Volvo låter Waymo ta ratten

Snyggare och effektivare i solen

Den svenska solcellsstoltheten – Midsummer i Järfälla – har tagit ytterligare effektivitetskliv i sommar. Dels har företaget lanserat en ny teknik för kontaktering som ökar solcellernas effekt och samtidigt ger ett mer diskret utseende, och dels har det presenterat sin första 500 Watts-solpanel.

Tekniken som Midsummer lanserat kallas Power Mesh Technology. De linjer som annars tydligt syns på solcellerna är ersatta av ett tunt och tätt rutnät.

Det fina rutnätet gör att den resistiva förlusten i solpanelerna minskar. Samtidigt banar det väg för en högre ström, eftersom rutnätet skuggar den aktiva ytan mindre än de tjockare linjerna tidigare gjort. Enligt Midsummer ökar förändringen den genomsnittliga moduleffekten med upp till 10 procent.

SAMTIDIGT PÅPEKAR företaget att solpanelerna blir ännu mer attraktiva. Redan tidigare har ett

Volvo Car Group och Waymo ska utveckla en plattform för eldriven robottaxi.

Waymo blir Volvos exklusiva partner för självkörning på

SAE-nivå 4.

Den nya plattformen kommer att utrustas med Waymos AI för självkörning. De två företagen har inte presenterat någon färdplan för projektet. –Vårt globala partnerskap med Waymo öppnar upp nya och spännande affärsmöjligheter för Volvo Cars, Polestar och Lynk & Co, säger Henrik

Green, teknikchef på Volvo Car

Group. –Partnerskapet med

Volvo Car Group bäddar för att Waymo Driver ska kunna sjösättas utomlands under kommande år, säger Waymos

Midsummer Magnum ger klart bättre effekt per kvadratmeter än företagets tidigare solpaneler.

säljargument för de svenska solpanelerna varit deras utseende – de har ansetts vara diskreta vid en jämförelse med alternativen. –Att de nu blir ännu mer visuellt osynliga och effektiva känns väldigt lovande. Vi tror och hoppas att detta kommer fordonschef Adam Frost.

En robottaxitjänst kräver fordon som klarar att genomföra kompletta resor från start till mål. Detta motsvarar den självkörningsnivå som den amerikanska organisationen

SAE kallar Level 4.

Amerikanska Waymo är det företag som anses ha kommit längst i utveckling av artificiell intelligens för detta. Företaget bedriver sedan flera år utveckling av AI för självkörning i ombyggda Chrysler Pacificabilar.

SOMMAREN 2018 var Waymos framtidsplan att bygga om 62 000 Fiat Chrysler Pacifica

Hybrid minivans och 20 000 elbilar från Jaguar Land Rover till robottaxibilar. Waymo har dessutom ett samarbete med att skapa ett ännu större intresse för våra produkter, säger Sven Lindström, vd på Midsummer i ett pressmeddelande.

YTTERLIGARE EN NYHET från företaget i sommar är Magnum – här talar vi inte om en glass, utan om Renault Nissan Mitsubishi Alliance.

Waymo lyckades samla ihop tre miljarder dollar i en investeringsrunda tidigare i år.

Amerikanska apptaxiföretaget Uber utvecklar sin egen självkörningsteknik på ombyggda Volvobilar och Volvo kommer att fortsätta leverera bilar till det projektet.

Volvos eget projekt för L4-självkörning är kraftigt försenat. Det skulle ha startat redan år 2017. I april uppskattade Hans Green att det kanske är moget år 2022. en gigantisk solpanel som kan leverera 500W, döpt till Magnum Midsummer. Panelen är tänkt för byggnader med stora ytor och den ger företagets hittills klart bästa effekt per kvadratmeter.

ANNA WENNBERG

Volvo väljer Waymos självkörning

Volvo har även självkörningssamarbeten med Uber och Baidu.

anna@etn.se

Vad gäller självkörning som förarassistansfunktion snarare än robottaxi, bedriver Volvo också ett sådant projekt.

VOLVO OCH VEONEER gick skilda vägar i april efter att tidigare haft en gemensam självkörningsutveckling i bolaget Zenuity. Volvo kommer att fortsätta utveckla självkörning i sin halva av Zenuity. Men där handlar utvecklingen alltså om förarassistans (ADAS) snarare än om robottaxi.

JAN TÅNGRING

jan@etn.se

Enkelkrökt yta förenklar antennmätningarna

Fungerar antennen på biltaket som tänkt eller påverkas den av karossens utformning? Idag får man köra runt med fordonet för att besvara frågorna. Göteborgsföretaget Ranlos har utvecklat ett antennsystem som gör att testerna kan flytta in i labbet.

Grundidén är att det ska vara enkelt att använda, enkelt att sätta upp och kostnadseffektivt. Man ska inte behöva dyra mätrum eller kammare utan kan använda existerande utrymmen, säger Lars Granbom, vd på Ranlos.

Kunderna kan vara fordonstillverkare som redan har en mätplats i form av ett skärmat och dämpat rum eller bara ett tält som skyddar mot väder och vind. Genom att addera Ranlos antennsystem får de möjlighet att göra mätningar som efterliknar körning på landsväg. –Mätningarna ska vara bra nog för att en utvecklingsingenjör ska ha nytta av dem.

Genom att snabbt kunna testa hur bra en ny antenn fungerar eller studera hur en modifiering av karossen påverkar antennens egenskaper förenklas utvecklingsarbetet. Dessutom kan mätningarna användas för att verifiera simuleringar som ligger till grund för utformningen och placeringen av antennen.

IDAG ÄR DET VANLIGT att man kör runt med fordonet i olika miljöer för att se hur bra antennerna är. Metoden är tidsödande och garanterar inte heller att resultatet blir heltäckande.

Ett alternativ är att studera de två ytterligheterna, fri sikt till mobilmasten – som på en landsväg – respektive många olika signalvägar mellan mobilmast och fordon – en miljö man hittar i storstäder med höghus. –Det senare går att emulera i en modväxlande kammare, det är det som Bluetest håller på med. Den andra ytterligheten, att det bara finns en signalväg, det är den miljön vi skapar i Ranlos, säger Jan Carlsson.

Medan Bluetest firar 20 år i år startade Ranlos så sent som 2016. Men idén är äldre och resonemanget om de två ytterligheterna presenterades i en vetenskaplig artikel av PerSimon Kildal och Jan Carlsson år 2013. –Testar man en mobiltelefon, en bil eller vad det nu kan vara och den fungerar bra i de två ytterlighetsmiljöerna så verkar det rimligt att den fungerar i alla andra miljöer. Verkligheten ligger någonstans däremellan, säger Jan Carlsson.

S O M A L LT I D M E D NY T E K N I K räcker det inte med att den är billigare eller enklare att använda. Man måste också övertyga de potentiella kunderna om att den ger minst lika bra resultat som den befintliga.

Lars Granbom är Civilingenjör från Chalmers med en bakgrund inom mikrovågsteknik. Han har sedan 1999 jobbat med PerSimon Kildals produkter från bland annat Comhat, Bluetest och Gapwaves. Madeleine Schilliger Kildal är dotter till PerSimon Kildal och har doktorerat på tekniken som ligger till grund för Ranlos. Jan Carlsson är adjungerad professor i antenngruppen på Chalmers.

–Det är en tröskel man måste övervinna. Bluetest hade det problemet, det de gjorde på ett smart sätt var att de var med i olika standardiseringsorgan för att få med sin metod som ett alternativt sätt att mäta på. Vi har lite samma utmaning.

Företaget har bland annat fått stöd från FFI för att driva ett projekt med Lunds universitet, forskningsinstitutet Rise, Volvo Lastvagnar och Volvo Cars där

BAKGRUND

Ranlos, eller Random Line of

Sight som namnet ska utläsas, grundades 2016 och håller precis på att ta steget från utveckling till kommersiell verksamhet. Verksamheten har framförallt finansierats av mjuka pengar från bland annat

Vetenskapsrådet och Vinnova men också lån från Almi och SEB tillsammans med Exportkreditnämnden, EKN.

Tekniken bygger på framlidne professorn Per-Simon Kildals forskning på Chalmers. Han ligger bakom företag som Comhat,

Bluetest och Gapwaves.

Ranlos har idag tre anställda men tar också hjälp av konsulter och doktorander.

Omsättningen är än så länge väldigt låg, enbart två system har sålts till distributörer i Japan och Sydkorea för att dessa ska kunna demonstrera tekniken.

Tekniken fungerar även på mindre objekt som exempelvis mobiltelefoner, då behöver man normalt mäta i tre dimensioner genom att vrida mätobjektet i alla riktningar.

Enkelkrökt yta förenklar antennmätningarna

man testar tekniken praktiskt.

Uppställningen som används på Volvo klarar frekvenser upp till 6 GHz och är 4,2 meter bred, 3 meter hög och 2 meter djup. Den går lätt att rulla in i mäthallen när den ska användas.

SYSTEMET ANVÄNDS för att mäta antenndiagram samt för att göra aktiva mätningar, dvs att koppla upp ett samtal med hjälp av en basstationssimulator och sedan mäta hur bra det fungerar, i praktiken vad det blir för datahastighet. –Att uppkopplingen är enkel att använda innebär att man kan ändra lite och göra om mätningen. Det tar inte mer än några minuter. På så sätt kan man lära sig hur olika åtgärder påverkar funktionen. Det är nästan omöjligt att göra om man inte har mätmöjligheten nära utvecklingsavdelningen, säger Lars Granbom och fortsätter: –Vi har också fått väldigt bra stöd från Vinnova, vilka har beviljat oss tre bidrag, nu senast från Smartare Elektroniksystem.

Ranlos har även utvecklat en variant för 28 GHz. Den kortare våglängden gör att utrustningen är mindre, bara 80 cm bred, 60 cm hög och 30 cm djup. Den är framförallt tänkt för 5G-mobiler som är på god väg att börja nyttja det högre frekvensbandet.

Förutom antennmätsystemet har företaget en mjukvara för att styra instrument och vridbord, mjukvaran används även för att analysera och plotta mätdata. Exempelvis kan man få antenndiagram i vertikal och horisontell led men också maximal och minimal förstärkning, ta reda på var nollställen finns och annat som kan vara av intresse. –Vi håller på att ta fram fler möjligheter att analysera mätdata. Vi tar fram den information kunderna är intresserade av, säger Jan Carlsson.

HITTILLS HAR FÖRETAGET sålt två system för 28 GHz till sina distributörer i Japan och Sydkorea. Systemen används för att demonstrera lösningen för potentiella kunder. Dessutom samarbetar Ranlos med tyska Frankonia som säljer och bygger kompletta mätrum. Antennmätsystemet är en del av deras sortiment. –Vi har också ställt ut mätsystem som används för demonstrationer, säger Lars Granbom.

Tilläggas kan att det finns beviljade patent som skyddar tekniken i ett antal länder plus patentansökningar som ännu inte är klara. PER HENRICSSON per@etn.se

FAKTA

Skapar en plan våg

För att efterlikna körning på landsväg måste avståndet mellan bilen och antennen som skickar ut testsignalen vara tillräckligt stort för att den elektromagnetiska vågen ska hinna bli plan. Avståndet bestäms bland annat av frekvensen och storleken på antennen (aperturen).

Det är här som Ranlos kunnande kommer in. Företaget har utvecklat ett kompakt antennmätsystem som genererar den plana vågen. Det består av en enkelkrökt yta i form av en cylindrisk reflektor. Från sidan liknar den bokstaven c där det finns ett antal antenner vid foten, vilket också utgör fokallinjen.

Antennerna exciterar reflektorn som skickar ut en plan våg mot testobjektet. Beroende på hur stort testobjektet är går det att sätta flera reflektormoduler bredvid varandra för att skapa ett större mätområde.

För matningen används så kallade Bowtie-antenner som det finns mycket kunskap kring på Chalmers. Antennerna är så pass bredbandiga att det bara behövs tre uppsättningar för att täcka frekvensområdet från 750 MHz till 6 GHz. För 28 GHz används en array med 64 patchantenner (etsade antenner).

En finess med Ranlos lösning är att fokallinjen (fascentrum) för reflektorn finns på samma ställe oberoende av frekvensen, vilket gör det enkelt att byta antennerna.

Lösningen liknar en så kallad kompaktmätsträcka men blir billigare. – I kompaktmätsträckor använder man ofta en dubbelkrökt reflektor vilket är mer komplicerat att tillverka och därmed dyrare. Där är det också väldigt noga hur man positionerar reflektorn och antennen som exciterar den, säger Madelene Schilliger Kildal.

Hon har varit industridoktorand i Per-Simons grupp på Chalmers och har tillsammans med andra doktorander gjort mycket av det arbete som utgör grunden i Ranlos. Från början skedde arbetet på Bluetest innan verksamheten lades i ett separat bolag i form av Ranlos. – Då flyttade jag med.

Ranlos antennmätsystem kopplas till en nätverksanalysator eller basstationssimulator. Fordonet placeras på en vridplatta och fältet eller kommunikationen loggas samtidigt som fordonet vrids 360 grader.

Därefter kan resultatet presenteras på lämpligt sätt.

Tekniken fungerar även på mindre objekt som exempelvis mobiltelefoner eller IoT-noder, då behöver man normalt mäta i tre dimensioner genom att vrida mätobjektet i alla riktningar eftersom man inte vet hur objektet är orienterat relativt basstationen.

Snarlikt GPS fast inomhus

Lundaföretaget Combain Mobile har utvecklat en metod som automatiskt ger dig din position inomhus när du vandrar genom en byggnad med en Androidmobil. Nu ska företaget ta nästa steg. I ett nystartat Vinnovaprojekt är målet är att utveckla ett självlärande system som skapar inomhusnavigering i alla byggnader i världen.

Det vi forskar på nu är att se om det går att automatiskt skapa en självuppdaterande inomhuskarta utifrån alla radiomätningar som görs när individer går igenom en byggnad. Dessutom tittar vi på att med maskininlärning karakterisera vilken typ av byggnad det är, säger Björn Lindquist, vd på Combain Mobile.

För fem år sedan började företaget att titta på inomhuspositionering. Det första steget togs inom ett Vinnovafinansierat projekt tillsammans med matematikinstitutionen på Lunds tekniska högskola, LTH.

TILLSAMMANS HAR DE utvecklat metoder att skapa tidsstämplade rörelser. De tar hjälp av de inbyggda sensorerna i mobilen – stegräknare, gyron och accelerometrar – och känner på så sätt av hur en individ rör sig. Samtidigt beräknar de hur radiomiljön i byggnaden ser ut, exempelvis var olika wifi- och Bluetoothenheter sitter. Den uppmätta radiomiljön används för att positionera. –På så sätt skapar vi automatiskt en 3D-positionering inomhus bara genom att du går i en byggnad och använder en app med vårt SDK. Det bygger på mycket data och blir ett optimeringsproblem. –När vi sen gjort en byggnadsmodell erbjuder vi, på vår hemsida, ett enkelt API för positionering. Där skickar man in radiodata och beräknar var det är mest sannolikt att enheten befinner sig, på vilket våningsplan, inom vilket område och med vilken noggrannhet.

Combain Mobile har precis börjat leverera ett SDK – baserat på resultatet från det nämnda projektet – till kunder inom industrin, bland annat ett välkänt byggföretag.

NU ÄR FÖRETAGET – som ligger i Ideon och har 11 anställda – inne på sitt andra stora utvecklingssteg. Även det får starthjälp av Vinnova genom ett projekt som började i april i år och pågår till juni nästa år. Inom det ska Combain Mobile tillsammans med matematikcentrum på LTH utveckla självlärande inomhusnavigering som automatiskt kan karakterisera byggnader enbart med hjälp av vanliga mobiltelefoner. –Vi tänker oss, precis som tidigare, att det skapas ett track (spår) när man går genom en byggnad med en Androidmobil. När vi fått tillräckligt många track kan vi se hur personer rör sig i byggnaden. Då kan vi börja titta på rörelsemönster.

En viktig pusselbit i projektet är den nya standarden WiFi RTT, som är en del av positioneringsstandarden IEEE väggar ännu bättre. Vi får 802.11mc. punkter för hur man går,

Hittills har Combain var väggarna finns och Mobile använt sig av var accesspunkterna är. signalstyrkan för att Det första mobilberäkna avståndet meloperativsystem att stödja lan en wifi-accesspunkt WiFi RTT var version och en mobil. Det ger en Björn Lindquist 9 av Google Android, ganska brusig mätning eftersom därefter har Android 10 också signalstyrkan beror av studsar kommit. mot väggar och annat. En nog–Google Pixel är några av de grannhet bättre än tio meter är i mobiler som idag har stöd för det närmaste omöjligt att nå. RTT, så vi använder dem för att

Den nya standarden tillåter utvärdera det vi utvecklar men istället att avståndet mäts i tidsvi håller oss till det som blir domänen; alltså tiden det tar för standard. Annars går det inte att ett meddelande att skickas från skala upp utan en speciell infraen accesspunkt till en enhet och struktur, och det vill vi inte ha. tillbaka. Därmed går det att nå en noggrannhet på under en meter. DETSAMMA GÄLLER accesspunk–Kan vi mäta i tidsdomänen terna. I nuläget har enbart ett och även signalstyrkan borde fåtal accesspunkter stöd för den vi exempelvis kunna estimera nya standarden. Även här ligger

Inomhusnavigering med wifi RTT och Bluetooth-beacons kombinerat med sensorer.

Mål: Självlärande inomhuskarta.

Google långt fram med sitt Google WiFi. –Vi vet däremot att alla chipset som lanseras nu är kompatibla med RTT-standarden, påpekar Björn Lindquist.

Under projektets första månader har fokus legat på att skaffa de verktyg som behövs för att kunna samla in data. –Det är så långt vi kommit. Nu har vi bra klienter och efter sommaren ska vi börja samla in data från ett par byggnader.

En utmaning är hur data ska samlas in på ett effektivt sätt. Två miljöer som ligger nära till hands att börja med är det egna kontoret och universitet. –En idé vi har är att ta hjälp av studenter för att samla in data. För det behöver vi även ta fram en app som de kan kommunicera med och specificera var de verkligen befinner sig när de går runt, säger Björn Lindquist, och förtydligar: –För maskininlärning måste man ha en stor mängd data, men också ett facit för att kunna avgöra hur bra det blev.

TANKEN ÄR AT T universitetsmiljön kan ge ett ganska tydligt rörelsemönster. Många studenter strömmar in vid samma tid på morgonen, och kvart över åtta börjar föreläsningen. I pausen fikar många, kanske går de till en kaffeautomat utanför, och vid ett visst klockslag går de till matsalen och så vidare. Rörelsemönstret kan sedan användas för att identifiera vad det är för typ av lokal eller verksamhet.

När höstterminen drar igång kan förhoppningsvis datainsamlingen börja. Därefter går det ganska fort tills att en första utvärdering kan börja. –Säg att vi har tio mobiler som används ordentligt under två veckor. Då börjar vi få ett bra urval att starta med, säger Björn Lindquist.

Målet är att kunna visa att detta fungerar i juni nästa år när det pågående projektet avslutas. Då ska det även finnas en prototyp framme som gör att en kund kan testa konceptet. –Men det kommer inte att vara en färdig global produkt då, utan fem år är en rimlig tidsram. Under den tiden kommer det dessutom att bli ännu fler radiosignaler i luften. Bluetooth stoppas in i alla enheter, från tv-apparater, till kaffemaskiner och printrar, och det är jättebra för oss.

PÅ SIKT VILL Combain Mobile karakterisera ett antal typer av byggnader där många människor rör sig, exempelvis sjukhus, kontor och skolor. Men det kan också vara andra byggnader med stora ytor där man vill ha en positionerings- och navigeringslösning utan att addera infrastruktur, exempelvis byggarbetsplatser där inomhusmiljön hela tiden förändras. –Det är där denna typ av system behövs. Vi tänker oss att det blir som GPS inomhus.

ANNA WENNBERG

anna@etn.se

HISTORIK

Från forskningsprojekt till navigering

Tekniken som Lundaföretaget Combain Mobile utvecklar har rötter i ett forskningsprojekt på Sony Ericsson. Redan från början – för mer än tio år sedan – var tanken att utveckla en teknik som kan positionera mobiltelefoner på ett mer strömsnålt sätt än att använda GPS.

–Vi kom med idén att det nog går att positionera med radio och någon form av triangulering, eller trilaterering som det heter, om man känner alla basstationer, säger Björn Lindquist, idag vd på Combain Mobile, men då anställd på Sony Ericsson och en av de drivande i forskningsprojektet.

Konsultföretaget Combain Consulting var vid det laget starkt involverat i forskningsprojektet. –Jag tyckte att idén var väldigt spännande, så 2009 hoppade jag av Sony Ericsson och blev vd för konsultbolaget. Därefter startade vi om och bildade ett produktbolag, berättar Björn Lindquist.

SEDAN DESS har företaget – Combain Mobile – utvecklat en teknik som kan positionera med radio globalt. Till en början användes enbart basstationer, för det var enklast, men idag tar lösningen hjälp av allt som finns tillgängligt i luften, från wifi, Bluetooth och GPS till annan radioteknik. –Vi crowdsourcar via många miljoner radioenheter som samlar in data för alla radiosändare. Sen bygger vi en modell över radioutbredningen hos varje radiosändare. När en mobil eller annan enhet känner av en radiosändare används modellen för att beräkna var det är mest troligt att den befinner sig.

I våras valde Combain Mobile att ingå ett samarbete med den amerikanska konkurrenten Skyhook. –Skyhook stämde oss för patentintrång, men trots att vi inte bröt mot några patent är det mycket dyrt att behöva försvara sig i USA. Vi valde istället att förhandla och i mars fick vi till ett samarbetsavtal, förklarar Björn Lindquist.

TIDIGARE HAR DE två företagen konkurrerat med var sina lösningar för global wifi-positionering utomhus. För det svenska företaget var det en förhållandevis liten del av verksamheten, för Skyhook är den stor.

Det färska avtalet innebär innebär att Combain Mobile framåt använder Skyhooks wifi-positionering utomhus. Samtidigt använder båda företagen den svenska wifipositioneringen inomhus. Till detta kommer att båda utnyttjar egna lösningar för annan radioteknik, som exempelvis Bluetooth och Lorawan. –Vi har valt att fokusera på det vi anser är mest problematiskt. Utomhus finns GPS, men inomhus finns ingen möjlighet att använda GPS eller andra metoder för att exempelvis få en position och information om vilken våning du befinner dig på, säger Björn Lindquist och konstaterar: –Vårt fokus är idag smart inomhusnavigering.

AW

Eneryield ser störningar nalkas

Årsgamla Eneryield ser stor potential i sina maskininlärningsalgoritmer. Dels vill företaget använda dem för att kunna föreslå en grundorsak till olika störningar i elnätet, och dels för att förutspå hur elkvaliteten i nätet kommer att förändras.

Trots att Eneryield är mycket ungt har företaget redan hunnit etablera ett samarbete med Unipower, som erbjuder automatiserade system för oavbruten kontroll och mätning av elförsörjningen. –Just nu tittar vi på hur vi kan integrera våra algoritmer i Unipowers analysverktyg som olika elnätsbolag använder, förklarar Erik Berggren, medgrundare till Eneryield.

Företaget har flera egenutvecklade algoritmer för maskininlärning där en kan klassificera och hitta grundorsaken till störningar i ett elnät. Det kan exempelvis vara olika typer av spänningsdippar, övertoner eller transienter.

I ett projekt med organisationen Energiforsk har Eneryield fått ta del av elkvalitetsdata som elnätsbolagen Göteborg Energi, Härryda Energi, Eon och Jämtkraft samlat in från olika punkter i sina nät. Det är data som elnätsbolagen ofta själva tittar på för att försöka komma fram till varför olika störningar skett. Tills nu har analysen främst skett manuellt, med andra ord är det en långsam process där resultatet är baserat på personalens erfarenhet och kompetens.

ENERYIELD HAR KUNNAT visa att det med väldigt hög noggrannhet kan ange vilken typ av störning det handlar om genom att i detalj analysera vågformen hos en störning. Hittills har företaget bland annat lyckats identifiera grundorsaken till en mängd olika spänningsdippar. –Det gör att vi tror att vår algoritm kan skapa ett stort värde genom att den automatiskt föreslår vad en störning beror på, om det till exempel är en motorstart, ett blixtnedslag eller

Grafen visar hur Eneryield kan höja kvaliteten i elnätet med maskininlärning. Den blåa linjen visar en ”störning”, mer specifikt övertoner. Idag används kompensatorer och aktiva filter för att minska amplituden på störningen. Den röda linjen visar prestanda på nuvarande lösningar. Den gula linjen visar när Eneryield har tillämpat sin metod, som nära nog eliminerat störningarna.

något annat som orsakat marknaden, avslöjar Erik den. Det gör att man kan Berggren. åtgärda störningen, och Den andra algoritmen även komma fram till vem som Eneryield bygger som har ansvar för den, sin verksamhet kring säger Erik Berggren, och kan förutspå elkvaliteten påpekar: –Tidigare har det inte Erik Berggren i nätet. Det handlar om hur spänning och ström varit möjligt att automatiskt kommer att förändras under föreslå orsaker till elkvalitetsde närmaste millisekunderna störningar. vilket kan användas för att styra

Samarbetet med Unipower exempelvis elkvalitetsfilter som handlar om just detta. Idén är att kompenserar för störningarna. addera mjukvara till de analysverktyg som elnätsbolagen redan FÖRETAGETS ALGORITMER bygger idag använder för att övervaka på olika maskininlärningsmetosina elnät. der. För grundorsaksanalys och –Vi vill verka för att existeranklassificering av elkvalitetshände elkvalitetsmätare kan hantera delser används djupa neuronmer effektiv analys och föreslå nät, tränade på stora mängder grundorsaken till en störning. historiska data. Även för att

I skrivande stund är de två förutse elkvalitet används denna företagen i full färd att utveckla typ av neuronnät, men här krävs en produkt som de sedan ska sofistikerade förbehandlingssteg, lansera tillsammans. och en mer komplex neuron–Där är vi väldigt nära arkitektur.

En prisad nykomling

Lite drygt ett år efter det att Eneryield grundats kan företaget stoltsera med vinst i tre prestigefulla tävlingar: ABB:s Dragon’s Den, Venture Cup och Skapa.

I september förra året kom den första vinsten. När Venture Cup – Sveriges största tävling för entreprenörer – rundades av tog Eneryield plats på prispallen. Företaget knep titeln ”Impact Maker”, som är en av tävlingens sex kategorier.

Två månader senare kammade företaget hem den andra vinsten, ABB:s Dragon’s Den. Där tävlade Eneryield mot 20 andra startups från fem länder. Första priset var ett samarbetsprojekt med ABB värt 300 000 kronor och ett medlemskap i ABB:s tillväxthub Synerleap.

Den senaste vinsten kom i år, i juni. Då blev det klart att Eneryield genom att vinna en regionalfinal kvalificerat sig till den nationella finalen av Skapapriset; närmare bestämt den del som ges till unga innovatörer kallad Skapa-Talang. Eneryield är ett av två företag som Västra Götalands län skickar till Sverigefinalen av Skapa-Talang som går av stapeln i Stockholm den 12 november, då även det stora Skapa-priset delas ut. AW

För att kunna dra nytta av den sistnämnda algoritmen behövs större beräkningskraft än vad som idag går att uppbringa ute i elnätet. Därför har Eneryield börjat utveckla en hårdvara, ett analysverktyg kallat Enerbox. Det handlar om en liten dator som kan mäta ström och spänning och beräkna lokalt. –Vår algoritm kräver en viss samplingshastighet och en viss beräkningskraft. Där kommer Enerbox in. Den kommer att ha den beräkningskapaciteten som krävs och kan mäta elkvalitet med tillräcklig upplösning.

På sikt tror företaget att Enerboxen kommer att kunna användas i flera olika tillämpningar men än så länge har företaget koncentrerat sig på aktiva elkraftsfilter. Där har det också ett samarbete med ett industriföretag.

Aktiva elkraftsfilter används för att kompensera för störningar på elnätet. Å ena sidan kan de skydda en fabriks eller ett sjukhus elkvalitet så att känsliga instrument inte drabbas av störningar. Å andra sidan används de i kombination med utrustning som skapar störningar för att skydda elnätet. –Vi har fått tillgång till riktiga data från ljusbågsugnar, som är en väldigt krävande maskin för elnätet eftersom de skickar ut mycket oberäkneliga störningar. Vi har konstaterat att vår teknik kan få aktiva elkvalitetsfilter att höja sin prestanda rejält.

DAGENS AKTIVA elkvalitetsfilter behöver vanligtvis två spänningscykler, eller 40 ms, på sig för att reagera på en förändring i elnätet. Eneryield förutspår kommande förändringar i nätet, vilket gör att filtret kan göras betydligt effektivare. –Hittills har vi kunnat förutspå upp till 30 millisekunder, säger Erik Berggren.

Trots att Eneryield är ett rent mjukvaruföretag har det insett att det måste utveckla hårdvara, åtminstone till en början. –Maskininlärning är inte riktigt etablerat, och idag är det inte alltid möjligt att applicera våra metoder där vi tror att det kan skapa värde. Därför är Enerboxen nödvändig för att vi ska kunna bevisa att detta är något som tillverkare av kraftelektronik borde satsa på.

Till sommaren nästa år ska en prototyp vara klar att börja testats i samarbete med en tillverkare av aktiva elkvalitetsfilter.

Tanken är att Enerboxen installeras framför filtret. I boxen finns sensorer som mäter strömmen och spänningen plus en processor som kör algoritmen. Ut kommer en predikterad börsignal i analog form som styr det aktiva elkvalitetsfiltret.

För att detta ska vara möjligt måste enheten dock först få lite träning. Den placeras ut i fält och skapar där något som kallas Grid Model – den lär sig helt enkelt beteendet av elnätet på en viss plats. Ju längre den finns på plats, desto bättre blir den. När den har lärt sig elnätets beteende kan den börja förutspå. Det är så den fungerar, enkelt beskrivet.

ANNA WENNBERG

anna@etn.se HISTORIK:

Från projekt till företag

Embryot till Eneryield var ett projekt på Chalmers Entreprenörsskola år 2018 med namnet

Deepest. Våren 2019 grundade personerna bakom Deepest företaget Eneryield; ett namn tänkt att bättre spegla vad de verkligen sysslar med.

Eneryield har fem grundare, varav två doktorerar på Chalmers i Göteborg. Karl Bäckström doktorerar inom maskininlärning på institutionen för Datavetenskap, medan Ebrahim Balouji är expert på elkvalitet och doktorerar inom signalbehanding på Elektroinstitutionen. De har utvecklat nya metoder för att analysera elkvalitet – spänning och ström – med maskininlärningsmetoder.

Övriga medgrundare är Erik

Berggren, Isac Kärrman och

Johan Rådemar – alla tre har gått Chalmers Entreprenörsskola. Företaget startade för att kommersialisera den teknik som de två forskarkollegorna utvecklat på Chalmers.

Eneryield ingår i Chalmers

Ventures acceleratorprogram och sitter likt många Chalmersanknutna innovationsföretag i

Stena Center, på universitetets område.

One-stop shop for product testing

CLIMATIC TEST

MADEBYDELTA.SE

MECHANICAL TEST IP & CORROSION TEST EMC TEST ELECTRICAL SAFETY

Snart är den slut, AI Mee, en treårig öppen testbädd inom robotik och autonoma system på Örebro universitet. Men sörj inte, för labben permanentas och projekten går vidare under ny flagg.

Utbytet av testbädden blev överraskande brett, enligt koordinatorn Amy Loutfi, professor i datavetenskap på Örebro universitet. –Det blev en större spridning av industriella tillämpningar i AI Mee än vi hade trott. Det blev en aptitretare som demonstrerade vilka stora möjligheter som finns i regionen.

Amy Loutfi lyckas klämma in ett telefonsamtal med Elektroniktidningen, trots att hon är tyngd under sitt arbete i omstartskommissionen efter corona. –Det här är verkligen en intensiv arbetsperiod, pustar hon under promenaden till nästa möte.

Hon sitter i kommissionen i egenskap av ”Sveriges främsta expert inom digitalisering”. AI Mee är ett autonomi-för-alla i regionen. Företag som undrar om de möjligen kan ha ett

JESPER ERIKSSON

AI och autonomi för örebroare Hennes testbädd blir kvar

Bättre kartor när robotar ritar tillsammans

Två autonoma robotar ritar tillsammans upp en semantisk 3D-karta över Örebro universitet. Deras sensorer och maskininlärning fyller vita fläckar på kartan. Klassisk AI gör en rimlighetskoll och sammanställer.

En rullande robot vill parkera och ber sin kompis flygdrönaren om hjälp. Den ser en ledig parkering bakom en byggnad – och noterar den på deras gemensamma 3D-karta.

Så kan det se ut när två robotar tillsammans bygger upp en gemensam karta över miljön. Robotar som hjälper varandra att orientera sig är ett av Martin Längkvists intressen. Han forskar i maskininlärning på Centrum för tillämpade autonoma sensorsystem (AASS) på Örebro universitet.

De två robotarna har olika typer av sensorer och befinner sig dessutom på olika platser med olika vyer. En gemensamt ritad karta kan därmed bli mer komplett. – Utmaningen är hur resultaten från robotarna ska sättas ihop, berättar Martin Längkvist.

Idén med att sammanställa sensordata från flera robotar för att få bättre omvärldsinformation är inte ny. Ett sätt är att använda så kallad registrering. Robotarna kan exempelvis bygga varsitt så kallat 3Dpunktmoln från sina lidarsensorer och sedan geometriskt transformera dem till ett enda tätare moln.

Martin Längkvists robotar bygger istället upp en gemensam semantisk 3D-karta. En sådan visar miljön uppdelad i identifierade objekt, som bil, buske, abborre, elkabel och så vidare.

Och nu är vi framme det unika i just Martin Längkvists robotar: hur de gör för att identifiera objekten i kartan. De använder maskininlärning – som alla nuförtiden – men dessutom låter de klassisk AI få ett ord med i laget.

DE LITAR INTE BLINT på sin maskinklassificering utan de adderar lite sunt förnuft och logik för att göra klassificeringarna rimligare. Tekniken kallas närmare bestämt KRR (kunskapsrepresentation och -resonemang) och används på flera sätt i kartläggningen. – KRR används för att rätta till felklassificeringar, annotera data som används för träningen av klassificerarna, peka på utstickande data, fylla i saknad data, med mera.

Den här typen av hybridlösning av maskininlärning och KRR är ovanlig. – Det har varit efterlängtat länge och många forskarlag har föreslagit olika lösningar, men ännu är det oklart vilken som är den bästa.

I MARTIN LÄNGKVISTS första experiment ritas kartan av en flygande drönare och en ombyggd gräsklippare – mobila robotar i luften och på marken. De använder vanliga RGBkameror. Rullboten har dessutom lidar. 3D-punktmolnet hanteras med hjälp av programvaran Reality Capture. – Vi testar att rita upp en semantisk karta av omgivningen, i detta fall runt Örebro Universitet, med hjälp av robotar som har olika synvinklar.

Drönaren har översikt och den rullande markroboten ser detaljerna.

utbyte av robotar, AI, simulering, cyberfysiska system och så vidare, kan knyta kontakter med forskare och besöka universitet för demonstrationer,i alla fall när corona tillåter det. –Vårt robotlabb har fungerat som ett utmärkt verktyg för att kommunicera vad det är vi håller på med på universitetet. AI och autonoma system är annars områden som kan vara svåra att förklara – de framstår lätt som ren science fiction. Det är svårt att förstå vad som konkret är möjligt att göra. –Kanske en av de största effekterna blev en ökad medvetenhet om vilka möjligheter som finns inom autonomi.

Ett tiotal tillämpningar kom till stånd – se faktarutan intill.

Nådde ni dem ni ville nå?

–Ja och nej. Vi hittade många inom en stor del av den privata sektorn. Men vi ser att det finns kvar en grupp privata företag med stor potential – de som utför arbeten inom exempelvis sjukvård och kommun.

Ett projekt på Kopparbergs bryggeri med utbildning i utökad verklighet – är ett av dem som ser ut att komma att tas i skarpt bruk. På forskningssidan har AI Mee bland annat fått en publicering i den viktiga tidskriften Automatica för ett projekt med MH Engineering och en fjärrstyrd robot i en påfrestande arbetsmiljö.

Labben och andra strukturer som byggts upp inom AI Mee blir kvar. Verksamheten fortsätter inom ett regionalt projekt kallat AI Impact lab som är en av noderna i Sveriges nationella AI-center, AI Innovation of Sweden.

Lärdomar och läxor?

–Underskatta inte inlärningskurvan som krävs. Företaget behöver ha en långsiktig vision. Vi är inte här bara för att det är kul att göra en implementering, det måste finnas en nytta och det måste ledningen förstå.

Större företag har lättare för detta. Men det kan vara en utmaning för mindre och mellanstora företag. –Vilket är synd, för det är de som kan ha den största nyttan av ett utbyte.

Hur mötte ni den utmaningen?

–Genom relationsbyggande. Trots att ämnet är robotar, har i praktiken mycket hårt jobb handlat om att möta människor, bygga relationer och vinna förtroende.

I ledningen för AI Mee sitter även den regionala hubben Alfred Nobel Science Park. –Vi har haft ett fantastiskt bra lag! Det är kanske precis den mix som behövs för något sånt här – science park och ett universitet. Det betyder att man måste vara beredd att gå utanför sin bekvämlighetszon, men det skapar spännande möjligheter.

JAN TÅNGRING

jan@etn.se

FAKTA

AI har hittat till länets industri

Artificiell intelligens, robotik och cyberfysiska system – det är de genomgående teman Elektroniktidningen ser inom AI Mee. Här är ett urval av de projekt som initierats sedan AI Mee startade år 2017.

Robotar bär plantor

En Wall-e-liknande robot på hjul med griparmar från amerikanska Harvest Automation vid namn Omniveyor HV-100, flyttar till vardags runt krukor på plantskolor för att ge dem utrymme allteftersom de växer. I projektet Agtech har den utrustats med det öppna robotoperativsystemet Ros och ska lära sig fler yrkesfärdigheter – kanske lagerarbete – och hitta arbetstillfällen i regionen.

Robotar tar smutsiga jobb

Autohic är ett experiment i fjärrstyrning av industrirobotar i tuffa miljöer. Partner är MH Engineering i Karlskoga som idag manuellt gör termisk höghastighetssprutning av värmepannor – bullrigt, tungt, smutsigt, hälsovådligt. Styrningen görs i en semi-virtuell värld där en operatör med VR-glasögon styr roboten med sina egna händer.

Robotar odlar

Lomas är en autonom växtbädd för småskalig odling som hanterar sin egen sådd, bevattning, ogräsrensning, gödsling och luckring med hjälp av sensorer och en robotarm. Den använder AI för skördeoptimering och är tänkt för restauranger.

Robotar blir gruvarbetare

Gruvteknikföretaget Epiroc vill evakuera gruvans riskzoner på människor och ersätta dem robotar, fjärrstyrda eller autonoma. AI Mee har tagit sig an borrmaskinen Boomer. Den har flera armar, som en bläckfisk, men Epiroc har problem att koordinera armarna och vågar bara använda en i taget trots att hundratals spränghål ska borras. Koordineringen kan hanteras av en sorts virtuell trafikpolis. Ytterligare en utmaning är att hantera oförutsedda händelser.

Cyberkopia av kulturkvarter

Ett byggprojekt i Örebro, Kulturkvarteret, ska få en digital tvilling – en synkad datormodell av byggnaden och dess innehåll, inklusive besökare. AI och simuleringar på tvillingen ska användas för att optimera upplevelsen för besökarna. Forskarna har bland annat hittat en generell lösning på integritetsproblemet med att modellera enskilda besökare.

Hololens handleder

Sommarjobbare på Kopparbergs bryggeri kan komma att inskolas med en Hololens – Microsofts skärmglasögon för augmented reality. Hololens kommer att guida dem till rätt handhavande när de exempelvis bygger om ett löpande band. Glasögonen filmar det operatören tittar på och Hololens adderar instruktioner till skärmbilden. Projektet heter Augmentor. AI ska anpassa gränssnittet till användaren.

Simulerar fabrik

Projektet F2 SIM simulerar produktionsflödet på en industri, inklusive människor, maskiner och transport. Med hjälp av AI struktureras och organiseras arbetsytorna för maximal produktivitet. Projektet drivs i samarbete med Kåbe-mattan.

– Tanken är att lösningen som vi eftersträvar ska vara generell oavsett antal farkoster och typ av sensorer. Men vi har inte testat den på mer än två farkoster på land hittills.

En av de rent tekniska utmaning

arna har varit att hantera 3D-punktmolnen. – Oftast används punktmoln inomhus och på mindre möbler och objekt.

Men här används ett punktmoln som beskriver en komplett utomhusbyggnad – över 20 miljoner datapunkter.

Att experimenten sker på land är för att det är enklare och billigare än det som egentligen är slutmålet: undervattensfarkoster. Att testa på land är ett sätt att snabbt komma igång.

SAAB DYNAMICS är partner i projektet och hoppas att det ska appliceras på dess autonoma undervattensfarkoster. I det fallet kan det exempelvis vara ett ytfartyg som upptäcker något på ekolodet som ska kommuniceras till en autonom undervattensfarkost, som kanske söker efter något, eller kartlägger eller reparerar en kabel.

Martin Längkvist tror att han ganska snart kan vara mogen att fortsätta under vattnet. En teknisk förändring blir då att lidar och kamera måste bytas ut mot andra typer av sensorer.

Arbetet sker i ett projekt som heter Corob (cooperating robots) som i sin tur är en del av testbädden AI Mee (testbed for autonomous intelligent machines for enterprise and exploration). – Målet har inte varit att göra en färdig algoritm för implementering utan mer att utforska nya algoritmer och metoder för nya utmanande tillämpningsområden, samt att inspirera och få fler företag att se potentialen med forskning kring AI.

Martin Längkvist blev civilingenjör i teknisk fysik på Linköpings universitet och doktorerade i informationsteknik på Örebro universitet. Han har bland annat jobbat med tidsserieanalys, klassificering av satellitbilder och bildmedicin med hjälp av maskininlärning. – Jag har alltid varit intresserad av lärande och hur vi människor lär oss saker och varit fascinerad över om och hur vi kan applicera denna kunskap och metoder på robotar.