Strumenti di sicurezza per veicoli autonomi scalabili sviluppati da ricercatori

Man mano che la velocità di produzione e distribuzione di veicoli autonomi aumenta, la sicurezza di questi veicoli diventa sempre 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 team di ricercatori dell’Università dell’Illinois a Urbana-Champaign ha utilizzato algoritmi di apprendimento automatico per creare una piattaforma di analisi della sicurezza dei veicoli autonomi scalabile, utilizzando sia miglioramenti hardware che software per farlo.

Migliorare la sicurezza dei veicoli autonomi è rimasta una delle task più difficili nell’ambito dell’intelligenza artificiale, a causa delle molte variabili coinvolte nel compito. Non solo i sensori e gli algoritmi coinvolti nel veicolo sono estremamente complessi, ma ci sono anche molte condizioni esterne che sono costantemente in fluttuazione, come le condizioni stradali, la topografia, il tempo, la luce e il traffico.

Il paesaggio e gli algoritmi dei veicoli autonomi sono entrambi in costante evoluzione e le aziende hanno bisogno di un modo per tenere il passo con i cambiamenti e rispondere a nuovi problemi. I ricercatori dell’Illinois stanno lavorando su una piattaforma che consenta alle aziende di affrontare le preoccupazioni per la sicurezza di recente identificate in modo rapido ed economico. Tuttavia, la complessità estrema dei sistemi che guidano i veicoli autonomi rende questo un’impresa mastodontica. Il team di ricerca sta progettando un sistema in grado di tenere traccia e aggiornare i sistemi dei veicoli autonomi che contengono decine di processori e acceleratori che eseguono milioni di linee di codice.

In generale, i veicoli autonomi guidano abbastanza in sicurezza. Tuttavia, quando si verifica un guasto o un evento imprevisto, un veicolo autonomo è attualmente più probabile che sia coinvolto in un incidente rispetto ai guidatori umani, poiché il veicolo spesso ha difficoltà a negoziare le emergenze improvvise. Sebbene sia ammesso che sia difficile quantificare quanto siano sicuri i veicoli autonomi e cosa sia responsabile degli incidenti, è ovvio che i guasti di un veicolo che viaggia a 70 mph su una strada potrebbero essere estremamente pericolosi, da cui la necessità di migliorare la gestione delle emergenze da parte dei veicoli autonomi.

Saurabh Jha, un candidato dottorato 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 normale percepisce un problema come lo slittamento o la trazione del veicolo, il guidatore può adattare il proprio comportamento e guidare l’auto fino a un punto di sosta sicuro. Tuttavia, il comportamento del veicolo autonomo può essere imprevedibile in una tale situazione a meno che il veicolo autonomo non sia stato esplicitamente addestrato per tali problemi. Nel mondo reale, ci sono un numero infinito di tali casi”.

I ricercatori stanno cercando di risolvere questo problema raccogliendo e analizzando i dati relativi ai rapporti di sicurezza presentati dalle aziende di veicoli autonomi. Aziende come Waymo e Uber sono tenute a presentare rapporti al DMV in California almeno annualmente. Questi rapporti contengono dati su statistiche come la distanza percorsa dalle auto, il numero di incidenti verificatisi e le condizioni in cui i veicoli erano in funzione.

Il team di ricerca dell’Università dell’Illinois ha analizzato i rapporti relativi agli anni 2014-2017. 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, se paragonati alla stessa distanza percorsa dai guidatori umani, gli incidenti erano 4000 volte più probabili. Gli incidenti possono implicare che l’AI del veicolo non sia riuscita a disimpegnarsi e ad evitare l’incidente, affidandosi invece al guidatore umano per prendere il controllo.

È difficile diagnosticare potenziali errori nel hardware o nel software del veicolo autonomo perché molti errori si manifesteranno solo sotto le condizioni corrette. Non è inoltre possibile condurre test in tutte le condizioni possibili che potrebbero verificarsi sulla strada. Invece di raccogliere dati su centinaia di migliaia di miglia reali percorse dai veicoli autonomi, il team di ricerca sta utilizzando ambienti simulati per ridurre drasticamente la quantità di denaro e tempo spesi nella generazione di dati per l’addestramento dei veicoli autonomi.

Il team di ricerca utilizza i dati generati per esplorare situazioni in cui possono verificarsi guasti dei veicoli autonomi e problemi di sicurezza. Sembra che l’utilizzo di simulazioni possa realmente aiutare le aziende a individuare rischi per la sicurezza che altrimenti non sarebbero in grado di trovare. Ad esempio, quando il team ha testato l’AV Apollo, creato da Baidu, ha isolato oltre 500 casi in cui il veicolo autonomo non è riuscito a gestire una situazione di emergenza e un incidente è occorso a causa di ciò. Il team di ricerca spera che altre aziende utilizzeranno la loro piattaforma di test e miglioreranno la sicurezza dei loro veicoli autonomi.