Tesla e non solo, le auto a guida autonoma si salvano con l’AI

I sistemi tradizionali di sviluppo delle auto senza conducente continuano ad avere problemi. Ma alcune startup pensano che l’intelligenza artificiale darà loro la leadership di mercato

Will Douglas Heaven

Quattro anni fa, Alex Kendall si è seduto in macchina su una stradina nella campagna britannica e ha tolto le mani dal volante. L’auto, dotata di alcune telecamere economiche e di un’enorme rete neurale, ha virato di lato. A quel punto, Kendall ha afferrato il volante per alcuni secondi per correggerla. Nuova sterzata, nuova correzione. Ci sono voluti meno di 20 minuti perché l’auto imparasse a rimanere sulla strada da sola, dice Kendall.

Questa è stata la prima volta che l’apprendimento per rinforzo, una tecnica di intelligenza artificiale che allena una rete neurale ad eseguire un’attività tramite tentativi ed errori, è stata utilizzata per insegnare da zero a un’auto a circolare su strada. È stato un piccolo passo in una direzione che una nuova generazione di startup crede potrebbe essere la svolta per rendere le auto senza conducente una realtà quotidiana.

L’apprendimento per rinforzo ha avuto un enorme successo producendo programmi per computer in grado di vincere in giochi come Go. E’ stato persino utilizzato per controllare un reattore a fusione nucleareSi pensava, però, che imparare a guidare fosse una capacità troppo complessa. “Ci prendevano in giro”, afferma Kendall, fondatore e CEO di Wayve, un’azienda britannica di auto senza conducente.

Wayve ora allena le sue auto nella Londra dell’ora di punta. L’anno scorso, ha dimostrato che un’auto addestrata per le strade di Londra è in grado di muoversi in cinque diverse città — Cambridge (Regno Unito), Coventry, Leeds, Liverpool e Manchester — senza un ulteriore periodo di formazione. È qualcosa che i leader del settore come Cruise e Waymo hanno faticato a fare. Questo mese Wayve ha annunciato che sta collaborando con Microsoft per addestrare la sua rete neurale su Azure, il supercomputer basato su cloud del gigante della tecnologia.

Gli investitori hanno scommesso più di 100 miliardi di dollari nella costruzione di automobili a guida autonoma. Si tratta di un terzo di quello che la NASA ha speso per portare l’uomo sulla luna. Eppure, nonostante oltre 15 anni di sviluppo e un numero imprecisato di chilometri di test su strada, la tecnologia senza conducente è ferma alla fase pilota. “Stiamo assistendo a spese straordinarie per ottenere risultati molto limitati”, afferma Kendall.

Ecco perché Wayve e altre startup di veicoli autonomi come Waabi e Ghost, entrambe negli Stati Uniti, e Autobrains, con sede in Israele, stanno puntando sull’AI. Dietro la sigla AV2.0, stanno scommettendo che una tecnologia più intelligente ed economica consentirà loro di superare gli attuali leader di mercato.

Macchine da urlo

Wayve afferma di voler essere la prima azienda a far circolare auto senza conducente in 100 città. Ma è solo una trovata pubblicitaria? “C’è grande competizione in questo campo”, afferma Raquel Urtasun, che ha guidato il team di guida autonoma di Uber per quattro anni prima di fondare Waabi nel 2021. “Conquistare la leadership è una vera impresa, ma non credo che l’approccio tradizionale alla guida autonoma ci porterà dove dovremmo essere per implementare la tecnologia in sicurezza“.

Il cosiddetto approccio tradizionale risale almeno al 2007 e alla DARPA Urban Challenge, quando sei squadre di ricercatori sono riuscite a far “navigare” i loro veicoli robotici in una ricostruzione di una piccola città in una base dell’aeronautica americana in disuso. Waymo e Cruise si sono lanciati sulla scia di quel successo, ma il sistema robotico adottato dai team vincitori è rimasto al palo. 

Questo approccio tratta la percezione, il processo decisionale e il controllo del veicolo come problemi diversi, con moduli diversi per ciascuno. Ma una simile impostazione può rendere difficile la creazione e la manutenzione dell’intero sistema, con errori in un modulo che a catena si riversano negli altri, afferma Urtasun. “Abbiamo bisogno di una mentalità da AI, non di una mentalità robotica“, afferma.

L’idea è originale. Invece di costruire un sistema con più reti neurali e collegarle insieme manualmente, Wayve, Waabi e altri stanno costruendo ciascuno una grande rete neurale che individua i dettagli in autonomia. Se le si forniscono abbastanza dati, l’AI impara a convertire l’input (dati della fotocamera o del lidar sulla strada da percorrere) in output (sterzare o premere i freni), proprio come un bambino che impara ad andare in bicicletta.

Passare direttamente dall’input all’output in questo modo è noto come apprendimento end-to-end, ed è ciò che ha fatto GPT-3 per l’elaborazione del linguaggio naturale e AlphaZero per Go e gli scacchi. “Negli ultimi 10 anni ha permesso di venire a capo di tanti problemi apparentemente irrisolvibili”, afferma Kendall. “L’apprendimento end-to-end ci ha spinto verso capacità sovrumane. Nella guida non sarà diverso”.

Come Wayve, Waabi utilizza si serve dell’apprendimento end-to-end. ma non utilizza (ancora) veicoli reali. Sta sviluppando la sua AI quasi completamente all’interno di un sistema di simulazione di guida super realistica, a sua volta controllata da un istruttore di guida AI. Anche Ghost adotta modalità basato sull’intelligenza artificiale, costruendo una tecnologia a guida autonoma che non solo percorre le strade, ma impara a interagire agli altri conducenti. 

Una lista di 200.000 possibili scenari

Anche Autobrains punta su un approccio end-to-end, ma fa qualcosa di diverso. Invece di addestrare una grande rete neurale a gestire tutto ciò che un’auto potrebbe trovarsi di fronte, sta addestrando molte reti più piccole – centinaia di migliaia, in effetti – ad affrontare ciascuna uno scenario molto specifico. “Stiamo traducendo il difficile problema dei veicoli autonomi in centinaia di migliaia di piccoli problemi di intelligenza artificiale“, afferma Igal Raichelgauz, CEO dell’azienda. 

A suo parere, l’utilizzo di un modello di grandi dimensioni rende il problema più complesso di quanto non sia in realtà. Autobrains prende i dati del sensore da un’auto e li esegue attraverso un’intelligenza artificiale che abbina la scena a uno dei tanti possibili scenari: pioggia, attraversamento pedonale, semaforo, bicicletta che svolta a destra, auto dietro e così via. Osservando un milione di km di dati di guida, afferma Autobrains, la sua intelligenza artificiale ha identificato circa 200.000 scenari unici e l’azienda sta addestrando singole reti neurali a gestirle.

L’azienda ha collaborato con le case automobilistiche per testare la sua tecnologia e ha appena ottenuto una piccola flotta di veicoli propri. Kendall pensa che ciò che sta facendo Autobrains potrebbe funzionare bene per i sistemi avanzati di assistenza alla guida, ma non lo vede in vantaggio rispetto al proprio approccio. “Quando si affronta il problema della guida autonoma, mi aspetto che avranno gli stessi problemi di fronte alla complessità del mondo reale”, spiega.

Regolazione automatica della velocità

Cruise è una delle aziende di auto senza conducente più avanzate al mondo. Da novembre gestisce un servizio di robotaxi driverless a San Francisco. I suoi veicoli operano in un’area limitata, ma ora chiunque può fermare un’auto con l’app Cruise e farla accostare al marciapiede senza nessuno all’interno. “Vediamo un vero spettro di reazioni da parte dei nostri clienti”, afferma ElShenawy vicepresidente esecutivo.

Cruise ha costruito una vasta fabbrica virtuale per supportare il suo software, con centinaia di ingegneri che lavorano su diverse parti della pipeline. ElShenawy sostiene che l’approccio modulare tradizionale è un vantaggio perché consente all’azienda di scambiare nuove tecnologie man mano che arriva. Respinge anche l’idea che il sistema di Cruise non sarà adottato da altre città. “Avremmo potuto lanciarci in una qualsiasi periferia, ma il motivo per cui abbiamo scelto un ambiente urbano complesso, come San Francisco, dove vediamo centinaia di migliaia di ciclisti e pedoni e veicoli di emergenza e automobili, è stato ben chiaro: trovare qualcosa adattabile a ogni situazione“.

Ma prima che Cruise si avventuri in una nuova città, deve mappare le sue strade con dettagli a livello di centimetri. La maggior parte delle case automobilistiche senza conducente utilizza questo tipo di mappe 3D ad alta definizione. Forniscono informazioni aggiuntive al veicolo oltre ai dati grezzi del sensore che riceve in movimento, inclusi in genere suggerimenti come la posizione dei confini della corsia e dei semafori o se sono presenti cordoli su un particolare tratto di strada.

Queste cosiddette mappe HD vengono create combinando i dati stradali raccolti dalle telecamere e dal lidar con le immagini satellitari. Centinaia di milioni di km di strade sono state mappate in questo modo negli Stati Uniti, in Europa e in Asia. Ma i layout delle strade cambiano ogni giorno, il che significa che la creazione di mappe è un processo senza fine.

Molte aziende di auto senza conducente utilizzano mappe HD create e gestite da società specializzate, ma Cruise ne produce in proprio. In questo modo l’azienda ha un vantaggio rispetto ai concorrenti tradizionali, anche se a dire il vero i nuovi arrivati come Wayve e Autobrains hanno abbandonato completamente le mappe HD. Le auto di Wayve hanno il GPS, ma per il resto imparano a leggere la strada usando solo i dati dei sensori. Sarà anche più difficile, ma significa che non sono legati a una posizione particolare.

Nonostante tutte le chiacchiere, c’è ancora molta strada da fare. Mentre la robotica di Cruise sta guidando i clienti paganti in giro per San Francisco, Wayve, la più avanzata del nuovo gruppo, deve ancora testare le sue auto senza un autista di sicurezza. Waabi non utilizza nemmeno macchine vere.

Tuttavia, queste nuove aziende AV2.0 hanno una storia recente dalla loro parte: l’apprendimento end-to-end ha riscritto le regole di ciò che è possibile nella visione artificiale e nell’elaborazione del linguaggio naturale. Quindi la loro fiducia non è malriposta. “Se tutti vanno nella stessa direzione ed è quella sbagliata, non risolveremo il problema”, afferma Urtasun. “Abbiamo bisogno di una varietà di approcci, perché non è ancora chiara la soluzione”.

Photo by Samuele Errico Piccarini on Unsplash

(rp)

Related Posts
Total
0
Share