Strumenti scalabili per la sicurezza dei veicoli autonomi sviluppati dai ricercatori

Con l'aumentare della velocità di produzione e distribuzione di veicoli autonomi, la sicurezza dei veicoli autonomi diventa ancora più importante. Per questo motivo, i ricercatori stanno investendo nella creazione di metriche e strumenti per monitorare la sicurezza dei veicoli autonomi. Come riportato da ScienceDaily, un gruppo di ricerca dell'Università dell'Illinois a Urbana-Champaign ha utilizzato algoritmi di apprendimento automatico per creare una piattaforma scalabile di analisi della sicurezza dei veicoli autonomi, utilizzando miglioramenti sia hardware che software per farlo.

Migliorare la sicurezza dei veicoli autonomi è rimasto uno dei compiti più difficili nell'IA, a causa delle numerose variabili coinvolte nel compito. Non solo i sensori e gli algoritmi coinvolti nel veicolo sono estremamente complessi, ma ci sono molte condizioni esterne che sono costantemente in evoluzione, come le condizioni stradali, la topografia, il tempo, l'illuminazione e il traffico.

Il panorama e gli algoritmi dei veicoli autonomi sono entrambi in continua evoluzione e le aziende hanno bisogno di un modo per stare al passo con i cambiamenti e rispondere ai nuovi problemi. I ricercatori dell'Illinois stanno lavorando a una piattaforma che consente alle aziende di affrontare i problemi di sicurezza identificati di recente con un metodo rapido ed economico. Tuttavia, l'assoluta complessità dei sistemi che guidano i veicoli autonomi rende questa impresa enorme. Il team di ricerca sta progettando un sistema in grado di tenere traccia e aggiornare i sistemi di veicoli autonomi che contengono dozzine di processori e acceleratori che eseguono milioni di righe di codice.

In generale, i veicoli autonomi guidano in modo abbastanza sicuro. Tuttavia, quando si verifica un guasto o un evento inaspettato, attualmente è più probabile che un veicolo autonomo subisca un incidente rispetto ai guidatori umani, poiché il veicolo spesso ha difficoltà ad affrontare le emergenze improvvise. Anche se è vero che è difficile quantificare quanto sono sicuri i veicoli autonomi e qual è la colpa degli incidenti, è ovvio che le avarie di un veicolo che percorre una strada a 70 mph potrebbero rivelarsi estremamente pericolose, da qui la necessità di migliorare la gestione delle emergenze da parte dei veicoli autonomi.

Saurabh Jha, un dottorando e uno dei ricercatori coinvolti nel programma, ha spiegato a ScienceDaily la necessità di migliorare la gestione dei guasti nei veicoli autonomi. Jha ha spiegato:

“Se un guidatore di un'auto tipica rileva un problema come il veicolo che si sposta o tira, può regolare il proprio comportamento e guidare l'auto fino a un punto di arresto sicuro. Tuttavia, il comportamento del veicolo autonomo può essere imprevedibile in tale scenario a meno che il veicolo autonomo non sia esplicitamente addestrato per tali problemi. Nel mondo reale, ci sono un numero infinito di casi del genere.

I ricercatori mirano a risolvere questo problema raccogliendo e analizzando i dati relativi ai rapporti sulla sicurezza presentati dalle società di veicoli autonomi. Aziende come Waymo e Uber sono tenute a presentare rapporti al DMV in California almeno una volta l'anno. Questi rapporti contengono dati su statistiche come la distanza percorsa dalle auto, il numero di incidenti verificatisi e le condizioni in cui operavano i veicoli.

Il team di ricerca dell'Università dell'Illinois ha analizzato i rapporti che coprono gli anni dal 2014 al 2017. Durante questo periodo, i veicoli autonomi hanno percorso circa 1,116,000 miglia distribuite su 144 veicoli diversi. Secondo i risultati del team di ricerca, rispetto alla stessa distanza percorsa da conducenti umani, gli incidenti avevano una probabilità 4000 volte maggiore di verificarsi. Gli incidenti possono implicare che l'intelligenza artificiale del veicolo non sia riuscita a disimpegnarsi correttamente ed evitare l'incidente, affidandosi invece al conducente umano per prendere il sopravvento.

È difficile diagnosticare potenziali errori nell'hardware o nel software del veicolo autonomo perché molti errori si manifesteranno solo nelle condizioni corrette. Inoltre, non è fattibile condurre test in tutte le possibili condizioni che potrebbero verificarsi su strada. Invece di raccogliere dati su centinaia di migliaia di miglia reali registrate da veicoli autonomi, il team di ricerca sta utilizzando ambienti simulati per ridurre drasticamente la quantità di denaro e il tempo spesi nella generazione di dati per l'addestramento degli AV.

Il team di ricerca utilizza i dati generati per esplorare situazioni in cui possono verificarsi guasti AV e possono verificarsi problemi di sicurezza. Sembra che l'utilizzo delle simulazioni possa davvero aiutare le aziende a trovare rischi per la sicurezza che altrimenti non sarebbero in grado di rilevare. Ad esempio, quando il team ha testato l'Apollo AV, creato da Baidu, ha isolato oltre 500 casi in cui l'AV non è riuscito a gestire una situazione di emergenza e di conseguenza si è verificato un incidente. Il team di ricerca spera che altre aziende utilizzino la loro piattaforma di test e migliorino la sicurezza dei loro veicoli autonomi.