l'iniziativa
Guida autonoma, il progetto tedesco per rendere le auto pi¨´ intelligenti
Se lĄŻelettrificazione ¨¨ ormai una certezza, la guida autonoma risente di un andamento meno lineare. I sistemi di assistenza alla guida che equipaggiano le auto di ultima generazione aumentano in misura significativa la sicurezza passiva. Bench¨Ś piuttosto sofisticata, la tecnologia contemporanea ¨¨ comunque ancora lontana da una completa sostituzione all'elemento umano: il conducente deve sempre vigilare e intervenire in caso di necessit¨¤. La sfida della guida autonoma ¨¨ il secondo pilastro della rivoluzione dei trasporti, ma i dubbi al momento sono pi¨´ delle certezze. Il progetto Ai Delta Learning nasce con il preciso obiettivo di trovare una risposta a queste incertezze, una su tutte: lĄŻapprendimento. I software, a oggi, non sono in grado di apprendere e di adattarsi ai cambiamenti in tempo reale. Affinch¨Ś ci¨° accada, si rende necessaria una riscrittura completa del codice, con conseguente aumento dei costi e delle risorse necessaria a svilupparlo. Il progetto, tedesco, grazie alla collaborazione di numerosi attori potrebbe trovare presto una soluzione.
Collaborazione
ĄŞ ?LĄŻimportanza che il progetto potrebbe avere ¨¨ dimostrata dalla lista di aderenti. Innanzitutto, lĄŻintera opera ¨¨ finanziata dal ministero tedesco per gli Affari economici e lĄŻenergia, a dimostrazione di quanto la politica sostenga un settore industriale fondamentale per lĄŻeconomia tedesca, ed ¨¨ parte di una pi¨´ vasta iniziativa denominata Ai Family e promossa dallĄŻassociazione tedesca dellĄŻindustria automobilistica (Vda). Le nuove tendenze a favorire automobili elettriche e sempre pi¨´ digitali, potrebbero compromettere il primato guadagnato dai marchi tedeschi dellĄŻautomotive in generazioni di presenza sul mercato. Lo sviluppo di tecnologie dĄŻavanguardia si rende necessario per giocare dĄŻanticipo su una concorrenza che, sopratutto nellĄŻestremo oriente, possiede importanti risorse. Per superare una sfida di settore, la collaborazione ¨¨ lĄŻunica via: al progetto Ai Delta Learning aderiscono Porsche, il gruppo Bmw, Mercedes-Benz, Cariad, Bosch con il supporto di ben nove universit¨¤ tra cui lĄŻistituto tecnico di Monaco e lĄŻUnivesit¨¤ di Stoccarda.
Big data
ĄŞ ?Il principale problema dei sistemi di guida autonoma ¨¨ lĄŻincapacit¨¤ di adattarsi ai cambiamenti. Se unĄŻautomobile europea equipaggiata con i pi¨´ sofisticati sistemi di guida autonoma si reca su di una strada inglese (con guida a destra) o viaggia lungo unĄŻautostrada cinese (dove i cartelli sono scritti in caratteri), non sapr¨¤ adattarsi al cambiamento non riconoscendo le indicazioni e non sapendo quale comando eseguire. Per far s¨Ź che unĄŻautomobile sia adatta a ogni condizione, si richiede una scrittura di codice specifica per il contesto nel quale sar¨¤ inserita. Inoltre, se un nuovo elemento si introduce nella realt¨¤ (ad esempio monopattini), il software deve eseguire una sessione di aggiornamento prima di poter familiarizzare con esso. Ogni cambiamento richiede una completa riscrittura del codice, da zero, dato che non ¨¨ possibile integrare i singoli elementi. Tutto ci¨° comporta un utilizzo di risorse non indifferente ed ¨¨ chiaro che in questo modo non ¨¨ possibile lasciare piena libert¨¤ di azione alla vettura. Una soluzione potrebbe arrivare grazie allĄŻutilizzo di Big Data e per mezzo di un dialogo tra automobili.
Prime applicazioni entro fine 2022
ĄŞ ?I numerosi tecnici del progetto Ai Delta Learning sono al lavoro per trovare una soluzione al problema. Una delle pi¨´ interessanti tecnologie ¨¨ rappresentata dai Big Data: attraverso una continua integrazione di nuove informazioni e con un dialogo tra infrastruttura e veicolo, ¨¨ possibile aggiornare quasi in tempo reale le funzioni di guida autonoma. In questo modo, lĄŻadattamento al cambiamento dovrebbe essere pi¨´ facile e veloce. Un altro elemento chiave per lo sviluppo di sistemi di guida autonoma pi¨´ sofisticati ed efficienti ¨¨ lo sviluppo di sensori, radar e telecamere ancor pi¨´ precisi e in grado di restituire immagini dettagliate dellĄŻambiente circostante, anche a livello climatico. Tra i metodi pi¨´ promettenti, rientra sicuramente il dialogo tra vetture. Si costruisce un veicolo Ą°maestraĄą a cui sono insegnate tutte le informazioni necessarie: una sorta di database in continua espansione. Questa restituisce il risultato dellĄŻacquisizione a una vettura Ą°scolaraĄą che dopo averle apprese le restituir¨¤ a un ulteriore veicolo e cos¨Ź via, in una sorta di apprendimento verticale connesso e autonomo. I primi risultati concreti dovrebbero essere presentati entro fine 2022.
? RIPRODUZIONE RISERVATA