Che cosa definisce un veicolo autonomo oggi

I veicoli autonome, spesso chiamati auto-guida, rappresentano un cambiamento fondamentale nel modo in cui pensiamo alla mobilità. Queste macchine si affidano a uno stack sofisticato di sensori, computer a bordo e intelligenza artificiale per percepire il loro ambiente e prendere decisioni di guida senza intervento umano diretto. La Società degli ingegneri automobilistici (SAE) definisce sei livelli di automatismo, da Livello 0 (nessuna automazione) a Livello 5 (full automazione in tutte le condizioni).

La promessa principale di autonomia non è solo convenienza; è il potenziale di ridurre drasticamente i circa 1.35 milioni di morti di traffico che si verificano a livello globale ogni anno, la maggior parte dei quali sono attribuiti all'errore umano.

Il sensore di stack: Come i veicoli autonomi vedere il mondo

Per un veicolo da navigare in sicurezza, deve prima percepire il suo ambiente con estrema precisione e affidabilità, questo si ottiene attraverso una combinazione di sensori complementari, ciascuno con punti di forza e di debolezza distinti. Nessun tipo di sensore è sufficiente per tutte le condizioni, quindi i moderni sistemi autonomi si fondeno dati da fonti multiple per costruire un modello robusto e ridondante del mondo.

LiDAR: Dipingere il mondo in 3D

LiDAR, che sta per Light Detection e Ranging, spara milioni di impulsi laser al secondo e misura il tempo necessario per loro di tornare dopo riflettere gli oggetti. Questo crea densi, in tempo reale, 3D punti nubi che permettono al veicolo di rilevare la forma precisa, la posizione e il movimento di ostacoli, pedoni, ciclisti, e altri veicoli, anche in piena oscurità.

Radar: Vedere attraverso il tempo

I sensori radar emettono onde radio e analizzano i riflessi per determinare la distanza, la velocità e l'angolo degli oggetti. Il loro vantaggio chiave è la robustezza: le onde radio penetrano nebbia, pioggia, neve e polvere molto meglio dei radar radar o dei laser a infrarossi. I moderni sistemi radar automobilistici operano a 77 GHz e possono rilevare oggetti a distanze superiori a 250 metri.

Fotocamere: Il ruolo critico della visione

Le telecamere forniscono le informazioni più elevate di risoluzione nello stack del sensore, catturando il colore, la texture e il contrasto. Questi dati visivi sono essenziali per interpretare i segni di corsia, i semafori, i segnali stradali e distinguere tra una borsa di plastica e una roccia nella strada.

AI e Machine Learning: Il cervello dietro la ruota

I dati grezzi dei sensori sono inutili senza un trattamento sofisticato per estrarre significato e prendere decisioni di guida. Questo è dove l'intelligenza artificiale e l'apprendimento automatico prendono il centro. I moderni sistemi di guida autonomi utilizzano diversi tipi di reti neurali che lavorano in concerto. Le reti di percezione convertono i dati dei sensori in un modello dell'ambiente, identificano gli oggetti, le loro posizioni, velocità e predissero le traiettorie.

Le reti sono addestrate a enormi dataset di dati di guida del mondo reale, spesso contenenti petabyte di registrazioni dei sensori etichettate. Aziende come Waymo hanno guidato milioni di miglia su strade pubbliche e miliardi di più in simulazione per addestrare i loro sistemi. L'apprendimento di rinforzo è sempre più utilizzato per insegnare ai veicoli manovre complesse come fondersi su autostrade o navigare incerti giri di sinistra in traffico pesante.

Stato attuale dei sistemi pilota automatico: giocatori e approcci

La gara per la distribuzione di veicoli autonomi ha prodotto un paesaggio diversificato delle aziende, ognuna delle quali ha perseguito strategie tecniche e aziendali distinte, mentre nessuna azienda ha ancora raggiunto la piena autonomia di livello 5, sono stati fatti progressi significativi in settori operativi limitati.

Waymo: il pioniere Sensor-Rich

Waymo, una filiale di Alphabet, è ampiamente considerata il leader tecnico nell'autonomia di Livello 4. La sua flotta di veicoli autonomi Jaguar I-PACE gestisce un servizio robotaxi commerciale completamente privo di conducente in parti di Phoenix, San Francisco e Los Angeles. L'approccio di Waymo si basa su una suite di sensori altamente ridondanti tra cui LiDAR (sia a lungo raggio che a corto raggio), radar e telecamere multiple.

Tesla: Visione-Only a Scale

Tesla si occupa di un approccio fondamentalmente diverso, basandosi interamente su telecamere e reti neurali, eliminando i radar dai suoi nuovi veicoli. L'amministratore delegato Elon Musk sostiene che i driver umani navigano esclusivamente con la visione, quindi una rete neurale sufficientemente avanzata con otto telecamere e un potente computer a bordo dovrebbe essere in grado di abbinare o superare le prestazioni umane.

Crociera: Ambizioni di robot urbano

Cruise, la maggior parte di proprietà di General Motors, ha gestito un servizio di robotaxi commerciale a San Francisco, Austin e Phoenix prima di un incidente di alto profilo nell'ottobre 2023 ha portato a una sospensione delle sue operazioni e un richiamo della sua flotta. L'incidente, in cui un veicolo Cruise ha trascinato un pedone che era stato colpito da un'altra auto, ha sollevato gravi domande sulle pratiche di sicurezza dell'azienda e sulla conformità normativa.

Mobileye: Il modello del fornitore

Mobileye, una filiale Intel, si avvicina a un altro approccio fornendo una tecnologia di guida autonoma ai produttori di autoveicoli piuttosto che a gestire la propria flotta. Il suo sistema, basato su una combinazione di fotocamera, radar e LiDAR, è progettato per essere integrato in veicoli di produzione da BMW, Volkswagen, Nissan e altri.

Sfide sulla strada per l'autonomia completa

Nonostante i progressi tecnici impressionanti, molti ostacoli formidabili rimangono prima che i veicoli autonomi possano diventare una caratteristica onnipresente della vita quotidiana, che abbraccia la tecnologia, la regolamentazione, l'infrastruttura e la società.

Bordo tecnico e problemi a lungo raggio

La sfida tecnica più persistente è la gestione della "coda lunga" di scenari rari ma critici. I sistemi autonomi formati su set di dati di massa possono gestire il 99% delle situazioni di guida, ma il restante 1% include casi di bordo che sono infinitamente variati e spesso impossibili da prevedere. Un bambino che insegue una palla nella strada, un lavoratore di costruzione che rinuncia a segno di arresto, un agente di polizia che dirige il traffico con gesti manuali, o un pezzo di ricerca di uno scenario di un miglia completamente

Enormi e legali

In Stati Uniti, la National Highway Traffic Safety Administration (NHTSA) ha rilasciato una guida volontaria, ma non ha ancora stabilito standard di sicurezza federali completi per i sistemi di guida autonomi. Questo lascia alle aziende di navigare un patchwork delle normative di livello statale, alcuni dei quali proibiscono o limitano gravemente le operazioni di veicoli autonomi.

Sicurezza informatica e privacy dei dati

I veicoli autonomi sono essenzialmente data center su ruote, collegati a internet e dotati di decine di sensori e computer potenti. Questa connettività crea rischi di sicurezza informatica significativi. Un attacco di successo sui sistemi di controllo di un veicolo potrebbe avere conseguenze catastrofiche, potenzialmente permettendo a un aggressore di disabilitare i freni, lo sterzo di di dirotta, o disattivare i sistemi di sicurezza.

Percezione pubblica e fiducia

Indagini mostrano costantemente che una maggioranza delle persone è esitante o non vuole guidare in un veicolo completamente autonomo. I crash di alto profilo, anche quando raro, ricevono una copertura estesa dei media e creano impressioni negative duraturi. Le persone naturalmente temono di perdere il controllo e di mettere la loro sicurezza nelle mani del software che potrebbero non capire o fidarsi.

Infrastrutture e Implicazioni ecosistemiche urbane

I mezzi di trasporto autonomi non possono essere utilizzati in un sistema di trasporto urbano, ma possono essere utilizzati in modo da consentire ai veicoli di trasporto autonomi di utilizzare i mezzi di trasporto più efficienti e più efficienti.

Implicazioni economiche e occupazionali

La transizione verso i veicoli autonomi creerà vincitori e perdenti in tutta l'economia. L'impatto più diretto sarà sui quasi 4 milioni di conducenti di autocarri, tassisti, sussidi di guida e conducenti di consegna negli Stati Uniti.

Come la responsabilità per i movimenti di guida da esseri umani a macchine, l'assicurazione auto si sposta da prodotti di responsabilità personale a responsabilità di prodotto e l'assicurazione della flotta commerciale. I premi probabilmente declinano per i conducenti umani come tassi di incidente cadere, ma la struttura del mercato cambierà fondamentalmente.

La strada principale: una transizione graduale

La completa autonomia in scala non è imminente, ma la transizione è già in corso in ambienti controllati. Le applicazioni più chiare a breve termine sono in servizi robotassi geofensivi che operano in condizioni climatiche favorevoli e ben mappate. Aziende come Waymo hanno dimostrato che le operazioni completamente senza conducente sono tecnicamente fattibili in settori limitati, e questi servizi gradualmente si espanderanno a più città e condizioni più difficili. L'industria del camion probabilmente vedrà i driver di transizione lungo percorsi di stanchezza, dove l'ambiente di guida è graduale

In questo modo, i sistemi di guida autonomi di livello 3 che permettono di guidare in condizioni specifiche diventeranno più comuni nei veicoli di consumo. Questi sistemi gestiranno la guida autostradale, le ingorghi e il parcheggio, ma il conducente umano deve ancora essere pronto a prendere il controllo quando il sistema raggiunge i suoi limiti.

Per ulteriori informazioni sul paesaggio tecnico e regolamentare dei veicoli autonomi, vedere la pagina dei veicoli automatizzati di NHTSA per l'orientamento di sicurezza ufficiale, e la SAE J3016 standard per la definizione definitiva dei livelli di autonomia.