AI al Volante: Come l’Intelligenza Artificiale Sta Guidando l’Evoluzione dei Veicoli Autonomi

Circa 200 anni fa, veicoli di alta qualità con caratteristiche uniche erano impensabili per una persona comune; da allora abbiamo fatto molta strada, con veicoli elettrici e ibridi diventati parte quotidiana della nostra vita. 

Oggi, i veicoli autonomi (AV) stanno guidando l’innovazione nell’industria automobilistica, entrando nel mainstream con grande spettacolo e aspettative. Ma cos’è, e come stanno cambiando il volto dei veicoli? Scopriamolo!

Uno Sguardo all’Automazione nelle Automobili 

I veicoli autonomi (AV) sono veicoli che utilizzano la tecnologia per sostituire parzialmente o completamente il conducente umano e guidare autonomamente verso una destinazione predeterminata in modalità “autopilota”. Allo stesso tempo, questi AV rispondono alle condizioni del traffico, evitano i pericoli stradali e offrono maggiore sicurezza.

Le diverse tecnologie utilizzate da questi veicoli includono sensori, laser, radar, cruise control adattivo, sterzo attivo, sistemi di frenata antibloccaggio e tecnologia di navigazione GPS.

Secondo la Society of Automotive Engineers (SAE), esistono sei livelli di veicoli autonomi basati sull’intervento umano. Questa classificazione, utilizzata anche dalla National Highway Traffic Safety Administration (NHTSA) degli Stati Uniti, è la seguente:

Livello 0: Il veicolo non ha alcun controllo sul suo funzionamento, con il conducente umano che effettua tutta la guida.
Livello 1: Il sistema avanzato di assistenza alla guida (ADAS) del veicolo è in grado di supportare il conducente nella sterzata e nella frenata.
Livello 2: L’ADAS del veicolo gestisce accelerazione e frenata in alcune condizioni, sebbene il conducente umano debba eseguire le operazioni necessarie e prestare completa attenzione all’ambiente per tutta la durata del viaggio.
Livello 3: L’ADAS del veicolo può eseguire tutte le parti del compito di guida in alcune condizioni, ma quando necessario il conducente umano deve prendere il controllo. Questo livello di autonomia è attualmente raggiunto dagli AV.
Livello 4: Il sistema avanzato di assistenza alla guida del veicolo può svolgere tutti i compiti senza necessità di attenzione o assistenza umana in determinate condizioni.
Livello 5: L’ADAS del veicolo può eseguire assolutamente tutti i compiti relativi alla guida in tutte le condizioni senza alcun supporto da parte del conducente umano. In questa fase, si raggiunge l’automazione completa. 

I veicoli autonomi offrono il vantaggio della comodità e del miglioramento della qualità della vita. Inoltre, le persone con disabilità fisiche e gli anziani possono ottenere indipendenza. C’è anche il potenziale per ridurre la congestione del traffico, diminuire i costi di trasporto, liberare i parcheggi e ridurre drasticamente le emissioni di CO2. 

Tuttavia, nonostante tutto il clamore intorno ai veicoli autonomi, non hanno ancora raggiunto il successo che ci si aspettava. Qual è quindi il problema?

Sfide dei Veicoli Autonomi

I veicoli autonomi o senza conducente hanno attirato miliardi di dollari di investimenti negli ultimi anni, ma ci sono stati numerosi ostacoli al lancio degli AV e ritardi nell’adozione da parte dei clienti. Diamo quindi un’occhiata ad alcune delle sfide più importanti che questi veicoli stanno affrontando. 

Ambiente di Guida Complesso 

I sistemi utilizzati dagli AV per rilevare segnali stradali, semafori e il movimento degli oggetti sulla strada non sono infallibili. Falliscono soprattutto nel comprendere scenari del mondo reale. 

Ad esempio, se uno stormo di uccelli è posato sulla strada, i conducenti umani capiscono che gli uccelli voleranno via quando il veicolo avanza, mentre gli AV potrebbero fermarsi inutilmente o frenare bruscamente. Gli AV non riescono inoltre a rilevare interazioni sociali complesse, come il gesto della mano o lo sguardo di un altro conducente, che indicano di procedere. 

Per non parlare del fatto che, al momento, gli AV non possono comportarsi in modo sicuro quando non ci sono segnali stradali. Ciò significa che gli AV non possono ancora operare con la massima precisione in qualsiasi luogo, in diversi paesi. 

Se un passeggero desidera recarsi in una località non inclusa nel sistema di mappe, può incontrare notevoli difficoltà poiché gli AV potrebbero disorientarsi. Ciò richiede mappe di percorso tridimensionali (3D) complesse per guidare il veicolo, un processo che richiede tempo se si vuole ottenere copertura e precisione.

Cattivo Tempo

Una grande sfida per gli AV è il cattivo tempo. Questi veicoli utilizzano una vasta gamma di sensori: telecamere per visualizzare e identificare l’oggetto, laser per misurare la distanza e radar per determinare la velocità dell’oggetto e la direzione del suo movimento. 

Una volta acquisiti i dati, il sistema prende una decisione, ma neve, nebbia o pioggia intensa rendono difficile il corretto funzionamento dei sensori. Pertanto, le condizioni meteorologiche avverse influiscono negativamente sull’accuratezza delle capacità di rilevamento degli AV, compromettendo la sicurezza dell’utente. Inoltre, piogge intense e sostanze come acqua, olio, ghiaccio o detriti possono oscurare le marcature delle corsie.

Costo

Un altro grande problema degli AV è il costo; i sensori utilizzati da questi veicoli, come Lidar e radar, sono costosi. Inoltre, il Lidar sta ancora cercando di trovare il giusto equilibrio tra portata e risoluzione. Questo solleva la domanda: se diversi AV viaggiano sulla stessa strada, i loro segnali Lidar interferiscono tra loro?  

Responsabilità

Un’altra importante questione riguardo gli AV è la responsabilità in caso di incidenti; chi è responsabile degli incidenti causati dagli AV? Questo avrà ancora più rilevanza per gli AV di livello completamente autonomo, che non avranno un volante per consentire a un umano di prendere il controllo in caso di emergenza. Inoltre, l’assicurazione è un’ulteriore area poco chiara per questi veicoli.

Leggi e Regolamentazioni

Nonostante gli AV siano entrati nel mainstream, le leggi e le regolamentazioni che li riguardano sono ancora scarse e sparse. Recentemente, il processo normativo per gli AV negli Stati Uniti è passato da linee guida federali a mandati a livello statale. 

Per prevenire l’emergere di “auto zombie”, alcuni stati hanno proposto una tassa per miglio su di esse. I legislatori hanno anche redatto disegni di legge che prevedono l’installazione di un pulsante di emergenza su tutti gli AV. 

Cybersecurity 

Considerato il sistema di trasporto altamente connesso e il rollout del 5G, la privacy dei dati e la cybersecurity sono altri problemi per questi veicoli. Ad esempio, nel 2015, Fiat Chrysler richiamò 1,4 milioni dei suoi veicoli per correggere bug che potevano essere hackerati e controllati da remoto. Gli AV devono garantire non solo di non violare la privacy dei dati dei consumatori, ma anche di proteggere i dati dagli hacker. 

Infrastruttura 

Per portare gli AV su strada, sono necessari investimenti massicci nelle infrastrutture. Gli AV richiedono spesso una chiara marcatura delle corsie, spazi per l’archiviazione dei dati e una rete di ricarica più robusta. Questo avrà un impatto sul bilancio della città. Pertanto, è necessario un dialogo per gli investimenti pubblici, nonché un coinvolgimento della comunità e dell’industria per espandere le infrastrutture esistenti.

L’IA Sta Tracciando la Strada per i Veicoli Autonomi

Di fronte a tutte queste sfide, l’intelligenza artificiale (IA) sta prendendo il comando e tracciando la strada per i veicoli autonomi.

Il fatto è che l’industria automobilistica è progredita rapidamente negli ultimi anni con l’avvento di nuove tecnologie. L’IA è una di queste tecnologie che aiuta l’industria automobilistica a trasformarsi. In sostanza, l’IA riguarda il rendere le macchine più intelligenti. Coinvolge la simulazione dell’intelligenza umana nelle macchine per farle pensare e agire come noi esseri umani.

L’IA consente ai veicoli di riconoscere gli oggetti, prevedere cosa potrebbe accadere, reagire a situazioni impreviste e superare i conducenti umani nella guida in situazioni di traffico complesse. Secondo Statista, il mercato globale dell’IA automobilistica dovrebbe raggiungere una dimensione di mercato di 74,5 miliardi di dollari. 

Secondo lo studio della NHTSA, errori umani come la vista e l’udito compromessi causano circa il 93% degli incidenti stradali. L’utilizzo dell’IA negli AV sotto forma di sensori e algoritmi può consentire mezzi di trasporto più sicuri e protetti, riducendo significativamente le vittime causate da errori umani. La capacità dell’IA di apprendere l’ambiente e poi adattarsi rende la tecnologia più competente nella gestione di strade e situazioni complesse.

L’IA viene utilizzata negli AV in diversi modi:

• La tecnologia può aiutare gli AV a prevedere il comportamento di altri conducenti e pedoni equipaggiando il veicolo con la capacità di utilizzare analisi, prevedere eventuali problemi e poi prevenirli.
• Utilizzando il machine learning, in cui un modello è addestrato su dataset etichettati per mappare correttamente gli input agli output, l’IA può aiutare gli AV nel riconoscimento e nella modellazione degli oggetti. Nel frattempo, un modello addestrato su dataset non etichettati può aiutare gli AV nella rilevazione di anomalie, nella comprensione di situazioni complesse e nell’estrazione di caratteristiche.
• Gli AV si affidano a sensori come telecamere, Lidar, radar e sensori a ultrasuoni per ottenere informazioni sull’ambiente circostante. Qui, gli algoritmi di IA possono analizzare questi dati per generare mappe dettagliate, consentendo agli AV di prendere decisioni informate.
• Sfruttando l’elaborazione del linguaggio naturale (NLP), gli AV possono utilizzare il riconoscimento vocale per interagire con i passeggeri. In questo modo, l’IA può aiutare i veicoli a comprendere le richieste umane e rispondere efficacemente. 
• Abilitando decisioni sul posto basate sui dati dei sensori in tempo reale, l’IA aiuta gli AV a decidere se la risposta migliore è rallentare o fermarsi. In questo modo, l’IA assiste gli AV in situazioni pericolose in cui gli umani sono inclini a commettere errori. La tecnologia lo fa analizzando i flussi di dati provenienti dai sensori. È particolarmente più efficace nella rilevazione di traffico incrociato, nel monitoraggio attivo degli angoli ciechi, nella sincronizzazione con i semafori e nel controllo di emergenza del veicolo.

In generale, l’IA negli AV può aiutare a raccogliere dati in tempo reale, rilevare e identificare oggetti, ottimizzare la traiettoria, navigare le condizioni stradali e prevedere guasti. Tutti questi casi d’uso dell’IA aiutano i veicoli autonomi a ridurre il traffico, accelerare il risparmio energetico, migliorare l’accessibilità, aumentare l’efficienza e incrementare la sicurezza. 

Già, la tecnologia è utilizzata da case automobilistiche in tutto il mondo. Ad esempio, l’Autopilot di Tesla (TSLA ) ha percorso più di 3 miliardi di miglia in questa modalità in quasi un decennio. La Tesla di Elon Musk sfrutta sofisticati algoritmi di IA per un controllo preciso. 

Waymo è un altro che utilizza un sistema di guida autonoma basato sull’IA per la pianificazione di percorsi complessi e reazioni intelligenti all’ambiente. L’azienda ha testato i suoi veicoli percorrendo decine di miliardi di miglia in simulazione.

L’assistente digitale di Daimler, il SUV R10 e-tron di Audi e il sistema di guida autonoma EQR4 di Mercedes-Benz sono altri esempi. Altri importanti contributori all’IA negli AV includono BMW, GM, Nissan, Uber, Volvo, Bosch, Mobileye, Valeo, Continental, Velodyne, Nvidia (NVDA ) e Ford.

Clicca qui per scoprire come il 2023 è stato l’anno di svolta per l’IA e cosa possiamo aspettarci in futuro. 

I più Importanti Breakthrough dell’IA nello Spazio dei Veicoli Autonomi

Il 2023 è stato un anno importante per i progressi dell’IA, che hanno avuto un impatto su tutto, dall’arte, finanza, sanità e istruzione al cambiamento climatico, ricerca, finanziamenti e AV. Diamo quindi un’occhiata ad alcuni dei più importanti breakthrough dell’IA del 2023 nel settore dei veicoli autonomi.

Più recentemente, i ricercatori dell’Incheon National University (INU) della Corea del Sud hanno sviluppato un nuovo sistema di rilevamento oggetti 3D end-to-end, basato sul deep learning e abilitato dall’Internet delle Cose. Questo sistema offre agli AV capacità di rilevamento migliorate, anche in condizioni sfavorevoli. 

Affrontando la difficoltà dei sensori come telecamere, lidar e radar, vulnerabili a ostruzioni, condizioni meteorologiche e strade disordinate, questo studio ha adattato l’algoritmo YOLOv3 (You Only Look Once) per identificare oggetti 3D incorporando l’IoT, che consente agli oggetti di scambiare dati e comunicare tramite internet. 

Il sistema proposto è progettato per elaborare immagini RGB e dati point cloud come input. Produce quindi bounding box valutate e etichettate per identificare gli ostacoli. Questo sistema è abile nel rilevare una vasta gamma di oggetti ed è in grado di gestire variazioni sia di scala che di rotazione.

Lo studio ha testato il sistema utilizzando il dataset Lyft e ha riscontrato una maggiore accuratezza e una latenza inferiore. Secondo il team, la versatilità del sistema proposto si estende oltre i veicoli autonomi, trovando potenziali applicazioni nella sorveglianza, robotica e gaming.

Un altro progetto, Helm.ai, ha realizzato un breakthrough dell’IA che prevede l’intento del conducente e pianifica percorsi ottimali. L’azienda che crea software IA per l’automazione di robot e veicoli ha annunciato che ciò consentirà a Helm.ai di avere implementazioni scalabili di livello L2/L3 e L4. 

I modelli di base basati su DNN dell’azienda sono addestrati utilizzando la sua tecnologia proprietaria, Deep Teaching, che utilizza dati di guida reali per ambienti di guida complessi. 

Ora, il suo modello analizza anche i veicoli e i pedoni circostanti per prevedere accuratamente le loro probabili azioni in diverse situazioni urbane e, basandosi su ciò, genera il percorso più efficiente e sicuro per gli AV. La piattaforma dell’azienda funziona con diverse configurazioni hardware in modo fluido e consente un addestramento e una validazione efficienti.

“La nostra piattaforma software affronta le sfide critiche di percezione negli ambienti urbani, aprendo la strada allo sviluppo e alla validazione scalabili della previsione dell’intento e della pianificazione del percorso basati sull’IA.” 

– Vladislav Voroninski, CEO di Helm.ai

Quest’anno, il pioniere dei veicoli elettrici Tesla ha anche compiuto progressi nel suo software Full Self-Driving (FSD). L’ultima versione, 12 (v12), consente all’azienda di avvicinarsi ulteriormente al raggiungimento dell’autonomia di livello 4 o 5 con le sue auto. 

Ad agosto, Musk ha dimostrato FSD v12 guidando il veicolo in modo autonomo ed eseguendo compiti come il parcheggio parallelo, il rispetto dei semafori e la navigazione delle rotonde. Ciò che distingue questa versione dalle precedenti è la forte dipendenza di FSD v12 da reti neurali auto-addestranti basate sull’IA.

Ciò significa che, invece di richiedere ai programmatori umani di codificare manualmente le risposte per diversi scenari di guida, l’IA analizzerà enormi quantità di dati raccolti dalle auto di Tesla e sceglierà la risposta più appropriata.

Questo sviluppo avvicina Tesla di un passo al raggiungimento del suo ampio obiettivo di un business di robotaxi, che, secondo Ark Invest, anche in uno scenario ribassista, genera 200 miliardi di dollari (oltre 600 miliardi nella sua proiezione più ottimistica) di fatturato annuo.

All’inizio di quest’anno, un altro breakthrough è arrivato per gli AV sotto forma di un sistema di imaging a camera, HADAR, o ‘rilevamento e misurazione assistiti dal calore’. Ricercatori della Michigan State University e della Purdue University hanno utilizzato l’IA per sviluppare HADAR, che interpreta le firme termiche per fornire immagini dettagliate e nitide, superando il rumore ottico. 

Il loro modello IA ha sfruttato algoritmi di machine learning che raccolgono dati da telecamere a infrarossi commerciali per riconoscere le proprietà fisiche degli oggetti e dell’ambiente circostante, consentendo a HADAR di ricostruire scene notturne chiare. 

Poiché il sistema può rilevare con grande precisione i pattern di radiazione termica, la formazione dei materiali e la temperatura, ha un enorme potenziale, inclusi screening di sicurezza pubblici senza contatto e persino il superamento della paura del buio. Tuttavia, HADAR presenta sfide legate al costo dell’attrezzatura e alla necessità di calibrazione in tempo reale.

Ford Motor Company (F ) ha anche creato una controllata interamente di proprietà chiamata Latitude AI per sviluppare un sistema di guida automatizzata senza mani e senza guardare la strada. Il gigante automobilistico ha già accumulato oltre 50 milioni di miglia di guida senza mani con il suo Ford BlueCruise. 

Ora, con Latitude, l’idea è di automatizzare la guida in momenti noiosi, stressanti e sgradevoli, come lunghi tratti autostradali o traffico a macchia di gomma. Parlando della guida automatizzata, il chief technology officer di Ford, Doug Field, ha dichiarato:

“Vediamo la tecnologia di guida automatizzata come un’opportunità per ridefinire il rapporto tra le persone e i loro veicoli.” 

Considerazioni Conclusive

Quindi, come abbiamo visto, a seconda del livello di assistenza umana necessario, i veicoli autonomi rientrano in diverse categorie, ovvero automazione per l’assistenza al conducente, guida parzialmente automatizzata, guida altamente automatizzata, guida completamente automatizzata e veicolo totalmente autonomo. Con l’avvento dell’IA, la possibilità che gli AV raggiungano finalmente le loro fasi finali è più vicina che mai.

Il futuro del mercato dell’IA nell’industria automobilistica è chiaramente promettente. Era oltre i 6 miliardi di dollari nel 2022 e si prevede che crescerà a un CAGR del 55% entro il 2032. 

I progressi negli algoritmi di IA, come le tecnologie dei sensori, la potenza di calcolo e le soluzioni di manutenzione predittiva, aiuteranno ulteriormente i veicoli autonomi a superare le loro sfide e a ottenere un’adozione diffusa!

Clicca qui per scoprire tutto sull’investimento nell’intelligenza artificiale.