Intelligenza artificiale: come gli algoritmi imparano a guidare

Gli algoritmi basati su reti neurali sono in grado di apprendere dinamicamente sulla base delle informazioni che ricevono come input.

Gli algoritmi di riconoscimento delle immagini sono fondamentali per i sistemi di frenata di emergenza (AEB) sia nei confronti di altri veicoli che per i cosiddetti Vulnerable Road Users (VRU), ovvero pedoni e ciclisti, ma anche per il riconoscimento dei segnali stradali (SSS) e per i sistemi di mantenimento di corsia (Lane Support System - LSS).

Questi algoritmi vengono allenati con una grande quantità di immagini corredate di etichette, ovvero il nome dell’oggetto presente nell’immagine, e sono poi capaci di riconoscere immagini nuove sulle base delle informazioni che hanno ricevuto in fase di allenamento. Pensate a un bambino che impara i nomi degli animali, se gli viene mostrata l’immagine di un cane Labrador marrone sarà poi capace di riconoscere tutti gli altri cani indipendentemente dalla loro razza o colore del pelo. Lo stesso vale per l’intelligenza artificiale, le verranno “mostrate” un certo numero di immagini di ciclisti, ma il veicolo dovrà essere capace di identificare tutti i ciclisti che trova sul suo tragitto indipendentemente dal colore dei vestiti, dalla corporatura o dallo sfondo.

Quest’allenamento richiede un’enorme onere che cresce esponenzialmente con le casistiche in cui vogliamo che la funzione possa agire correttamente, e per un veicolo a guida autonoma sono infinite. 

Identificare correttamente gli oggetti

Purtroppo l’importanza e la complessità di identificare correttamente gli oggetti e l’ambiente circostante in tutte le situazioni è confermato anche da fatti di cronaca in cui sistemi di guida assistita non sono stati in grado di riconoscere correttamente gli oggetti causando quindi un sinistro.

Ad esempio nel giugno del 2020 una Tesla Model 3 con l’Autopilot attivato e impostato per mantenere i 110 km/h di velocità non ha frenato per evitare la collisione contro un tir di colore bianco ribaltato in autostrada, l’impatto è avvenuto comunque a velocità ridotta grazie al fatto che il conducente si è accorto dell’ostacolo ed ha frenato.

Al contrario nel 2018 in Arizona una donna è morta travolta da una XC90 su cui era attivato il sistema prototipale di guida autonoma di Uber. L’incidente è avvenuto di notte e la donna stava attraversando la strada non in corrispondenza delle strisce pedonali. Sembra che il software del veicolo abbia iniziato a frenare troppo tardi poiché non ha riconosciuto la sagoma del pedone a causa della scarsa luminosità e dell’assenza dell’attraversamento pedonale. Il conducente non stava guardando la strada e si è reso conto di quello che stava accadendo troppo tardi per poter intervenire. In questo caso la distrazione del conducente è stata fatale.

È quindi fondamentale ricordare che ad oggi sono a norma di legge esclusivamente i sistemi di assistenza per i quali in nessun caso è permesso staccare le mani dal volante o distrarsi durante la conduzione ed il conducente è sempre responsabile della guida del veicolo.

Tuttavia molti conducenti sovrastimano le capacità dei propri veicoli e una volta attivate le funzioni, ad esempio il Traffic jam in caso di ingorghi o l’Highway pilot in autostrada, si concentrano su altre attività lasciando il veicolo senza supervisione.
Questo problema della distrazione alla guida cresce proporzionalmente alle capacità dei sistemi di assistenza: più un sistema è affidabile più la persona si sente sicura e tende a considerare il veicolo capace di guidare autonomamente.

Il centro di ricerca

Fa parte di Generali jeniot, il Centro di Innovazione e Sperimentazione, con sede a Pero (MI), che si occupa di presidiare la frontiera dell’innovazione tecnologica e di servizio attraverso iniziative di ricerca e sviluppo, l’impatto dell’intelligenza artificiale nella vita quotidiana di mezzi e guidatori, prototipazione, collaborazione con aziende, istituti di ricerca, università e start up. In ambito automotive, nel Centro di Innovazione e Sperimentazione vengono realizzati crash test a bassa velocità, prove sperimentali sul funzionamento dei dispositivi telematici e dei veicoli connessi, valutazioni sugli ADAS, progetti di ricerca sulle nuove tecnologie, studi delle tecniche riparative, analisi di mercato e corsi di formazione.