I veicoli autonome, noti anche come auto-guida, si sono rapidamente evoluti dalla fantascienza a una realtà tangibile nel corso degli ultimi dieci anni. Questi veicoli si affidano a una fusione sofisticata di sensori, intelligenza artificiale e algoritmi complessi per percepire il loro ambiente, prendere decisioni e navigare senza intervento umano.

Comprendere i livelli di autonomia

Per inquadrare la discussione, è essenziale comprendere la classificazione standard definita da SAE International nel loro standard J3016. Questa tassonomia definisce sei livelli di automazione di guida, dal Livello 0 (nessuna automazione) al Livello 5 (automatizzazione completa in tutte le condizioni). La maggior parte dei veicoli di consumo sulla strada oggi caratterizzano il livello 1 (ad esempio, controllo di crociera adattativo) o il livello 2 (ad esempio, Tesla Autopilota, Super Cruise) capacità di supervisione

Recenti progressi tecnologici

Tecnologia del sensore

Nel corso degli ultimi anni, l'hardware dei sensori ha fatto notevoli passi. Lidar (Light Detection and Ranging) sensori, una volta unità meccaniche proibitively costosi che costano decine di migliaia di dollari, sono ora disponibili come dispositivi a stato solido ad una frazione del costo.

Intelligenza artificiale e apprendimento automatico

I sistemi di monitoraggio e di monitoraggio dei dati sono utilizzati per il rilevamento degli oggetti, la classificazione, il tracciamento e la previsione dei percorsi.

Hardware di calcolo

I moderni veicoli autonomi portano più unità di calcolo ad alte prestazioni – spesso con GPU o acceleratori AI dedicati – che elaborano i terabyte dei dati dei sensori al secondo. Aziende come NVIDIA con le sue piattaforme Drive Orin/Thor, Mobileye con i suoi chip EyeQ e l'hardware personalizzato di Tesla forniscono la necessaria potenza di calcolo, mentre aderiscono agli standard di tendenza di sicurezza automobilistica (ISO 26).

Sfide di ingegneria

Sensore Fusion e Percezione

Mentre i sensori individuali sono migliorati, la sfida di combinare i loro output in una rappresentazione coerente e affidabile dell'ambiente rimane formidabile. I sensori hanno diversi punti di forza e di debolezza: le telecamere sono eccellenti per la texture e il colore ma la lotta in condizioni atmosferiche avverse; il lidar fornisce una profondità precisa ma degrada in condizioni di pioggia pesante, nebbia, o neve; il radar penetra nelle condizioni atmosferiche ma ha una risoluzione angolare inferiore.

Decisioni in ambienti complessi

La guida comporta un costante processo decisionale in incertezza. I veicoli autonomi devono prevedere il comportamento di altri utenti della strada: i conducenti umani possono cambiare le corsie senza segnalazione, i pedoni possono fare marcia indietro, i ciclisti possono swerve. I casi più evidenti di previsione] modelli, spesso utilizzando reti neurali ricorrenti o reti stradali di fusione, tentano di prevedere più possibili traiettorie per ogni agente.

Sicurezza, ridondanza e convalida

I sistemi di guida autonomi devono essere sicuri al di là di un ragionevole dubbio, un compito molto più complesso della sicurezza del veicolo tradizionale. L'industria segue il sicurezza della funzionalità prevista (SOTIF) processo (ISO 21448) accanto alla sicurezza funzionale (ISO 26262). Ciò richiede l'identificazione di scenari pericolosi per entrambi i difetti del sistema (ad esempio, un fallimento del sensore) e limitazioni di prestazioni

Mapping e localizzazione

I veicoli ad alta autonomia (Level 4 e 5) si basano su mappe ad alta definizione (HD) che contengono informazioni a livello di centimetro sulla geometria stradale, marcature a corsia, segnali stradali e punti di riferimento 3D. Queste mappe sono create utilizzando veicoli di indagine dotati di lidar, telecamere e GPS, e devono essere aggiornati frequentemente come cambiamenti delle condizioni stradali.

Considerazioni normative ed etiche

Diritto e norme in materia di partecipazione

Negli Stati Uniti, la National Highway Traffic Safety Administration (NHTSA) ha rilasciato linee guida volontarie, ma non ha ancora stabilito standard di sicurezza federali completi per veicoli autonomi. Stati come California, Arizona e Texas hanno fatto test su vasta scala, ciascuno con i propri requisiti di processo e reporting. In Europa, la Commissione economica delle Nazioni Unite per l'Europa (UNECE) ha adottato regolamenti per il livello 3 sistemi di manutenzione automatica della corsia

Decisioni etiche

Forse la domanda etica più discussa è come un veicolo autonomo dovrebbe comportarsi in scenari di incidente inevitabile - il cosiddetto "problema di controllo" applicato alla guida. Se il veicolo priorità la sicurezza dei suoi occupanti sui pedoni? Dovrebbe minimizzare il danno complessivo anche se questo significa danneggiare i propri passeggeri? Mentre questi dilemmi fanno per convincenti discussioni filosofiche, molti ingegneri sostengono che tali scelte stark sono estremamente rare nella guida reale;

Sicurezza informatica e privacy dei dati

Come i veicoli collegati, software-definiti, auto autonome sono potenziali obiettivi di cyberattacchi. Un attore maligno potrebbe tentare di di dirottare il controllo del veicolo, corrompere i dati dei sensori, o rubare i dati sensibili. Le conseguenze di un attacco di successo potrebbero essere catastrofiche. Per mitigare i rischi, gli ingegneri progettano architetture sicure con i moduli di sicurezza hardware (HSMs), i meccanismi di aggiornamento over-the-air autenticati tramite infrastrutture chiave pubblica e la segmentazione di rete regolare che regolano le funzioni di raccolta dei dati di raccolta dei dati di dati di raccolta di dati di dati di dati di monitoraggio comuni di dati di monitoraggio.

Infrastrutture e connettività

I veicoli autonomi non operano in un vuoto; dipendono dalle infrastrutture. Le reti di trasporto autonome e di trasporto (V2X)], comprese le infrastrutture di veicolo-veicolo (V2DSV) e le reti di auto-infrastruttura (V2I), possono aumentare l'autonomia fornendo dati oltre i sensori del veicolo, ad esempio un segnale di traffico che trasmette i tempi di fase e di auto

Prospettive future

Nonostante le sfide formidabili, la traiettoria per veicoli autonomi rimane positiva, anche se con una linea temporale più temperata di alcune previsioni iniziali suggerite. Waymo è completamente autonomo (senza driver di sicurezza) servizio di ispezione a Phoenix e San Francisco dimostra che le operazioni di Livello 4 sono fattibili in specifiche aree geografiche con condizioni favorevoli.

Probabilmente vedremo l'espansione autonoma dei veicoli in ambienti strettamente controllati: aree urbane di geofensori, corsie dedicate per autocarri autonomi sulle autostrade, rotte a bassa velocità nei campus o nelle zone del centro. La proprietà dei consumatori di veicoli completamente autonomi rimane più lontano, dato costo e ostacoli normativi. Tuttavia, il progresso cumulativo nei sensori, la computazione e l'AI, insieme a lezioni di dispiegazioni anticipate, posiziona l'industria per superare rapidamente molte delle sfide ingegneristiche.

Per ulteriori informazioni sugli standard di sicurezza dei veicoli autonomi, visitare la pagina NHTSA Automemoria[]. Per le ultime tecniche di fusione dei sensori, fare riferimento al IEEE Spectrum veicoli autonomi argomento. Per le linee guida etiche, vedere il Istituto di ingegneri elettrici ed elettronici (IEEE) Global Initiative on