Alcuni sistemi di sicurezza sperimentali per le auto stanno imparando ad osservare i conducenti, oltre che la strada, per prevedere le loro prossime mosse con più di tre secondi di anticipo.
di ArXiv
Acquistando oggi una automobile nuova ci sono buone probabilità che questa sia dotata di una sfilza di tecnologie per l’assistenza alla guida. Queste possono rispecchiare la velocità di marcia di una vettura che sta di fronte a voi, gestire in sicurezza i cambi di corsia e persino frenare per evitare collisioni. Sorge quindi spontanea la domanda: Quanto miglioreranno ancora questi sistemi di sicurezza prima che le automobili prendano definitivamente il controllo?
Una risposta parziale ci arriva dal lavoro di Ashesh Jain ed alcuni colleghi della Cornell University che hanno sviluppato un sistema in grado di prevedere la prossima manovra di un conducente con tre secondi di anticipo. Questa informazione, dicono, potrebbe quindi servire a identificare e prevenire potenziali incidenti.
L’approccio di questi ricercatori è stato teoricamente diretto. Jain e co sottolineano che una conoscenza comprensiva dell’ambiente circostante, sia all’interno che all’esterno di un’automobile, può essere utilizzata per elaborare delle valide supposizioni sulle intenzioni immediate di un conducente. Di solito, ad esempio, i conducenti osservano la corsia a fianco prima di spostarvisi. Monitorando i movimenti della testa si può quindi prevedere se un conducente intende cambiare corsia nel giro dei prossimi secondi.
Allo stesso modo, le informazioni raccolte da GPS e navigatore mostrano quando una vettura sta sopraggiungendo a una intersezione dove è possibile svoltare a sinistra o a destra. Anche la velocità è un importante indicatore, visto che i conducenti tendono a rallentare prima di svoltare. Questi dati sono però molto differenti fra loro. I movimenti del capo sono completamente differenti rispetto a quelli sulla velocità o la posizione. È quindi difficile combinarli ed analizzarli in maniera tale da ricavare valide previsioni.
La soluzione escogitata da Jain e co consiste nell’analizzare questi flussi di dati sfruttando avanzati algoritmi per l’intelligenza artificiale che imparano a identificare i segnali tipici di una manovra imminente.
La prima parte del loro lavoro si è incentrata attorno alla raccolta dei dati necessari per addestrare il loro algoritmo. Jain e co hanno installato a bordo di un’automobile una videocamera attraverso la quale monitorare il conducente ed un’altra per monitorare la strada. Hanno anche utilizzato i dati raccolti dal GPS, dalle mappe del navigatore e dalla velocità di percorrenza.
Una volta raccolti i dati su 10 conducenti differenti dopo oltre 1.500 km di percorrenza in autostrada e in città, i ricercatori hanno annotato a mano i dati per indicare le manovre identificate. Hanno identificato complessivamente 700 “eventi”: circa 300 cambi di corsia, 130 svolte, e quasi 300 eventi casuali durante la guida in rettilineo. Hanno quindi utilizzato questi dati per addestrare una serie di macchine calcolatrici differenti per identificare le condizioni che distinguevano una svolta a destra da una a sinistra, un cambio di corsia o il semplice mantenimento della corsia attuale.
I risultati sono interessanti. L’algoritmo più performante è riuscito a determinare correttamente le manovre future con una precisione del 90 percento. In media, è riuscito a effettuare queste previsioni con 3.5 secondi di anticipo.
Resta ancora molto lavoro da compiere, ovviamente. Un potenziale problema sta nel determinare la precisione di questo algoritmo nelle condizioni di guida più avverse, specialmente di notte o con scarsa visibilità dovuta a pioggia o neve. Le probabilità di incidente sono maggiori in queste condizioni, per cui una corretta previsione degli eventi potrebbe avere effetti maggiori.
Che fare poi di queste informazioni una volta raccolte? Come possono essere utilizzate per prevenire incidenti? Anche in questo caso non è chiaro come le case costruttrici potrebbero sfruttare i dati. Ciononostante, un approccio del genere potrebbe portare a un interessante cambiamento nel modo in cui approcciamo la sicurezza su strada. In futuro, previsioni accurate delle manovre dei conducenti aiuteranno certamente le case automobilistiche a rendere le macchine più sicure; A meno che, ovviamente, la guida autonoma non sostituisca completamente gli umani e le tecnologie per la previsione delle loro azioni.
Per approfondimenti: Brain4Cars: Car That Knows Before You Do via Sensory-Fusion Deep Learning Architecture
(MO)
