Ur forskning om människa–robotinteraktion föddes idén till QTPIE, ett AI-baserat system som kan förändra vår syn på körprov. Tekniken möjliggör en mer träffsäker och långsiktig bedömning av körförmåga – helt utan en mänsklig inspektör i bilen.
Svensk forskning tar körprovet in i framtiden
Dagen före sin uppkörning fick Ravi Chadalavada höra av sin körskollärare att han inte var redo för provet. “Du vrider inte tillräckligt på huvudet”, sa läraren. Ravi, som redan hade kört bil i 15 år, var inte övertygad. Han bokade om provet i en annan stad och klarade det utan anmärkning.
“Jag insåg att det saknas objektiva sätt att mäta hur vi beter oss i trafiken”, säger han.
Den insikten blev startskottet för QTPIE – världens första helt automatiserade system för körprov.
Forskningen som lade grunden
Vid tiden för sin uppkörning var Ravi doktorand vid Örebro universitet, där han forskade inom människa-robotinteraktion med fokus på industrilogistik. En del av hans arbete bedrevs inom projektet Action and Intention Recognition (AIR), som finansierades av KK-stiftelsen. Projektet undersökte hur autonoma system – till exempel självkörande truckar – kan samspela med människor i sin omgivning.
Ravi utvecklade bland annat system där robotens ”tankar” projiceras på golvet, så att människor i närheten kan se vad den tänker göra härnäst. Han genomförde även experiment med ögonrörelsemätning för att studera hur människors blickmönster kan hjälpa robotar att förutse deras rörelser.
Samma forskning ligger till grund för QTPIE. När Ravi ifrågasattes inför sin uppkörning såg han potentialen i att använda tekniken i ett helt nytt sammanhang.
När AI blir examinator
QTPIE är ett AI-baserat system som analyserar körningen i realtid och möjliggör körprov helt utan en mänsklig examinator i bilen. Detta är något som redan har testas i USA, där systemet ska lanseras nästa år.
I många amerikanska delstater genomförs körprov i elevens egen bil, utan dubbelkommando, vilket innebär att examinatorn inte har möjlighet att ingripa om något går fel. Med QTPIE är provet istället helt automatiserat, vilket eliminerar behovet av fysisk närvaro och minskar risken för personalen.
Systemet ska börja implementeras successivt inom Virginia Department of Motor Vehicles (DMV) i början av 2026, med målet att vara i full drift i hela delstaten från 2027.
I Sverige utvärderas tekniken i dagsläget som ett förtest till den verkliga uppkörningen. Idag underkänns över 55 procent av alla körprov – och andelen är ännu högre i storstadsområdena. QTPIE kan bidra till att minska denna siffra och frigöra resurser hos Trafikverket.
Potential inom medicinsk utvärdering
Systemet har också stor potential att användas inom medicinska körbedömningar – ett område som idag är både komplicerat och resurskrävande.
“Det är väldigt svårt för en läkare att förstå hur en patients hälsotillstånd påverkar deras körförmåga. Det finns inget objektivt sätt att mäta detta idag. Man gör en mängd olika tester, men de är bara indirekta indikatorer, inte direkta mått på hur personen faktiskt kör”, säger Ravi.
Genom att samla in detaljerad kördata kan QTPIE bidra till mer korrekta utvärderingar vid sjukdom eller funktionsnedsättning. I framtiden vill företaget ta detta ett steg längre och använda tekniken som ett tidigt varningssystem för hälsoproblem.
Framtidens körprov
QTPIE startade 2023 och har redan uppmärksammats internationellt, bland annat genom en plats på Time Magazines lista över årets mest banbrytande innovationer. Företaget vill inte bara effektivisera dagens körprovssystem, de vill förändra det i grunden. Visionen är att följa elevernas utveckling över tid, från första lektionen till färdig förare, och ge kontinuerlig feedback.
SIDUS AIR (Action and Intention Recognition in Human Interaction with Autonomous Systems) pågick 2015–2019 och finansierades av KK-stiftelsen.
Projektet drevs i samarbete mellan Högskolan i Skövde (koordinator), Örebro universitet, Högskolan i Halmstad och RISE Viktoria, tillsammans med industripartners som Volvo, Scania, Autoliv, Sweco, VTI, Västtrafik, Softbank Robotics, Retenua, Carmenta, Ericsson och SOS Alarm.
Syftet var att utveckla metoder som gör det möjligt för människor och autonoma system – som robotar och självkörande fordon – att förstå och tolka varandras intentioner i delade miljöer.