Perché le Auto a Guida Autonoma sono il Futuro e Come Vengono Create?

A causa delle recenti misure di quarantena adattive imposte in quasi tutte le parti del mondo, i viaggi aerei, i trasporti pubblici e molti altri settori hanno subito un grande impatto nel 2020. Tuttavia, il mondo automobilistico e i veicoli autonomi, in particolare, hanno mostrato una maggiore resilienza durante questo difficile periodo. In effetti, aziende come Ford hanno aumentato gli investimenti nello sviluppo di auto elettriche e a guida autonoma, allocando 29 miliardi di dollari nel quarto trimestre dell’anno scorso. In particolare, 7 miliardi di dollari di quei soldi saranno destinati allo sviluppo di auto a guida autonoma. Quindi Ford si unisce a General Motors, Tesla, Baidu e altri costruttori di automobili nel fare investimenti sostanziali in veicoli autonomi. In questo articolo, vi diremo perché le aziende investono in auto a guida autonoma e come gli algoritmi di apprendimento automatico che li alimentano vengono addestrati.

Perché Molte Aziende Investono in Auto a Guida Autonoma?

Quando esaminiamo tutti i benefici offerti dai veicoli autonomi, è facile capire perché così tante aziende investono nel loro sviluppo. I conducenti potranno risparmiare più denaro poiché non dovranno pagare piani assicurativi costosi, velocizzeranno i loro spostamenti quotidiani, miglioreranno l’economia di carburante e molti altri benefici. Per le aziende, tale automazione apre la porta a maggiori risparmi. Un ottimo esempio è il trasporto di camion a lunga percorrenza autonomo, che sarà in grado di ridurre i costi operativi del 45%, secondo un rapporto di McKinsey & Company.
Il principale beneficio deve essere la maggiore sicurezza. Secondo la NHTSA, il 94% degli incidenti gravi è il risultato di errori umani. Le auto a guida autonoma possono ridurre notevolmente il numero di incidenti poiché non richiedono alcun input del conducente e hanno una visuale a 360 gradi in ogni momento. Inoltre, i sistemi avanzati di sicurezza del conducente (ADAS) possono assumere funzioni di sicurezza critiche in situazioni pericolose come la frenata e la sterzata. Ci sono molti benefici aggiuntivi che i veicoli autonomi offrono alla società, come le emissioni ridotte. In effetti, un caso di base ha mostrato una riduzione del 9% dell’energia e delle emissioni di gas serra nell’intero ciclo di vita del veicolo rispetto a quelle di un veicolo convenzionale. Ora che conosciamo tutti i benefici che le auto a guida autonoma hanno da offrire, analizziamo come vengono addestrati a riconoscere il mondo intorno a loro.

Come Funzionano gli AV e Come gli AV Possono Diventare una Realtà

Un veicolo autonomo deve seguire le regole della strada e per farlo, deve riconoscere tutti i vari segnali stradali, le strisce stradali, rilevare altri veicoli e pedoni e innumerevoli altri oggetti. Questi veicoli AI si basano sull’apprendimento automatico per “calcolare” cosa fare in tutte le situazioni di guida. Cominciamo con un esempio basilare. Una persona è nella sua auto a guida autonoma sulla highway per andare al lavoro. La macchina dovrà identificare correttamente il limite di velocità segnalato, mantenere una distanza di sicurezza dal veicolo davanti e, quando entra in un’area residenziale, deve riconoscere i pedoni e lasciarli attraversare la strada.
Ciò richiede migliaia e migliaia di immagini da annotare con tecniche che vanno dall’etichettatura alla segmentazione semantica. In effetti, Evgenia Khimenko, l’amministratore delegato di Mindy Support, un’azienda che fornisce servizi di annotazione dei dati per il settore automobilistico, afferma che ci sono molti progetti di annotazione dei dati possibili per l’industria automobilistica:

“Questi includono progetti come il riconoscimento facciale nei video per addestrare le auto a guida autonoma a riconoscere il comportamento degli altri conducenti sulla strada, l’etichettatura e l’annotazione dei video per rilevare il movimento e la direzione del veicolo (abbiamo annotato più di 545 milioni di sequenze di immagini). Un’altra sofisticata attività di annotazione audio è stata quando abbiamo dovuto identificare il timestamp e etichettare la parlata umana e anche tutti i rumori di sottofondo che si verificano all’interno del veicolo, come la radio, il riso, le grida, il canto, gli animali e persino il silenzio”.

Consideriamo uno scenario complesso. Immaginiamo che il veicolo autonomo stia guidando in un quartiere residenziale e ci sono teenager con skateboard che aspettano di attraversare la strada. Secondo le regole, la macchina ha la precedenza, ma c’è una buona possibilità che i teenager non aspettino che il semaforo diventi verde e cercheranno di attraversare la strada prematuramente. Un conducente umano sarà ben consapevole di tale rischio e si fermerà per anticipare tale evento, ma per una macchina, sarebbe molto difficile calcolarlo. Questo è il prossimo passo che i ricercatori stanno cercando di fare con i veicoli autonomi e semplicemente più dati annotati potrebbero essere la risposta.

Come gli AV Vedono il Mondo Fisico?

I veicoli autonomi si basano sulla tecnologia LiDAR per aiutarli a vedere il mondo intorno a loro. La LiDAR crea una nuvola di punti 3D, che è una rappresentazione digitale di come il sistema AI vede il mondo. Questa tecnologia non è riservata solo ai veicoli autonomi, ma viene utilizzata anche per altri lavori di automazione robotica, come la creazione di un robot che possa raccogliere i raccolti per il settore agricolo. La nuvola di punti 3D dovrà anche essere annotata in modo che la macchina sappia esattamente cosa sta vedendo. Ciò viene solitamente fatto con tecniche come l’etichettatura, le scatole 3D e la segmentazione semantica. Una forma più avanzata di annotazione sarebbe quella di codificare a colori la nuvola di punti 3D in modo che il veicolo capisca la distanza dell’oggetto.
Il modo in cui funziona la LiDAR è che invia un segnale di luce a tutti gli oggetti circostanti e, a seconda di quanto tempo ci vuole perché la luce ritorni, dà all’AI una comprensione di quanto lontano si trova l’oggetto. Ad esempio, il terreno sulla nuvola di punti 3D sarà sempre blu perché è il punto più basso, la luce si rifletterà rapidamente e il blu ha una lunghezza d’onda molto corta. Uno degli edifici circostanti potrebbe essere rosso o arancione a seconda di quanto lontano si trova.
È importante notare che la LiDAR non è l’unico gioco in città. Ad esempio, Tesla utilizza qualcosa chiamato Hydrant, che è una combinazione di otto telecamere che cucivano insieme un’immagine completa della strada. Altre aziende, come Waymo e Voyage, utilizzano la LiDAR. Un motivo possibile per cui Tesla potrebbe evitare la LiDAR è che è molto ingombrante e rovinerebbe l’aspetto complessivo dell’auto. Dopo tutto, le Tesla sono molto costose e i conducenti probabilmente non vorranno una grande scatola sul tetto della loro auto. Le aziende che sviluppano robotaxi, come Waymo, potrebbero essere in grado di utilizzare la LiDAR.

Perché i Dati di Addestramento di Alta Qualità Sono Così Importanti?

Avere dati di addestramento di alta qualità è una delle cose più essenziali che si devono avere per creare un’auto a guida autonoma. Tuttavia, ottenere semplicemente questi dati non è sufficiente. I set di dati di addestramento devono essere preparati tramite l’annotazione dei dati in modo che il sistema AI possa imparare da essi. Sebbene questo sia un processo molto lungo e tedioso, il successo dell’intero progetto dipende da esso. Dopo tutto, le auto a guida autonoma sono il futuro e possono potenzialmente aiutarci a ridurre o addirittura eliminare alcuni dei problemi che stiamo vivendo in termini di incidenti stradali e vittime, problemi ambientali e ingorghi stradali.