Sicurezza on The Road: il progetto con la Croce Rossa in 80 città
Un nuovo ambito di ricerca riguarda l’intelligenza artificiale al servizio di una guida autonoma sicura su strada, senza perdere di velocità
.
.
Un recente studio su Fraunhofer tratta un nuovo ambito di ricerca: l’intelligenza artificiale al servizio della guida autonoma. Una sfida importante per le auto con guida autonoma è garantire la sicurezza degli utenti della strada, senza rischiare una perdita di velocità. Un gruppo di scienziati del Fraunhofer Institute for Experimental Software Engineering IESE, del Fraunhofer Institute for Cognitive Systems IKS e del l’Università di York ha sviluppato un sistema dinamico di gestione del rischio, nell’ambito di un’architettura di sicurezza di riferimento. Questo fornisce un veicolo con una migliore comprensione degli attuali pericoli di guida. Le funzionalità dell’intelligenza artificiale vengono utilizzate per analizzare e tenere conto di fattori che influenzano, come il comportamento di guida di altri utenti della strada.
Con la tecnologia all’avanguardia di oggi, la costruzione di auto a guida autonoma che sono più sicuri di conducenti umani comporterebbe una perdita di velocità e comfort e ridurre ulteriormente l’accettazione della mobilità autonoma. Questo è il risultato di uno studio dell’Insurance Institute for Highway Safety, un’organizzazione americana per la sicurezza stradale che pubblica regolarmente ricerche sulla guida autonoma.
Il progetto LOPAAS si pone l’obiettivo di rendere sicura la guida autonoma
Gli studi pilota condotti dalle case automobilistiche tedesche confermano anche la percezione dei passeggeri che i veicoli autonomi sono per lo più lenti ed esitanti. Una sfida fondamentale per l’introduzione sul mercato di sistemi autonomi è quindi garantire la sicurezza senza limitare la velocità e il comfort tanto che l’accettazione scompare.
Il progetto LOPAAS (Layers of Protection Architecture for Autonomous Systems) comprende il Fraunhofer IESE, il Fraunhofer IKS e l’Università di York, e tutti istituti di ricerca che collaborano nel campo della sicurezza dei software complessi stanno perseguendo l’obiettivo di consentire ai veicoli autonomi di guidare più velocemente e in modo più sicuro. I risultati del progetto saranno poi integrati, tramite norme sulla tecnologia.
L’architettura di sicurezza per i sistemi autonomi
I partner stanno mettendo in comune le loro competenze per sviluppare un’architettura di sicurezza per la guida automatizzata e i sistemi autonomi. Fraunhofer IESE sta contribuendo con la sua esperienza nella gestione dinamica del rischio, che consente ai sistemi autonomi di valutare e controllare i rischi delle loro opzioni di azione in un modo specifico della situazione, mentre ICS si concentra sull’intelligenza artificiale affidabile e al rilevamento basato della situazione e al monitoraggio Runtime. L’Università di York sta contribuendo la sua esperienza nel generare sistematicamente la sicurezza e la tracciabilità delle auto.
I partner del progetto stanno sviluppando concetti di sicurezza innovativi per le due principali aree di applicazione: da un lato, per i robotaxis e roboshuttles – le auto a guida autonoma per uno o più passeggeri – e, dall’altro, per i piloti di autostrade integrati in auto private, vale a dire, per i software che può assumere completamente la guida e la funzione di guida su sezioni autostradali ben mappate in semplici condizioni meteorologiche.
L’ingegnere della sicurezza digitale
I concetti di sicurezza sono stati studiati, utilizzando scenari di utilizzo specifici di un pilota in autostrada. Con questo l’”ingegnere della sicurezza” digitale, i team di ricerca stanno portando a bordo un sistema che rende la guida automatizzata più efficiente per i vari casi d’uso garantendo al contempo la sicurezza. Adattato alla situazione del traffico, l’ingegnere della sicurezza digitale reagisce individualmente e influenza il comportamento di guida e l’esperienza di guida dell’utente. In questo modo, la gestione dinamica dei rischi assistita dall’intelligenza artificiale consente di anticipare la guida, mantenere le distanze richieste dagli altri veicoli e prevenire frenate brusche.
La gestione dinamica dei rischi non consente di calcolare gli scenari peggiori. “Gli approcci attuali assumono scenari peggiori per garantire una sicurezza ottimale. Tra le altre cose, si basano su calcoli di leggi fisiche che disciplinano il modo in cui gli oggetti si muovono. Tuttavia, questo porta alla velocità ridotta del veicolo. È anche difficile valutare correttamente i rischi multipli che possono verificarsi contemporaneamente, come un pedone che appare improvvisamente a sinistra del veicolo e un ciclista sul lato destro del veicolo“, ha dichiarato il Dr. Rasmus Adler, Program Manager Sistemi autonomi a Fraunhofer IESE e project manager di LOPAAS.
La collaborazione con Hitachi
Adler ha aggiunto: “L’obiettivo è quello di attuare una comprensione del rischio nei veicoli che non calcola il caso peggiore e quindi non sovrastimare tutti i rischi.” A tal fine, il team di ricerca utilizza reti bayesiane causali per rappresentare la distribuzione di probabilità congiunta di tutte le variabili rilevanti per il rischio nel modo più compatto possibile, consentendo al sistema di comprendere il contesto dinamico.
La nuova metodologia dei ricercatori è già applicata nel campo dell’intralogistica: un progetto con Hitachi si concentra sulla collaborazione sicura ed efficiente tra robot mobili autonomi e lavoratori umani nei magazzini industriali. Il principio alla base della soluzione consiste nel sostituire le ipotesi statiche dello scenario più sfavorevole, comunemente utilizzate per la progettazione della sicurezza, con meccanismi di sicurezza dinamici che utilizzano la conoscenza della specifica situazione attuale di un sistema di trasporto senza conducente.
La gestione dinamica del rischio
Ad esempio, l’ipotesi di quanto sia probabile che una persona si muova nella direzione prevista di spostamento di una macchina può essere stimata con maggiore precisione in base al compito di lavoro corrente o al movimento precedente di persone in quella posizione. Ciò consente inoltre al sistema di valutare meglio se sia effettivamente necessaria una frenata proattiva. I sistemi dovrebbero monitorare le caratteristiche pertinenti di se stessi e del loro contesto, proiettare queste proprietà nel futuro e trarre conclusioni sul loro impatto sul rischio.
“In ambienti semplici come i magazzini, il nostro approccio alla gestione dinamica del rischio funziona molto bene. Hitachi prevede di equipaggiare i suoi carrelli elevatori senza conducente con questo sistema tecnologico. Ottimizzeremo la nostra metodologia per situazioni di traffico complesse con robotaxis e autopiloti fino alla fine del progetto nel giugno 2024. A tal fine, utilizziamo anche modelli basati sull’IA e sui dati, essenziali per il riconoscimento dell’ambiente e la classificazione degli oggetti“, afferma Adler.
.
02/08/23
fonte: MeteoWeb
Articoli correlati