Modelli e piattaforme di IA

Un team internazionale compie un grande passo avanti nella tecnologia dei veicoli autonomi

Alex McFarland
Aggiungi Unite.AI alle tue fonti preferite su Google
Punti chiaveIl team del professor Jeon ha raggiunto un'accuratezza di rilevamento superiore al 96%…
Vedi di più
  • Il team del professor Jeon ha raggiunto un'accuratezza di rilevamento superiore al 96% utilizzando YOLOv3 per oggetti 3D.
  • Il sistema IoT intelligente rileva gli oggetti in modo affidabile in condizioni di scarsa illuminazione e con condizioni meteorologiche insolite.
  • Questa tecnologia potrebbe consentire una guida autonoma, parcheggio, consegna e robot più sicuri entro 5-10 anni.

I veicoli autonomi sono pronti a rivoluzionare il trasporto, ma la loro implementazione efficace dipende dalla capacità di riconoscere con precisione le minacce esterne e rispondervi. Dall’elaborazione dei segnali e dall’analisi delle immagini agli algoritmi di apprendimento profondo integrati con l’infrastruttura IoT, una gamma di tecnologie deve essere utilizzata affinché le auto autonome possano garantire un funzionamento sicuro su terreni vari. Per garantire che la sicurezza dei passeggeri non sia compromessa mentre queste auto all’avanguardia diventano più diffuse, sono necessari metodi robusti che possano rilevare rapidamente e in modo affidabile le potenziali minacce.

I veicoli autonomi si affidano a sensori avanzati come LiDAR, radar e telecamere RGB per generare grandi quantità di informazioni per identificare correttamente i pedoni, gli altri conducenti e le potenziali minacce. L’integrazione di capacità di calcolo avanzate e Internet delle cose (IoT) in queste auto automatizzate consente di elaborare rapidamente questi dati sul posto per muoversi in modo più efficiente in diverse aree e tra gli oggetti. Ciò consente al veicolo autonomo di prendere decisioni in frazioni di secondo con un’accuratezza molto più alta rispetto ai conducenti umani tradizionali.

Un grande passo avanti nella tecnologia di guida autonoma

La ricerca innovativa condotta dal professor Gwanggil Jeon dell’Università Nazionale di Incheon, Corea, e dal suo team internazionale segna un grande passo avanti nella tecnologia di guida autonoma. L’innovativo sistema intelligente completo con supporto IoT che hanno sviluppato consente la rilevazione di oggetti 3D in tempo reale utilizzando l’apprendimento profondo, rendendolo più affidabile ed efficiente che mai. Può rilevare un numero maggiore di oggetti con maggiore accuratezza, anche in ambienti impegnativi come la scarsa illuminazione o le condizioni meteorologiche insolite, qualcosa che altri sistemi non possono fare. Queste capacità consentono una navigazione più sicura intorno a vari scenari di traffico, alzando l’asticella per i sistemi di guida autonoma e contribuendo a migliorare la sicurezza stradale in tutto il mondo.

La ricerca è stata pubblicata sulla rivista IEEE Transactions of Intelligent Transport Systems.

“Per i veicoli autonomi, la percezione dell’ambiente è fondamentale per rispondere a una domanda fondamentale, ‘Cosa c’è intorno a me?’ È essenziale che un veicolo autonomo possa comprendere efficacemente e con precisione le condizioni e gli ambienti circostanti per eseguire un’azione di risposta”, spiega il professor Jeon. “Abbiamo progettato un modello di rilevamento basato su YOLOv3, un algoritmo di identificazione ben noto. Il modello è stato utilizzato inizialmente per la rilevazione di oggetti 2D e successivamente modificato per oggetti 3D”, continua.

Basare il modello su YOLOv3

Il team ha alimentato le immagini RGB raccolte e i dati della nuvola di punti a YOLOv3, che ha quindi generato etichette di classificazione e caselle delimitanti con punteggi di confidenza. Le sue prestazioni sono state testate con il set di dati Lyft e i risultati iniziali hanno dimostrato che YOLOv3 ha raggiunto un’accuratezza di rilevamento estremamente alta (>96%) per oggetti 2D e 3D. Il modello ha superato vari modelli di rilevamento all’avanguardia.

Questo metodo appena sviluppato potrebbe essere utilizzato per veicoli autonomi, parcheggio autonomo, consegna autonoma e futuri robot autonomi. Potrebbe anche essere utilizzato in applicazioni in cui è richiesta la rilevazione di oggetti e ostacoli, il tracciamento e la localizzazione visiva.

“Al momento, la guida autonoma viene eseguita attraverso l’elaborazione delle immagini basata su LiDAR, ma si prevede che una normale telecamera sostituirà il ruolo di LiDAR nel futuro. Di conseguenza, la tecnologia utilizzata nei veicoli autonomi sta cambiando ogni momento e noi siamo all’avanguardia”, afferma il professor Jeon. “Sulla base dello sviluppo delle tecnologie di base, i veicoli autonomi con una sicurezza migliorata dovrebbero essere disponibili nei prossimi 5-10 anni”.

Alex dirige le operazioni di notizie alimentate dall'IA di Unite.AI, combinando giornalismo, ricerca e automazione per supportare una copertura tempestiva e scalabile dell'intelligenza artificiale. Il suo lavoro contribuisce a garantire che gli sviluppi emergenti dell'IA vengano evidenziati in modo efficiente, mantenendo gli standard editoriali della pubblicazione.