MaxDev.it

Onde aumentare la capacità delle auto autonome di guidare in condizioni difficili, come nel caso di strade ghiacciate, un team di ricercatori stanno sviluppando nuovi sistemi di controllo che imparano dalle esperienze di guida umane, sfruttando al tempo stesso le intuizioni della fisica.

Questo nuovo sistema, al vaglio presso la Stanford University, è stato testato su una pista in condizioni difficili utilizzando una Volkswagen GTI e un’Audi TTS, entrambe autonome. Dopo vari test, il sistema ha mostrato di funzionare bene.

Mentre le attuali autovetture autonome potrebbero fare affidamento sulle valutazioni in tempo reale del loro ambiente, il sistema di controllo progettato da questi ricercatori incorpora i dati di recenti manovre e passate esperienze di guida, compresi i viaggi su una pista ghiacciata vicino al Circolo Polare Artico. La sua capacità di apprendere dal passato potrebbe rivelarsi particolarmente potente, data l’abbondanza di dati sulla guida autonoma che i ricercatori di alcune aziende automobilistiche stanno producendo nel processo di sviluppo di questi veicoli.

I sistemi di controllo per le auto autonome richiedono l’accesso alle informazioni disponibili sull’attrito dei pneumatici stradali. Queste informazioni dettano i limiti di frenata di un’automobile, di quanto accelerare o sterzare per rimanere sulla strada in scenari di emergenza. Se gli ingegneri vogliono rendere sicuro un veicolo a guida autonoma entro i suoi limiti, tipo come pianificare una manovra di emergenza sul ghiaccio, devono fornirgli in anticipo dettagli dell’attrito del pneumatico sulla strada, difficile nel mondo reale in quanto è variabile e spesso difficile da prevedere.

Per sviluppare un sistema di controllo più flessibile e reattivo, i ricercatori hanno costruito una rete neurale, ossia un tipo di sistema di calcolo artificialmente intelligente, che integra i dati delle passate esperienze di guida al Thunderhill Raceway presso Willows, in California, un impianto di prova invernale con conoscenze di base fornite da 200.000 traiettorie basate sulla fisica.

Nei test simulati, il sistema di reti neurali ha sovraperformato quello basato sulla fisica in scenari sia ad alto attrito che a basso attrito. Si è dimostrato particolarmente efficace in scenari che comprendevano entrambe le condizioni. Anche se i risultati sono stati incoraggianti, i ricercatori hanno sottolineato che il loro sistema di rete neurale non funziona bene in condizioni esterne a quelle sperimentate. Per addestrare meglio la loro rete, le auto dovrebbero essere in grado di gestire una gamma più ampia di condizioni.