Il futuro della mobilità è intrinsecamente legato ai veicoli autonomi e all'intelligenza artificiale (IA), tecnologie che promettono di trasformare radicalmente il nostro modo di concepire il trasporto. Questi veicoli sono progettati per rilevare l'ambiente circostante e funzionare senza l'intervento umano, combinando hardware sofisticato con algoritmi software avanzati per interpretare ambienti complessi. L'automazione dei veicoli è in rapida crescita e ora abbiamo veicoli senza conducente su strada, così come veicoli con un certo livello di autonomia che richiedono ancora un conducente.
L'intelligenza artificiale è diventata una componente fondamentale nelle auto moderne, con un impatto che va ben oltre la semplice automazione. L'adozione di tecnologie basate sull'IA sta trasformando radicalmente il modo in cui viviamo e interagiamo con i veicoli, sia dal punto di vista della sicurezza che della comodità e delle prestazioni. I veicoli autonomi o le auto a guida autonoma funzionano grazie all'ausilio dell'intelligenza artificiale, che a sua volta consiste in complessi algoritmi di autoapprendimento. Questi algoritmi devono essere continuamente migliorati attraverso la pratica, percorrendo il maggior numero possibile di chilometri, in modo che un veicolo autonomo possa effettivamente guidare in modo completamente automatico. L'IA come base per la guida autonoma deve soddisfare requisiti elevati, inclusa la capacità di reagire in modo appropriato a determinate situazioni di traffico, come auto in colonna, ostacoli improvvisi o persino memorizzare l'aspetto che cose e persone hanno nelle varie stagioni.
Come Funzionano i Veicoli Autonomi
Affinché un veicolo autonomo possa navigare in sicurezza, deve possedere una comprensione completa dell'ambiente circostante. Questo è reso possibile da una combinazione di sensori, telecamere, radar e intelligenza artificiale che analizzano l'ambiente in tempo reale e prendono decisioni immediate.
Sensori e la loro Fusione
Se si confronta un veicolo autonomo con un essere umano, i sensori rappresentano le orecchie e gli occhi che rilevano potenziali pericoli. Il cervello (che rappresenta l'intelligenza artificiale) interpreta quindi l'ambiente circostante in base a quanto osservato. Sebbene i sensori oggi non siano ancora precisi quanto i sensi umani, molti di essi possono essere combinati per creare un quadro completo dell'ambiente del veicolo. Nessun sensore è perfetto in tutte le condizioni (ad esempio, le telecamere nella nebbia), e per questo la fusione dei sensori è fondamentale.
I sensori chiave di un veicolo autonomo includono:
- Telecamere (Visione Artificiale - CV): Rappresentano gli occhi del veicolo e fungono da sensori visivi primari, imitando la vista umana. Possono essere frontali, a 360° o stereoscopiche. Per la visione notturna, si sfruttano le telecamere a infrarossi. Permettono il rilevamento di oggetti, dove i modelli di deep learning identificano e localizzano gli ostacoli dinamici, come pedoni o altri utenti della strada, in diverse condizioni ambientali e atmosferiche.
- Lidar (Light Detection And Ranging): Analizza le distanze attraverso l'emissione di fasci laser, determinando la distanza tra il veicolo e un ostacolo. Questa tecnologia permette di mappare in 3D ciò che circonda il veicolo, risultando più precisa rispetto ai radar.
- Radar: Basandosi sull'effetto Doppler, questi sensori, disponibili a corto, medio o lungo raggio, calcolano la velocità e la distanza degli oggetti (sia fissi che mobili), indipendentemente dalle condizioni ambientali. Sono cruciali per il cruise control adattivo e per rilevare ostacoli nei punti ciechi.
- Sensori Termici: Utilizzati quando le telecamere non sono appropriate (ad esempio, in tunnel e condizioni di buio), misurano la temperatura emessa da persone e oggetti che non possono essere visti dalla telecamera.
- Sensori a Ultrasuoni: Posizionati sulle ruote, rilevano marciapiedi e altre auto durante il parcheggio, emettendo onde sonore che rimbalzano contro gli oggetti circostanti per calcolare la distanza.
- GPS (Global Positioning System): Un sistema di navigazione satellitare che permette di geolocalizzare il veicolo e di collocarlo con precisione su mappe ad alta fedeltà in costante aggiornamento, aumentando la precisione degli algoritmi di Lane Centering e di guida autonoma.
Gli algoritmi di fusione dei sensori sono fondamentali per garantire una navigazione efficiente. Essi prendono i dati da ciascun sensore, dal sensore di velocità di un oggetto a quello della distanza, e raggruppano tutte le informazioni per valutare la situazione e assegnare la priorità ai diversi sensori in base all'ambiente. Le moderne macchine a guida automatica usano una tecnologia chiamata "Bayesian Simultaneous localization" e un algoritmo di mapping che fonde dati provenienti dai molteplici sensori e una mappa off-line, trasformandoli in un luogo "approssimato" e in aggiornamenti della mappa stessa.
L'Intelligenza Artificiale e l'Apprendimento Continuo
La guida autonoma e l'apprendimento continuo sono strettamente correlati. Come per qualsiasi altra tecnologia, l'apprendimento è fondamentale anche per l'evoluzione dell'IA e delle sue caratteristiche e capacità. Nel caso dei veicoli autonomi, questo si traduce in complessi algoritmi di autoapprendimento, composti da livelli sovrapposti, sottoinsiemi e nodi che compongono una rete neurale vastissima.
La sfida principale risiede proprio nell'addestrare tale "cervello artificiale" a identificare le differenze tra le situazioni di traffico che può incontrare e apprendere come reagire a ognuna di esse. Le auto in colonna, gli ostacoli improvvisi, e persino memorizzare l'aspetto che cose e persone hanno nelle varie stagioni: in inverno ci si veste in modo più pesante e la neve, la nebbia o la pioggia possono modificare le figure, mentre in estate tutto questo cambia ancora, visivamente parlando.
Ecco perché la pratica e la raccolta di dati in movimento diventano fattori cruciali per l'efficacia dell'IA nella guida autonoma. La sperimentazione su strade pubbliche è inoltre fondamentale per raccogliere dati empirici che permettano agli algoritmi di apprendere e adattarsi alle sfide reali del traffico. Grandi player come Google hanno un vantaggio in questo processo grazie agli anni di test su strada, che hanno permesso la creazione di database preziosi che contribuiscono a rendere l'IA adatta alla guida autonoma. L'intelligenza artificiale deve padroneggiare più aree contemporaneamente quando si guida autonomamente un veicolo, tra cui il riconoscimento automatico di volti, la gestione di dati in tempo reale, l'elaborazione dei dati provenienti dai sensori e dalle fotocamere, e la disponibilità di database aggiornati.
Trolley problem e intelligenza artificiale: che etica dovremmo insegnare alle auto a guida autonoma?
L'IA nella Guida Quotidiana: I Sistemi ADAS
Oltre a interessare il settore dei veicoli autonomi, l'IA sta avendo un impatto crescente anche nella guida quotidiana, in cui le caratteristiche tecniche, elaborate finora dalle tecnologie più avanzate, stanno assumendo un ruolo centrale nei campi della sicurezza stradale e del comfort di guida. In questo senso, l'esempio più noto e immediato sono i sistemi ADAS (Advanced Driver Assistance Systems).
Tra questi troviamo:
- Sensori di parcheggio a ultrasuoni: Integrati nel paraurti, emettono un'onda sonora che rimbalza contro gli oggetti circostanti, creando traiettorie per calcolare la distanza tra l'auto e l'ostacolo. In alcuni modelli avanzati, questi sensori guidano il sistema di parcheggio automatico.
- Sensori Radar: Utilizzati per il cruise control adattivo e per mantenere una distanza sufficiente durante la guida, sono fondamentali anche per la sicurezza durante la marcia, la retromarcia e il parcheggio, individuando ostacoli nei punti ciechi.
- Telecamere: Possono essere frontali o a 360° o stereoscopiche. Nel caso della visione notturna, si sfrutta la tecnologia delle telecamere a infrarossi.
- GPS (Global Positioning System): Un sistema di navigazione satellitare che permette di geolocalizzare il veicolo e di collocarlo con precisione su mappe ad alta fedeltà in costante aggiornamento. Questo consente di aumentare la precisione degli algoritmi di Lane Centering e di guida autonoma.
Questi sistemi rappresentano un'integrazione graduale dell'IA nella guida, migliorando la sicurezza stradale e il comfort di guida senza togliere il controllo al conducente.
I Livelli di Automazione dei Veicoli
Esistono cinque livelli di automazione nel settore automobilistico (e tre per il settore aerospaziale) che vanno dall'assenza di automazione (livello 0) all'automazione completa (livello 5). La Society of Automotive Engineers (SAE) ha definito questa classificazione per creare un linguaggio comune tra produttori, legislatori e consumatori.
Livello 0 - Nessuna autonomia:
A questo livello, il veicolo non possiede funzionalità di guida automatizzata, ma ciò non esclude necessariamente le funzionalità di assistenza alla guida. L'esperienza di guida, infatti, è interamente nelle mani del guidatore, ma il veicolo è dotato di un sistema che fornisce un'assistenza momentanea alla guida, come segnali di avvertimento o azioni d’emergenza per la sicurezza del guidatore.
Livello 1 - Assistenza alla guida:
Salendo di livello, parliamo ora di veicoli dotati di un sistema che fornisce un'assistenza costante in fase di accelerazione, frenata e sterzata mentre il guidatore è coinvolto e attento. Anche in questo caso quindi, il guidatore ha il compito di guidare il veicolo e di monitorare il sistema, il quale però - se attivato - può svolgere funzioni di sterzata, accelerazione e frenata. I sistemi di assistenza come il controllo della velocità (cruise control) appartengono a questo livello.
Livello 2 - Automazione parziale:
Qui rientrano tecnologie come l'Autopilot di Tesla, che consente alla macchina di gestire accelerazione, frenata e sterzata in determinate condizioni, ma richiede comunque l'attenzione del conducente. Il guidatore si occupa della guida, ma vi è una prima integrazione di guida. A questo livello l'automobile interviene su accelerazione e frenata attraverso sistemi di sicurezza, come per esempio la frenata assistita, la frenata di emergenza anticollisione. La maggior parte dei veicoli autonomi automobilistici è al livello 2.
Livello 3 - Automazione condizionata:
A partire dal livello 3, il conducente umano non è completamente responsabile del veicolo e il sistema di guida automatizzato monitora l'ambiente di guida. L'automobile è in grado di gestire la guida in condizioni ambientali ordinarie, gestendo accelerazione, frenata e direzione, mentre il guidatore interviene in situazioni problematiche in caso di richiesta del sistema o se lui stesso verifichi condizioni avverse.
Livello 4 - Alta automazione:
La differenza sostanziale tra Livello 3 e Livello 4 sta nel fatto che i sistemi di cui sono dotati i veicoli a questo livello sono in grado di intervenire in caso di malfunzionamento senza coinvolgere necessariamente il guidatore. I veicoli di livello 4 utilizzano tecnologia di geofencing, ossia di creazione di un perimetro virtuale, e devono lavorare in determinate condizioni operative. Il conducente, tuttavia, ha ancora il potere di assumere manualmente il controllo del veicolo. Le normative vigenti consentono l'utilizzo di questo tipo di veicoli solo in circostanze molto specifiche e ben definite, ad esempio nei centri urbani dove i limiti di velocità sono estremamente ridotti. Uber sta cercando di passare ai veicoli di livello 4 nel prossimo futuro utilizzando l'intelligenza artificiale e presto verrà adottato un servizio robotaxi dalla Cina in paesi al di fuori degli Stati Uniti. Le auto a guida autonoma sono già disponibili a San Francisco, Los Angeles, Phoenix e Austin attraverso Waymo, ma sono dotate di geofencing in tali località.
Livello 5 - Completa automazione:
Questo è il livello più avanzato, dove il veicolo non richiede alcun intervento umano, rendendo superflua la presenza di volante e pedali. I veicoli di livello 5, secondo la classificazione SAE, raggiungono il massimo livello di automazione grazie alle tecnologie avanzate impiegate. Non richiedono infatti alcun intervento umano e nemmeno un intervento manuale di emergenza, qualunque siano le condizioni di guida o lo stato delle strade. Per questo motivo i veicoli non sono dotati degli strumenti per la guida manuale come i pedali o il volante. Le auto di livello 5 non esistono ancora perché l'intelligenza artificiale (IA) nelle auto autonome non può attualmente competere con i conducenti umani, anche se elimina la possibilità di errore umano. Tuttavia, Waymo sta avvicinandosi a questo obiettivo con i propri veicoli autonomi senza conducente di livello 4. Nei prossimi 10 anni potremmo vedere auto completamente autonome di livello 5 che si guidano da sole su strada.
Il Futuro della Guida Autonoma e Assistita
Le evoluzioni tecnologiche sono in costante aumento, e nel prossimo periodo assisteremo di certo a un incremento dell'impiego, dell’efficacia e dell’efficienza dell'Intelligenza Artificiale nella quotidianità all'interno dei veicoli. In special modo, ne trarranno beneficio le connessioni tra veicoli e con le infrastrutture, in modo da ottimizzare le manovre delle auto a guida autonoma. Un veicolo autonomo raccoglie, percepisce e analizza i dati per prendere decisioni indipendenti ed eseguire azioni in base all'ambiente circostante.
Sfide nel Passaggio a Veicoli di Livello 5
La tecnologia è già disponibile per creare veicoli automatizzati di livello 5 se l'auto si trova su una strada senza ostacoli. Tuttavia, la progettazione di un veicolo autonomo è un'operazione più complessa rispetto alla progettazione di auto convenzionali (ad esempio, motore a combustione interna o veicoli elettrici) perché il veicolo è progettato per avere il proprio "cervello" ed eseguire le normali attività di guida avendo tutte le caratteristiche di sicurezza richieste. Questo crea una zona grigia dal punto di vista legale, perché se ci fosse un incidente, non ci sarebbe un guidatore da ritenere responsabile.
Le normative e la sicurezza svolgono un ruolo chiave nella progettazione di componenti e sistemi di rilevamento, in quanto guidano la definizione dei requisiti funzionali e di sicurezza del sistema. La differenza nelle normative regionali e di settore determina i livelli di automazione che possono essere adottati. Ad esempio, l'automazione completa esiste già nelle industrie mineraria e agricola rispetto alle caratteristiche di automazione parziale attualmente disponibili nei settori automobilistico e aerospaziale.
Nel settore aerospaziale, nulla viene rilasciato senza una convalida rigorosa e qualsiasi sensore deve funzionare a temperature estreme, a velocità elevate e in ambienti con forti vibrazioni. Sebbene il 98% degli aerei oggi sia automatizzato tramite pilota automatico, l'approvazione di un aereo senza pilota sarà difficile a causa di potenziali problemi di sicurezza.
Nel settore automobilistico, la normativa varia in base alla regione. Tesla ha auto negli Stati Uniti con caratteristiche di guida autonoma completa (FSD, Full Self-Driving), ma è attualmente in attesa di approvazione regolatoria in Europa.
Il Ruolo della Simulazione nello Sviluppo
Il software di simulazione offre due vantaggi distinti e fondamentali nello sviluppo dei veicoli autonomi:
- Riduzione dei costi e dei tempi: Riduce la necessità di costosi prototipi, consentendo test e sviluppo virtuali e un conseguente risparmio di tempo e risorse.
- Validazione e Verifica (V&V): È essenziale per la convalida e la verifica dei sistemi basati sull'intelligenza artificiale, in quanto questi sistemi possono essere convalidati solo attraverso valutazioni probabilistiche delle percentuali di guasto che richiedono test approfonditi simulati.
Software specifici vengono utilizzati in tutte le fasi di progettazione, dall'ottimizzazione di lenti, cilindri meccanici e sensori, alla simulazione di scenari complessi e condizioni meteorologiche per garantire l'efficacia dei componenti nell'ecosistema operativo del veicolo. Esempi di tali software includono Ansys Systems Tool Kit, Ansys medini analyze, Ansys AVxcelerate Autonomy, Ansys AVxcelerate Sensors, Ansys optiSLang, Ansys Zemax OpticStudio, Ansys Lumerical FTDT, Ansys Speos e Ansys HFSS.
L'Etica e la Responsabilità Legale
L'etica dietro alla guida autonoma costituisce un ostacolo principale, trovandoci a scegliere tra preservare maggiormente la vita dei passeggeri o cercare di minimizzare il rischio complessivo. Le auto a guida autonoma possono essere coinvolte in incidenti; il primo incidente letale verificato avvenne il 18 marzo 2018 in Arizona, portando alla morte di una persona.
Via via che le intelligenze artificiali acquistano autonomia, si fa sempre più pressante la necessità di chiarire su chi ricadono le conseguenze legali e non delle "scelte" che l'intelligenza artificiale è portata ad attuare; spesso necessariamente, o durante una richiesta dell'utente o comunque nel corso del conseguimento della propria funzione (in base ai dati in cui è stata educata o informata). Vi possono essere casi ed eventi del mondo reale nei quali l'intelligenza artificiale non sa come agire, specialmente in determinate situazioni che richiedono scelta immediata, magari poiché non educata a una scelta in tale ambito o perché i programmatori non sapevano nemmeno loro "cosa era meglio".
Sul piano civilistico, la normativa varia da Paese a Paese; le possibilità sono diverse, ma appare probabile un approccio mutuato dalla normativa italiana. Tale normativa appare più progredita, paradossalmente per la presenza di due articoli del codice civile redatti nel 1942, ossia l'articolo 2054 e l'articolo 2051, che impongono una responsabilità civilistica presuntiva a carico, rispettivamente, del conducente e del proprietario di un "veicolo senza guida di rotaie". L'Unece ha emanato un regolamento relativo alle manovre che il veicolo può compiere in autonomia. L'assenza di guidatore umano è permessa solo su tratti autostradali o superstradali aventi le infrastrutture necessarie.
La Situazione in Italia
L'arrivo delle auto a guida autonoma in Italia dipende da vari fattori, tra cui l'evoluzione tecnologica, le normative e l'accettazione da parte del pubblico. Attualmente, in commercio sono già disponibili alcune auto a guida autonoma di livello 2, come quelle di Tesla, Mercedes, BMW e Audi.
Ad esempio, Tesla offre il suo noto sistema Autopilot, mentre Mercedes integra funzionalità avanzate di assistenza alla guida nella Classe S. Anche BMW, con il pacchetto Driving Assistant Professional, e Audi, con il Traffic Jam Pilot, stanno contribuendo a rendere queste tecnologie sempre più accessibili. Questi veicoli offrono funzioni avanzate di assistenza alla guida, come la gestione automatica della velocità e dello sterzo in autostrada. Per quanto riguarda i costi, un'auto che si guida da sola può variare tra i 50.000 e i 100.000 euro, con i modelli di lusso che possono superare questa fascia di prezzo.
La prima auto a guida autonoma è stata sviluppata negli anni '80, ma è con l'avvento dei veicoli elettrici e delle tecnologie avanzate che si è visto un vero progresso. Gli esperimenti sulle macchine automatiche sono stati condotti fin dal 1920 e prove promettenti hanno avuto luogo nel 1950. Le prime vetture autosufficienti arrivarono nel 1980 grazie all'Università di Carnegie Mellon con i suoi progetti e grazie a Mercedes-Benz e al progetto EUREKA nel 1987.
In Italia, il 27 maggio 2019, è stata avviata la prima sperimentazione di veicoli a guida autonoma su strade pubbliche con il fine di testare le capacità di circolazione di questo tipo di veicoli nel traffico cittadino. Il programma è stato avviato nella città di Parma e deve la sua realizzazione all'emanazione del Decreto Smart Road. Nel 2023 la Tesla Model 3, per volontà del suo fondatore Elon Musk, è la prima automobile a basarsi esclusivamente sulle videocamere, eliminando sensori e radar.
Le normative sono un aspetto cruciale per l'adozione delle auto a guida autonoma. Ad esempio, l'Unione Europea ha introdotto il regolamento 2019/2144, che stabilisce i requisiti obbligatori per i sistemi avanzati di assistenza alla guida (ADAS) nei veicoli nuovi, come il monitoraggio della corsia e la frenata automatica di emergenza. In Italia, il Ministero delle Infrastrutture e della Mobilità Sostenibili sta lavorando a linee guida per testare i veicoli a guida autonoma su strade pubbliche, un passo importante verso l'integrazione di queste tecnologie. In Italia, come in molti altri paesi, esistono ancora diverse barriere legali che limitano l'utilizzo di veicoli completamente autonomi. Tuttavia, iniziative europee stanno cercando di armonizzare le leggi per facilitare la diffusione di queste tecnologie.
tags: #veicoli #autonomi #intelligenza #artificiale