Il ruolo dell’Intelligenza Artificiale nel motorsport autonomo

L’intelligenza artificiale è già realtà nel campo della guida autonoma, dove viene sfruttata per la localizzazione delle vetture

.

.

L’Indy Autonomous Challenge è la principale competizione motoristica per vetture autonome, dove la sperimentazione della guida senza pilota viene spinta all’estremo. La guida autonoma rappresenta un’area di applicazione per l’Intelligenza Artificiale, pur non essendone sinonimo. La tecnologia delle reti neurali convoluzionali, infatti, viene sfruttata per compiti ben precisi, tra cui quello della localizzazione della monoposto.

I moduli base

La logica per il funzionamento di una vettura a guida autonoma si compone di quattro strati. Al livello più basso si colloca il modulo adibito a mantenere la vettura lungo la traiettoria pianificata, che prende il nome di Motion Control. In questo contesto, gli algoritmi rientrano nel campo della controllistica tradizionale, con logiche PID o MPC. Subito sopra si trova il modulo di Planning, con il quale si imposta la traiettoria da percorrere attraverso il Motion Control e che si avvale delle informazioni restituite dai due livelli superiori. Nel dettaglio, si tratta del Target Tracking, ossia la percezione degli ostacoli e delle vetture circostanti, e soprattutto il Positioning, la localizzazione della vettura all’interno del circuito.

Proprio la localizzazione e il tracciamento degli ostacoli sono i moduli dove l’Intelligenza Artificiale trova applicazione nella guida autonoma. Spiega il professor Sergio Savaresi, responsabile del team PoliMOVE del Politecnico di Milano che prende parte alle competizioni dell’Indy Autonomous Challenge: “Con Intelligenza Artificiale definiamo le reti neurali convoluzionali che, tra questi quattro moduli, ad oggi ha senso utilizzarle nelle parti di localizzazione e percezione degli ostacoli. Non ha invece senso impiegarle nella parte di dinamica del veicolo. Non è che non si possa fare, ma verosimilmente si otterrebbero risultati simili con uno sforzo molto maggiore. Anche al livello del Planning non siamo a una complessità tale da renderne sensato l’impiego”.

“L’Intelligenza Artificiale perciò la stiamo sfruttando, ma in due dei quattro moduli chiave. Non mi aspetto che in futuro le reti neurali vengano implementate nella parte di Motion Control, mentre qualcosa potrebbe essere fatto nel Planning, specialmente se si correrà con tre o quattro vetture contemporaneamente”. Quest’ultimo scenario potrebbe verificarsi nella neonata Abu Dhabi Autonomous Racing League, la cui gara inaugurale il prossimo 28 aprile potrebbe disputarsi sin da subito con tre o quattro vetture in pista.

.

.

Le difficoltà della localizzazione

Nel mentre, la localizzazione della vettura rappresenta il principale campo di applicazione dell’Intelligenza Artificiale nella guida autonoma. “La localizzazione è il mattoncino base senza il quale la macchina non saprebbe dove si trova e non potrebbe muoversi. È un modulo molto delicato”, spiega Savaresi. Con vetture che sfiorano i 300 km/h, percorrendo quindi oltre 80 metri in un secondo, sbagliare i calcoli di pochi centimetri o di una frazione di grado rischia di portare a gravi errori di traiettoria, con conseguenze disastrose.

Le monoposto dell’Indy Autonomous Challenge dispongono di un doppio GPS con tecnologia RTK (Real Time Kinematics), capaci di restituire una precisione al centimetro. Tuttavia, in loro assenza localizzare l’auto diventa molto più complesso: “Quando il GPS ad alta precisione funziona perfettamente, il problema è relativamente semplice. La realtà però è che questo scenario non si verifica sempre. Nei circuiti ovali americani, i buchi di GPS sono piccoli e legati ai cartelloni pubblicitari o alle nuvole passeggere. A Monza invece, tutta la sezione del Serraglio con il sottopasso presenta seri problemi di localizzazione col GPS. Perciò abbiamo dovuto farne a meno, affidandoci unicamente alle videocamere, ai LIDAR e ai radar. Si tratta di un problema grosso, perché a quelle velocità basta un piccolo errore di localizzazione per finire a muro”. Ecco allora che le reti neurali convoluzionali vengono in aiuto ai team per elaborare le informazioni raccolte dagli altri sensori, stimando la posizione della vettura con la più alta precisione possibile. La percezione del grande pubblico verso l’Intelligenza Artificiale è quella di una tecnologia per il futuro, ignorando però quanto venga già sfruttata nel presente.

.

16/1/24

FormulaPassion.it