Automaatioväylä 4/2020 on ilmestynyt

Lehden teema on Tekoäly.

Lehdessä juttuja muun muassa seuraavista aiheista:

Tekoäly tositoimissa
Botti 2.0
Tekoälyn soveltamisen kynnys korkealla
Mitä säätöinsinööri voi oppia eläinkuiskaajalta?
Pölyttömät hiontaratkaisut roboteille
Kohta kaikki yrityksesi data salataan
Liikkuvan työkoneen ympäristön havainnointia tekoälyllä
Kuljetinsovelluksen käyttöteknologia
Sähköauton latauspaikan suunnittelu
Ratkaisut asiakkaan tarpeen mukaan
Automaatioalan vaikuttaja (Janne Öhman)
Matkaväylä: ACC20
Toimitusneuvosto esittäytyy (Arto Mettälä)

Nykyisen käytännön mukaisesti lehden verkkoversio löytyy paperilehdessä olevasta QR-koodista.
Näille kotisivuille linkki verkkolehteen tulee seuraavan lehden ilmestymisen aikoihin.

Verkkolehtiin pääsee myös etusivulta klikkaamalla lehden etusivun yläosan palkkia.

Automaatioväylä 3/2020 on ilmestynyt

Lehden teema on älykäs ympäristö.

Lehdessä juttuja muun muassa seuraavista aiheista:

Työkalupakki kaupunkien päätöksentekoon
Virtuaalinen alustan ja kiinteistöautomaatio
Satamat digitalisoituvat
Automaation työkalut kasitautiriskien arvioinnissa
Voimalaitoksen kunnossapito
Optimoitu palaminen vähentää NOx-päästöjä
Automaatioalan vaikuttaja: Ilpo Ruohonen
Tekoälyä Isossa Omenassa

Nykyisen käytännön mukaisesti lehden verkkoversio löytyy paperilehdessä olevasta QR-koodista.
Näille kotisivuille linkki verkkolehteen tulee seuraavan lehden ilmestymisen aikoihin.

Verkkolehtiin pääsee myös etusivulta klikkaamalla lehden etusivun yläosan palkkia.

Automaatioväylä 2/2020 on ilmestynyt

Lehden teema on Prosessiautomaatio

Alla on poimintoja sisällysluettelosta

Automaatiota logistiikkakeskuksessa
Simuloinnilla parempaan tulokseen
Sukellus mikrobien maailmaan
Tapaturmariskit robotiikassa
Opetusmeijerin digitalisointi
Automatisoitu biokaasulaitos
Prosessimallinnuksen kimppuun
Automaatioalan vaikuttaja: Pasi Laine
Fiksu omaisuudenhallinta
Toimitusneuvosto: Pasi Haravuori

Nykyisen käytännön mukaisesti lehden verkkoversio löytyy paperilehdessä olevasta QR-koodista.
Näille kotisivuille linkki verkkolehteen tulee seuraavan lehden ilmestymisen aikoihin..

Verkkolehtiin pääsee myös etusivulta klikkaamalla lehden etusivun yläosan palkkia.

Automaatioväylä 1/2020 on ilmestynyt



Lehden teema on Käyttövarmuus

Alla on poimintoja sisällysluettelosta

Parempi katsoa ajoissa kuin katua
Ennakoiva analytiikka
Prosessihäiriöt esiin tekoälyn avulla
Ohjelmistorobotit kunnonvalvonnassa
Kunnonvalvonnan kohdistamisen tärkeys
Käyttövarmuuden hallinta
Automaatio apuna automaatiossa
Pilvi hyvä, varmuus paras
Automaatiota ja suomalaista käsityötä
Automaatioalan vaikuttaja Olli Ventä
Matkaväylä: Tyhjiöseuran symposiumissa
Vaasan robottipäivä
Kirja-arvostelu: Automaatiosäätiön historiikki

Nykyisen käytännön mukaisesti lehden verkkoversio löytyy paperilehdessä olevasta QR-koodista.
Näille kotisivuille linkki verkkolehteen tulee seuraavan lehden ilmestymisen aikoihin..

Verkkolehtiin pääsee myös etusivulta klikkaamalla lehden etusivun yläosan palkkia.



Uusi ulkoasu

Vuoden 2020 ensimmäinen numero ilmestyy uudistuneessa ulkoasussa 24.1.2020.

Teknologian kehitys haastaa ihmisen

Teksti Jukka Nortio
Kuvat Jukka Nortio, Istockphoto

Automaatioväylä tapasi kaksi teknologiakehityksen näkijää. He kertovat, miten automaation, biologian, robotiikan, tekoälyn ja tietoliikenteen kehitys vaikuttavat meidän jokaisen arkeen.

Tulevaisuudentutkija ja tietokirjailija Elina Hiltunen on silmin nähden helpottunut. Yhdestoista kirja näkee parin viikon päästä päivänvalon ja seuraava on jo vireillä, mutta ei vielä kiihkeimmässä vaiheessa. On siis oiva tilaisuus katsoa rauhassa tulevaan.
”Tehokkuuden parantamien on tulevaisuudessakin iso asia. Se koskee sekä energia- ja materiaalitehokkuutta että turhan työn karsimista. Teknologia, ja erityisesti älykkyyden lisääminen erilaisiin ratkaisuihin, auttaa kaikissa näissä tehtävissä.”
Hiltusen visioissa ei ole yksi putki vaan hän näkee useita, ja jopa ristiriitaisia, kehityslinjoja. Yksi niistä on teknologiapositiivinen automaation ja robotiikan edistymistä korostava linja, jonka mukaan teknologia auttaa ihmisiä arjessa ja muuttaa työelämää hyvään suuntaan.
Robotiikkaa on nyt liikenteessä, muun muassa automaattilauttoina Norjan vuonoissa ja henkilöautoissa ihmisestä riippumattomia päätöksiä tekevinä toimintoina kuten pysäköintiavuste. Robotit toimivat kaivoksissa ja ensi talvena Suomen teillä nähdään todennäköisesti ensimmäiset automaattisesti ohjautuvien rekkakolonnien (platooning) laajamittaiset testiajot.

Kehityksen vastavoimat nousevat
Vastakkainen näkökulma korostaa sitä, miten materiaalit ja energia ehtyvät ja miten tämä rajoittaa kehittyneen teknologian käyttöönottoa. Käykö niin, ettei automaatioon ja roboteihin riitä raaka-aineita ja energiaa. Samaan skeptiseen teknologianäkemykseen liittyy Hiltusen mukaan kysymys siitä, miten lisääntyvät kyberuhat vaikuttavat tulevaisuudessa automaation ja robotisaation nykyistä laajempaan käyttöön. Käykö niin, että ihmistyötä käytetään joissakin tehtävissä enemmän kuin tänä päivänä?
Kun robotit ja automaatio ovat osa arkea yli 400 kilometriä tunnissa kulkevissa junissa tai etäkäyttöisissä leikkausroboteissa, voimmeko luottaa tietoturvaan, kun haavoittuvien tietojärjestelmien varassa on ihmishenkiä?
”Kyberrikollisuus kasvavaa koko ajan. Se on kannattavaa, sitä voi ostaa pimeästä netistä ja usein siitä ei jää kiinni. Kun kaikki laitteet liitetään nettiin, niiden sataprosenttista turvallisuutta on lähes mahdotonta hallita”, Hiltunen sanoo.
Samalla kun teknologia kehittyy huimasti, meillä on huutava pula uuden teknologian sovellusosaajista. Robottien toimintaa, tekoälyn mahdollisuuksia ja automaation logiikkaa pitää ymmärtää yhä useammissa ammateissa rakennustyömailta sairaaloiden hoitohuoneisiin.

Robottiohjelmointi perustaidoksi
Osaamishaaste liittyy pitkälti siihen, että teknologian kehittämiseen tarvitaan kykyä ymmärtää erilaisten käyttäjäryhmien tarpeita. Tämä koskee erityisesti ihmisen ja robotiikan välisen kommunikaation ja psykologian ymmärtämistä. Yhä suurempi osa edistyneen teknologian käyttäjistä on muita kuin korkeakoulutettuja länsimaissa asuvia, nuoria miehiä.
”Ford on käyttänyt tuotekehityksessään vanhuuspukua, jonka tutkijat pukevat päälleen ymmärtääkseen, miten eri tavalla vanha ihminen liikkuu ja toimii nuoreen verrattuna.”
Robottien yleistymien näkyy arjessa yhä enemmän siinä, että teemme työssä ja vapaa-ajalla yhteistyötä robottien kanssa. Robotit ovat fyysisten laitteiden lisäksi järjestelmien uumeniin upotettuja ohjelmistorobotteja, koneoppimista ja tekoälyä, jotka kaikki ohjaavat, ehdottavat ja äärimmilleen vietynä tekevät päätöksiä meidän puolestamme.
Ihanteellisessa tulevaisuudessa käyttäjä pystyy helposti muokkaamaan sekä ohjelmistorobottien että fyysisten robottien toimintaa erilaisiin työtehtäviin. Tämä edellyttää, että robottien käyttöliittymä on suunniteltu käyttäjille, ei koodaajille.
”Kyseessä on samanlainen ilmiö kuin nettisivuissa: ennen piti osta koodata html:ää. Nyt on monenlaisia alustoja, joilla kuka tahansa voi helposti luoda näyttävät sivut.”

Aivosolut osaksi automaatiota
Kun kysyn Hiltuselta, mikä on tulevaisuuden kiinnostavin teknologia, hän innostuu silmin nähden.
”Wetware eli biologia on iso tulevaisuuden juttu.  Sen avulla voidaan tuottaa esimerkiksi uudenlaisia tietoteknisiä ratkaisuja, kuten tallentaa tietoa DNA:han. Synteettisessä biologiassa yhdistetään insinööritieteet ja biologia ja sen avulla voidaan esimerkiksi luoda organismeja, joita luonnossa ei ole.”
Aivan kaukaista tulevaisuutta biologian ja tietotekniikan yhdistäminen ei ole, sillä Readingin yliopiston tutkija Kevin Warwick on jo luonut minirobotin, jonka liikeitä ohjaa elektroniikkaan yhdistetyt rotan aivosolut.

Sopeutuvat ihmisaivot
Teknologiakehitys vaatii ihmiseltä yhä nopeampaa sopeutumiskykyä. Ongelmana ovat meidän hitaasti muuttuvat kivikautiset aivot.
Ihmisen sopeutumiskyky on kuitenkin erittäin hyvä. Mobiiliviestintä ja hektinen some-maailma ovat muuttaneet kommunikaatiota, mutta aivot ovat mukautuneet siihen.
”On hienoa nähdä, miten nuoret kykenevät samanaikaisesti kommunikoimaan nopeasti. Samalla he syventyvät lukemaan kirjoja ja omaksumaan pitkiä tekstejä.”
Ihminen on oppinut luottamaan teknologiaan kuten 120 kilometriä tunnissa kulkevan peltilaatikon, auton, turvallisuuteen. Näin siitä huolimatta, että auton kulkua määrää yhä enemmän antureiden, kameroiden ja tulevaisuudessa myös nopean nettiyhteyden päässä oleva informaatio. Tätä dataa pureskelee koneoppimiseen perustuva analytiikkaohjelmisto, joka syöttää ohjausdatan automaattiselle vakionopeudensäätimelle ja kaistavahdille sekä automaattiohjaukselle.
”Kun ensimmäisen kerran otin kädet irti 120 kilometriä tunnissa kulkevan automaattisesti ohjautuvan auton ratista, minua pelotti nähdä, kääntyykö se mutkassa. Mitä enemmän olen sillä ajanut, sitä enemmän luotan tekniikkaan.”

Neljäs vallankumous
Nokian kampusalueella Espoon Karapellossa on erityinen päivä, kun henkilökunta juhlii pääkonttorin siirtymistä yrityksen 1990-luvun teknologiakehityksen juurille.
Täällä pitää majaa Nokia Bell Labs ja sen tutkimusjohtaja Lauri Oksanen. Hän katsoo tulevia kehityskaari sekä teknologian tarjoamien mahdollisuuksin että teknologiakäyttäjien tarpeiden näkökulmasta.
”Elämme neljättä teollista vallankumousta, joka koskee teollisuuden lisäksi kaikkia toimialoja kuten terveydenhuoltoa ja liikennettä. Sitä ajaa eteenpäin se, että kaikki laitteet saadaan kiinni digitaaliseen maailmaan. Tällöin niistä voidaan sekä kerätä tietoa että useimpia voidaan myös ohjata.”
Pilvilaskenta on ollut Oksasen mukaan menestystarina ja toinen iso teknologiatrendi. Hajautettu pilvi on pilvilaskennan uusin vaihe, jolloin pilviteknologia palvelee paremmin kriittisiä toimintoja kuten tehdasautomaatiota. Sen nopeus ja luotettavuus ovat paremmat kuin julkisen pilven. Se näkyy ohjelmistolle samalla tavalla kuin iso pilvi, kuten AWS.
”Muun muassa teleoperaattorit ovat kiinnostuneita rakentamaan hajautettuja pilvipalveluita asiakkailleen.”

Koneoppiminen ei pärjää ihmiselle
Koneoppiminen on Oksasen listalla kolmas iso teknologimurrosta eteenpäin vievä tekijä. Se mahdollistaa yhä suurempien tietomäärien käsittelyn monella sovelluksella yhtä aikaa ja automaattisesti.
”Isojen tietomassojen käsittelyn ongelmana on ollut se, ettei meillä ole riittävästi osaavia asiantuntijoita, jotka pystyvät kirjoittamaan algoritmeja ja analysoimaan tietomassoja.”
”Neuroverkkoihin perustuva koneoppiminen kykenee muodostamaan sille syötetystä datasta malleja ja analysoimaan niitä ja löytämään datassa olevien muuttujien välisiä yhteyksiä. Koneoppiminen on siis sitä, että kone oppii datasta.”
Koneoppimisen nykyinen kehitys ei ole helppo tie tulevaisuuteen. Koneoppimisen kierrosluvut nousevat datamassojen paineessa, mikä syö valtavan määrän prosessoritehoja. Tämä nostaa energiakulutusta ja estää koneoppimisen rajattoman skaalautumisen.
”Koneet ovat paljon ihmistä huonompia oppimaan varsinkin, kun huomioidaan energiankulutus. Siinä on dekadien ero.”
Edes kvanttitietokone ei välttämättä ratkaisisi tätä ongelmaa, sillä niille on toistaiseksi tarjolla vain niukasti algoritmeja, Tunnetuimmat ovat Shorin ja Groverin algoritmit salakirjoituksen murtamiseen ja hakujen optimointiin. Molemmat ovat Bell Labsin tutkimusten tulosta.
Oksanen ei usko, että kyberuhat hidastavat teknologiakehitystä ja uusien innovaatioiden käyttöönottoa.
”Tietomurtoja ja palveluestohyökkäyksiä tulee jatkossakin, mutta niihin pystytään vastaamaan ja riskit voidaan hallita. Koneoppimisella pystytään analysoimaan tietoliikennettä ja havaitsemaan pienetkin poikkeamat. Nopeat tietoverkot auttavat tässä, kun voimme samalla analysoida sekä päätelaiteiden toimintaa että verkossa tapahtuvaa liikennettä. Nämä tiedot yhdistämällä voidaan jäljittää ja rajoittaa hyökkäyksiä.”
Teolliset ympäristöt ovat Oksasen mukaan tällä hetkellä kriittisin alue, missä tarvitaan koulutusta, miten tietoturvariskejä voidaan arvioida ja kyberuhkia torjua ennakolta.

Tuottavuusloikka tulossa
Oksasen visiossa teknologian kysyntä lisää erityisesti tarve liittää teollisia laitteita tietoverkoilla tietojenkäsittelyyn. Hyvä esimerkki on satamien järjestelmät ja logistiikka, jossa reaaliaikainen koneiden välinen kommunikaatio ja data-analytiikka lisäävät tuottavuutta. Niiden on määrä avata tie uudelle vallankumoukselle.
”Tietojenkäsittelyyn perustunut kolmas teollinen vallankumous jäi tulematta, kun katsotaan tuottavuuden paranemista valtioiden tasolla. Tuottavuuden kasvu hiipui 1950-luvulta alkaen, kun tietojenkäsittelyn kaikki osa-alueet eivät olleet käytössä. Vasta nyt tietojenkäsittely skaalautuu ja datan automaattinen käyttö mahdollistavat tuottavuuden nousun.”
Tietotekniikkaan perustuvalla tuottavuuden nousulla taklataan isojen yhteiskunnallisten ongelmien, kuten väestön vanhenemisen, ikärakenteen vääristymisen ja työllisten suhteellisen määrän pienenemisen, seurauksia. Oksanen uskoo, että tuottavuutta voidaan kasvattaa rajattomasti, jolloin varallisuutta tuotetaan jatkuvasti enemmän, jolloin syntyy enemmän jaettavaa koulutukseen, teiden rakentamiseen ja terveydenhuoltoon. Teknologia ja tuottavuus siis lisäävät hyvinvointia.
Nokia Bell Labsin mallinnuksen mukaan tuottavuuden hyödyt alkavat näkyä isosti vuoden 2025 jälkeen, kun laiteiden liitettävyys, hajautettu pilvilaskenta sekä koneoppimien ovat levinneet laajalti tuotantoketjun eri osiin.
”Saavutamme teknologioiden skaalausedut, kun ne ovat kokonaisten verkostojen sisällä, eivätkä vain yksittäisen toimijan tekemistä. Pidemmällä tähtäimellä erityisesti liitettävyys ja reaaliaikainen vaste ajavat teknologista kehitystä eteenpäin.”
Pienempi vasteaika on monilla teollisuuden aloilla kriittinen, mutta ei yksin siellä.
”Terveydenhuollossa voidaan seurata reaaliaikaisesti ihmisen terveydentilaa, jolloin voimme tarjota hänelle nopeasti parantavia toimenpiteitä.”
Tällainen palvelu voi olla esimerkiksi diabeetikon reaaliaikainen sokeritason seurantalaite, joka antaa automaattisesti hoitosuositukset. Se on myös reaaliaikaisesti yhteydessä sairaalaan siltä varalta, jos potilas tarvitsee kriittisessä tilanteessa akuuttihoitoa.

Nousevia teknologioita

  • 5G nostaa tietoliikenteen nopeuden, lyhentää viiveitä, siinä on luotettavampi radioyhteys ja se on suunniteltu päivitettäväksi.
  • Cobot on fyysinen robotti, joka on tehty työskentelemään ihmisen kanssa yhdessä.
  • Jaetut tietoverkot mahdollistavat sen, että verkon päälle rakennetaan virtuaalisia verkkoja. Teleoperaattori voi jakaa 5g-verkosta sähkölaitokselle oman verkon sen haluamilla ominaisuuksilla.
  • Kvanttitietokone nostaa laskentatehon ja -nopeuden uudelle tasolle. Ongelmana ovat häiriöherkkyys, erittäin alhaisten lämpötilojen hallinta, kubittien (laskentayksikkö) epävakaus ja harvat sovellukset.
  • Laitteiden ja järjestelmien välinen kommunikaatio sekä niistä saatavan tiedon kerääminen ja analysointi koneälyllä nostavat tuotannon tehokkuutta kaikilla toimialoilla.
  • Optisen tietoliikenteen kehitys mahdollistaa tietoliikenteen nopeuden jatkuvan kasvun. Laitteet, kuten vahvistimet, ovat tällä hetkellä pullonkauloja.
  • Terahertsin radiotaajuudet, joiden kantamat ovat muutamia metrejä. Tällä hetkellä tutkitaan käyttötarpeita.
  • Wetware eli biologian nousu. Tähän liittyy esimerkiksi synteettinen biologia ja biologian ja elektroniikan liitto, jolla voidaan luoda laitteita, jossa tietotekniikka on osa elävää organismia.

Automaatioväylä 5/2019 on ilmestynyt

Lehti on Teknologia 19-messujen teemanumero.

Alla on poimintoja sisällysluettelosta

Tulevaisuuden työnantajat messuilla
Teknologian kehitys haastaa ihmisen
Teräksen ja teknologian älykäs liitto
ICT-arkkitehtuurin optimointi
Kohti monikäyttöisempiä simulaatiomalleja
Robotit oppivat kokoonpanoa esimerkistä
Optimoitu lietteen kuivatus
IIoT-ratkaisut kokonaispalveluna
Rakentamisen tuottavuuden kasvua robottien avulla
Operatiivista älykkyyttä tuotannon digitalisaatiolla
Eurosim 2019 Pohjois-Espanjassa

Nykyisen käytännön mukaisesti lehden verkkoversio löytyy nyt paperilehdessä olevasta osoitteesta.
Näille kotisivuille linkki verkkolehteen tulee seuraavan lehden ilmestymisen aikoihin.

Edellisen numeron 4/2019 verkkolehti löytyy tästä

Verkkolehtiin pääsee myös etusivulta klikkaamalla lehden etusivun yläosan palkkia.

Gacha – robottibussi

Teksti Jussi Suomela, GIM Ltd.
Kuvat Istockphoto, GIM

Sensible 4 on kehittänyt haastavissa pohjoismaisissa sääolosuhteissa toimivan automaattibussin – Gachan. Bussin muotoilu on saanut inspiraationsa japanilaisten leluautomaattien pakkauskapselista – gachasta.

Gacha on SAE 4-automaatiotason ajoneuvo, mikä tarkoittaa, että se pystyy ajamaan täysin autonomisesti pääosan toiminta-ajastaan ja tarvitsee ihmisen väliintuloa vain hyvin harvoin. Bussin käyttökohteena ovat ensimmäisen ja viimeisen kilometrin palvelut osana joukkoliikennettä. Käytännössä tämä tarkoittaa yhdysliikennettä juna- ja metroasemien ympärillä. Tosin Gacha soveltuu mihin tahansa yhdysliikenteeseen alueilla missä käytännön ajonopeudet ovat 0-50km/h.
Sensible 4:n ydinosaaminen on ajoneuvojen automaattiajamisen ohjelmistossa. Bussin rakentamiseen päädyttiin, koska soveltuvaa alustaa ei ollut saatavilla ja testaaminen sekä pilotointi vaativat alustan, johon mahtuisi myös matkustajia mukaan. Tähän saakka kaikki testaaminen oli tehty Renault Twizyihin perustuvilla kevytajoneuvoilla, joihin mahtuu vain kaksi matkustajaa.
Bussin perusvaatimuksina olivat päästöttömyys, toimivuus suomalaisessa talvessa, miellyttävä matkustuskokemus ja autonomisuus. Bussin voimalinja on täysin sähköinen. Molemmilla akseleilla on tehokas kestomagneettitahtikone ja 360V/25kWh:n Li-NCM akusto on sijoitettu kahteen pakettiin ajoneuvon molempien päiden penkkien alle, jotta lattia saatiin riittävän matalaksi. Neliveto ja riittävä vääntömomentti takaavat etenemiskyvyn talviolosuhteissa ja myös vuoristoalueilla sijaitsevissa kaupungeissa. Nykyinen voimalinja on tarkoituksella jonkin verran ylimitoitettu. Se mahdollistaa yli 80km/h huippunopeuden sekä jopa 15% nousut. Sähköisen voimalinjan on suunnitellut ja valmistanut kotimainen Hybria Oy. Matkustusmukavuuden takaamiseksi lattia ja lasit ovat lämmitettyjä. Talvikeleillä päälämmön tuo biodieselillä käyvä polttoainetoiminen lämmitin, jotta rajallista akkukapasiteettia ei tuhlata lämmön tuottoon. Kesäkeleillä ilman pitää viileänä sähkötoiminen ilmastointilaite. Ohjaamoa bussissa ei ole, vaan kaikki tila on matkustamoa.

Gacha on yleisnimi japanilaisen leluautomaatin pakkauskapseleille.

Automaatio
Automaattisen ajamisen ensimmäinen vaatimus on, että ajoneuvo on täysin ”Drive-by-Wire” (DbW) ohjattavissa. Voimalinjan osalta tämä oli helppoa koska sähkömoottorien ohjaimet ovat CAN-ohjattuja. Molempien moottoreiden nopeutta ja momenttia voidaan säätää lennosta. Koska moottorit myös regeneroivat ja ovat ajoneuvon kokoon nähden varsin voimakkaat onnistuvat normaaliajon kiihdytykset ja jarrutukset pelkästään ajomoottoreilla.
Tieliikenneajoneuvossa on luonnollisesti oltava myös tehokkaat mekaaniset jarrut hätätilanteiden varalla. Gachassa ne on toteutettu kahdella erillisellä hydraulisella piirillä, jotka käyttävät kaikissa pyörissä olevia tehokkaita levyjarruja. Jarrupaine tuotetaan sähköisellä toimilaitteella, jota ohjataan CAN-väylän kautta. Turvallisuuden varmistamiseksi on molempien ajomoottoreiden vaihteissa jousikuormitettu sähköjarru, joka aktivoituu käyttöjännitteen hävitessä. Ohjaus on myös toteutettu sähköisillä toimilaitteilla. Molemmat akselit ohjaavat, jolloin bussi kääntyy pienessä tilassa ja tarvittaessa sitä voidaan ajaa kumpi tahansa pää edellä. Ainoastaan ajovalot ja oven sijainti vain toisella puolella rajoittavat kaksisuuntaista ajamista. Mainituille alemman tason järjestelmille on oma ajoneuvoluokiteltu ECU, joka vastaa ohjauksista sekä takaisinkytkentätiedon, kuten ohjauskulmien ja pyöräodometrian lukemisesta.

Robottibussin koko sisätila on matkustamoa – kuljettajaa ei ole.

Automaattinen ajaminen
Automaattinen ajaminen perustuu Sensible 4:n modulaariseen ohjelmistoon ”S4-SDV-System” (Sensible 4 Shared Driverless Vehicle System) ja kattavaan valikoimaan ympäristöä havainnoivia antureita. Anturointi koostuu neljästä 3D-laserskannerista eli lidarista, kahdeksasta 77GHz ajoneuvotutkasta, viidestä kamerasta, RTK-GPS:tä sekä IMUsta (inertiamittausyksikkö). Lisäksi kaikilta neljältä pyörältä saadaan pulssianturidataa kuljetusta matkasta.
Yleisellä tasolla ajaminen koostuu paikannuksesta, reitin seurannasta, ympäristön kohteiden havainnoinnista ja niihin liittyvästä päätöksenteosta sekä operaattorin etätuesta ja laivueen ohjauksesta.
Pohjoisen oloissa kaistaviivojen tai kaistan optinen seuranta ei varsinkaan talviaikaan toimi, joten kaistalla pysyminen perustuu tarkkaan paikannukseen. Paikannuksen pääantureina toimivat 3D-lidarit, joilla tehdään kolmiulotteinen todennäköisyysjakaumamalli ympäristöstä, minkä jälkeen samoilla antureilla mitataan ajoneuvon paikka suhteessa ympäristöön. Lidar-navigoinnin tukena toimivat pyöräodometria ja IMU, joilla saadaan estimaatti ajoneuvon liikkeestä lidar-mittausten välillä sekä RTK-GNSS, joka antaa tarkan globaalin paikan. Globaali paikkareferenssi on tarpeen erityisesti kartoituksessa, missä osakartat on saatava samaan koordinaatistoon. Samoin tarkkaa globaalia paikkaa voidaan fuusioida lidar-pohjaiseen paikkaan.
Ajamista varten on toiminta-alue kartoitettava. Kartoitus tapahtuu itse ajoneuvolla, jolla ajetaan toiminta-alue läpi kartoitusmoodissa. Ajoneuvo muodostaa ympäristöstä 3D-mallin, jota käytetään jatkossa ajoneuvojen paikantamiseen. Kun kartta on valmis, voidaan siihen määritellä ajoneuvon haluttu reitti sekä mahdolliset erikoisalueet, kuten risteykset, suojatiet ym. Tämän jälkeen automaattinen ajaminen on mahdollista.
Liikenteessä turvallisuus on aina ykkösasia ja siitä vastaa esteiden havainnointi- ja seurantajärjestelmä. Esteiden havainnointi perustuu lidar-, tutka- ja kamerainformaatioon, joita fuusioimalla tunnistetaan reitillä olevat staattiset esteet sekä pyritään arvioimaan dynaamisten esteiden liike, eli ovatko ne mahdollisesti törmäyskurssilla. Näiden tietojen pohjalta säädetään ajoneuvon nopeutta tai pysähdytään kokonaan.

Oheisessa kuvassa näkyy risteystilanne ja järjestelmän kartta sekä anturi-informaatio tilanteesta. Violetti/purppura on etukäteen tehty 3D-kartta, ajoneuvon ympärillä näkyvät punaiset, keltaiset ja vihreät ”renkaat” ovat reaaliaikaista lidar-dataa. Ajoneuvon edessä oleva sininen suorakaide on karttaan merkitty suojatie. Vasemmalla näkyvät siniset pallot ovat tunnistettu liikkuva kohde.

Tällä hetkellä ajoneuvo voi väistää estettä – eli suunnitella itsenäisesti uuden reitin esteen ympäri – jos sen voi tehdä menemättä vastaantulijoiden kaistalle. Mikäli tämä ei ole mahdollista, ajoneuvo pysähtyy ja ottaa yhteyttä valvomoon. Valvoja antaa sitten tilanteen salliessa ajoneuvolle luvan ohittaa vastaan tulevien kaistaa pitkin.
Gacha on suunniteltu osaksi julkista liikennettä, jolloin olennainen osa järjestelmää ovat asiakasrajapinta sekä valvomo. Asiakasrajapinta on käytännössä mobiilisovellus, josta näkee bussien reitit ja sijainnin sekä voi liikennöintitavan mukaan tilata tai pysäyttää bussin. Etävalvomo taas valvoo bussien toimintaa sekä auttaa poikkeustilanteissa. Matkustajien ei voida olettaa eikä haluta puuttuvan ajoneuvon operointiin, avustava valvomo on välttämätön. Valvomon lisäksi tarvitaan vielä normaali ylläpito latauksineen, siivouksineen ja huoltoineen.
Vuoden 2019 aikana Sensible 4 ajaa Gacha-pilotteja Otaniemessä, Keran alueella Espoossa, Hämeenlinnassa sekä Kivistössä Vantaalla. Automaatioväylän lukijat ovat tervetulleita kyytiin.

Gacha-konseptivideo: https://www.youtube.com/watch?v=W0oxz9KpiIY
Gacha premiere: https://www.youtube.com/watch?v=umx8vhZD_do