossa oli Global shutter- kennotekniikka ja ASIL-B-luokitus
OmniVision’s new OV2311 is the industry’s first 2-megapixel sensor with global shutter and an ASIL B rating in a small package
Tuon ISO 26262 -standardin tiukimmalla ASIL D-tasolla käsittääkseni vaaditaan, että autojen elektroniikkajärjestelmä toimii, vaikka yksi komponentti pettäisi. Tämän takia järjestelmiin on siten rakennettava kahdennettu varmistus (reduntanttinen järjestelmä eli tärkeät komponentit kahdennettu). => ASIL-D tasolla mm. turvatyynyt, jarrut, ohjaus
Infineon julkaisi jo 2014 anturin, joka täytti ASIL-D tason vaatimukset ja Infineonin kaksoisanturitekniikan (flip chip) ansiosta tarvittiin vain yksi anturipiiri. Näin voitiin valmistaa aiempaa pienikokoisempia järjestelmiä, jotka täyttävät ASIL D-vaatimukset.
=> Tänä vuonna julkaistu Infineonin Aurix “Infineonin AURIX™ is the first embedded safety controller worldwide to be ASIL-D certified according to ISO 26262:2018”
2018 julkistettu Cadillacin CT6-malli oli ensimmäinen automalli, jonka Super Cruise -järjestelmässä oli mukana Seeing Machinesin Fovio DMS. SEE oli kehittänyt Fovion yhdessä Xilinxin kanssa. Nyt Seeing Machinesin uudessa kolmen pilarin strategiassa Fovio anturi muodostaa strategian ensimmäisen pilarin.
The Seeing Machines FOVIO Chip (delivered in partnership with Xilinx) remains the highest performing, lowest cost market solution for standalone DMS vehicle integration and now represents nearly one-third of Seeing Machines booked business
Tuossa ketjun lisätyssä Hozar Berxodan kirjoituksessa syyskuulta 2019 todettiin Seeing Machines on saanut luokituksen ASIL-D. Näyttää siltä, että SEE ei ole kovin suurta ääntä tästä luokituksesta pitänyt. Tähän liittyen Proactiven sivuilla syyskuussa 2020 ilmestyneessä artikkelissa analyysitalo Cenkos vihjaa näin:
The firm’s ‘house’ broker, which rates the company at ‘buy’, said the Occula unit “significantly extends” the company’s technology lead, while the brand launch also demonstrated that the company is “stepping up its marketing, having kept relatively quiet about its technology development path for competitive reasons”.
Samoin ASIL-keskusteluun täsmennyksenä vielä, että jos ymmärsin oikein, niin tuo sertifiointi koskee aina laitteistosta ja ohjelmistosta koostuvaa kokonaisuutta. Pelkkää Smart Eyen ohjelmistoa irrotettuna laitteistosta ei siis edes voisi sertifioida. Tällaisesta sertifioinnista noissa yllä olleissa uutisissa tarkkaan katsoen puhuttiinkin:
Smart Eye and Omnivision today, Monday, introduced a turnkey DMS based on the first 2-megapixel image sensor. This product, the OV2311, is the first one to be ASIL B certified and global shutter, which is crucial for the coming RFQs.
Aiempien sertifiointien yhteydessä tuotetut aineistot toki helpottavat uusia sertifiointeja, kuten oheisessa vastauksessa kerrotaan:
This is why some technologies are described as “certifiable” rather than “certified”. For example, some real-time operating systems (RTOS) have versions that are delivered with a pack of evidence that can be used to support acceptance of a system they are used in. However, those operating systems are not certified for use in safety critical systems, since the evidence must be assessed in context of the overall requirements of each total system in which the RTOS is employed.”
Tässä varmaan näkyy se ero, että Seeing Machinesin ratkaisua on kehitetty tietyn laitteiston päälle, jolloin tuo kokonaisuus on paremmin sertifioitavissa.
Olen ATK-alalla töissä, mutta kuullut ASIL:ista ensimmäistä kertaa tänään, joten aika isolla varauksella nämä pohdinnat
Kyllä se ihan validi asia on automaailmassa. Jos et ole autojen kanssa ollut tekemisissä ja niiden turvallisuutta luovien laitteiden kanssa, niin on voinut mennä ohi. ASIL on automaailman SIL.
Joo, en tarkoittanut että tuo tekisi ASIL:ista mitenkään epävalidia tai marginaalista juttua, vaan ihan vain sitä, että minulla ei ole mitään syvällisempää tuntemusta tuosta aiheesta.
Toivotaan että diili tulee. Redis on nyt lisännyt Volkkarin base caseen täysimääräisenä, joten olisi märkä rätti kasvoille, jos se menisi sivu suun. Ehkä jo tiistaina ollaan vähän viisaampia tästäkin.
Rapsojen perusteella vaikuttaa siltä, että Redillä on tiedossa/nähtävissä näitä OEM-TIer-1 kilpailuvoittoja. Sitten kun on tiedossa, kenen Tier-1 kanssa Smart häärää, niin uskon tämän varmuuden johtuvan sieltä. Ainakin aikaisemmin tämä päätelmäketju on ilmeisesti toiminut hyvin.
From industry sources, we note that Smart Eye’s partner ST Microelectronics has won DMS awards from two major, global OEMs during Q2. We believe these two are Volkswagen, and possibly one major Japanese OEM like Toyota or Honda. While STM has more partners than Smart Eye, we think there could have been subtle related hints in Smart Eye’s Q2 report. Following a highly satisfactory outcome of the first round of procurements Smart Eye said the second wave is on its way with only minor delays from Corona. “Without anticipating the results of the next round of procurements, we can say that it continues to look very promising” In our view, this statement suggest that there is at least one deal won by a partner to be announced by Smart Eye during the coming months. Since Smart Eye is relatively slow in announcing its wins, the more time that pass, the better the odds, in our view.
Redis kyllä penkoo hyvin kaikkia mahdollisia signaaleja muodostaakseen kokonaiskuvan. Volkkarin voitosta voi kieliä re:n mukaan nämä yksityiskohdat:
Seeing Machines ilmoittaa kuumimmaksi markkina-alueekseen Japanin ja Korean
SeeMac on aivan hiljattain uusinut strategiaansa, joka muistuttaa enemmän SE:n strategiaa (voi kieliä heikosta menestyksestä)
SE:n TJ on esiintynyt ja kommentoinut hyvin luottavaisen oloisena
Astonin mainitsema, kumppani ST Microelectronics votti 2 merkittävää OEMia Q2:lla
Nämä jäi mieleen 12. päivä julkaistusta päivityksestä. Saattoi siellä olla muitakin perusteita.
Hyvät merkit ilmassa. Kyllä tämä silti hiukan jännittää, kun SE on noussut salkun toiseksi isoimmaksi sijoitukseksi. Koska design winnien valmistajien nimiä ei ole tapana kommunikoida, niin 100% varmaa vastausta tähän ei hetkeen liene tulossa, vaan käytetään luultavasti tuota Major European OEM tms. asian tiedottamisessa.
As humans, we can tell if a person seems tired, but it can be difficult to describe what we detect as the visual signs of drowsiness. That’s what an AI-algorithm can be trained to do by being fed large amounts of recorded data of drivers looking both tired and alert.
– And that is exactly what we do at Smart Eye, says Peter Rundberg. Only we might not primarily want to identify different types of animals in an image, but rather want the output to tell us in which direction a person is looking.
When training a network into correctly analyzing a person’s facial features, the process is roughly the same. But instead of images of animals, the system needs to be fed large amounts of images containing faces of different genders, ages and ethnicities.
En ole mikään AI asiantuntija, joten kysynpä täältä ketjusta. Onko tämä nyt niin että ne jotka ovat olleet alalla pisimpään ovat kohtuullisen vahvoissa asemissa ja uusien tulokkaiden on vaikea saada kehitystä kiinni koska neuroverkkojen opettaminen on aikaa ja resursseja vievää? Yritysostoilla tai ehkä kopioimalla voisi tietysti saada etumatkaa kurottua. Eli tässä mielessä on jonkinlaista moatia eli vallihautaa kenties SE:llä?
Olen viime aikoina hieman perehtynyt tekoälytekniikoihin.
Suositeltavaa luettavaa Antti Merilehto; Tekoäly: matkaopas johtajalle
Ja YouTubesta Risto Siilasmaan luento Machine Learning.
Näillä pääsee hieman jyvälle aiheesta, joka tulee muuttamaan tulevaisuutta.
Oppimani perusteella datan laatu on erittäin merkittävä neuroverkon opetuksessa, jopa datan määrääkin merkittävämpää. Sata kiloa kakkaa on sata kiloa kakkaa vaikka kuinka älykkäästi pöyhisi.
Datan annotointi on hieman vanhanaikainen tapa, kehittyneimmät neuroverkkomallit treenaavat itseään esim toisen neuroverkon tuottamaa aineistoa vastaan, jolloin opetus voi viedä esim 2-3h vs vuosien ihmistyö datan annotoinnissa.
Näitä todellisia koneoppimismalleja on toki helpoin luoda esim peliympäristöihin kuten Deepmind AlphaGo -tekoälyt, mutta jatkossa sovellettavuus muihin käyttökohteisiin lisääntyy.
AI-kenttä etenee nyt harppauksin, eksponentiaalisella käyrällä, jolloin jonain vuonna voidaan saavuttaa yhtä paljon uusia asioita kuin edelliseen vuoteen asti yhteensä, joten syvien vallihautojen saavuttaminen voi olla vaikeaa. Tekoälyn hyödyntämisen suurin uhka on mielestäni rajoittava ilmapiiri ja lainsäädäntö.
Neuroverkot ovat tosiaan “data greedy” metodi ja ne tarvitsevat paljon dataa, jotta algoritmi toimisi oikein. Smarty Eyen kohdalla luotettava ja mahdollisimman laaja-alainen data on erittäin tärkeää. Luotettavuudella tarkoitan käsin merkittyä (ihminen määrittää luokaksi väsynyt, juovuksissa jne) dataa, joka vie tietysti aikaa. Näiden databasen arvo kasvaa sitä myötä, mitä enemmän luotettavaa tietoa siellä on. Näitä varmasti varjellaan tarkasti, sillä onhan maailman suurin asset nykyään data
@P_Lynch:llä oli mielenkiintoinen pointti liittyen datan kategorisoimiseen koneen avulla. En tiedä, kuinka paljon halutaan käyttää koneen tekemää annotointia tässä yhteydessä luotettavuuden takia. Tämä voisikin olla juuri yksi “barrier-to-entry” alalle.
Toinen asia on tietysti itse malli, jonka kehityksen yksityiskohdista on vaikaea tietää. Alalla käytetään paljon “transfer learning” tekniikkaa, joka käyttää aiempien mallien tiettyjä osia samankaltaiseen projektiin. Toisaalta, mitä uniikimmasta ja spesifistä kohteesta on kyse, sitä vähemmän tätä voidaan hyödyntää. Tällöin aikaa menisi paljonkin neuroverkon kehitykseen, kun lähdetään täysin nollasta.
Kun on kyse silmistä ja kasvoista ollaan alueella, jolla tekoälytekniikoita on kehitetty pisimpään. Joten periaatteessa uusia kilpailjoita voi kyllä ilmestyä lähivuosina vaikkapa jonkin yliopiston tutkimusryhmän spinoffina.
