La via bavarese e la via californiana
Sull’Autobahn A9 avanzano le ricerche sull’auto autonoma ma… a Schaueble piacerà quella in arrivo dalla Silicon Valley
Una nota Audi ci ricorda che è già passato un anno dall’avvio del Digital Motorway Test, il progetto concordato con le autorità federali tedesche e quelle statali della Baviera e che sull’autostrada A9 tra Monaco e Norimberga sta sviluppando in parallelo sei progetti avanzati. Quelli riguardanti mappe, telecomunicazioni e reti sia infrastrutturali sia tra le singole auto sembrano essere quelli che procedono più rapidamente e con grande successo.
La nuova variante LTE-V (LTE-Vehicle), basata sul quarto standard di comunicazione mobile LTE, anche noto come 4G, sta coinvolgendo Deutsche Telekom, la cinese Huawei ed oltre ad Audi AG, Toyota Motor Europe ed altre case auto tutti impegnati nello sviluppo di un sistema che saprà connettere le auto del futuro tra loro anche dove la rete mobile dovesse essere assente, consentendo quindi lo scambio costante di informazioni anzitutto sulla sicurezza. In più il lavoro di mappatura di precisione continua ad arricchire i server di HERE, la società ex-Nokia partecipata dai marchi premium tedeschi che continua ad arricchire di dettagli l’ambiente in cui le auto semi-autonome ed autonome si muoveranno.
Quello che ancora lascia perplessi invece è che nel Digital Motorway Test in corso in Baviera il ministero federale dei trasporti e le aziende partecipanti abbiano un approccio fortemente incentrato sulle infrastrutture, piuttosto che sul software. Non che manchino trasmettitori e sensori sull’autostrada A9, anzi. Ma l’idea di fondo sembra partire dalla prospettiva globale che è portato ad avere un tecnico dell’equivalente tedesco della nostra ANAS (qualcuno pratico di guardrail o di asfalti) oppure di un ingegnere nato e cresciuto nell’auto che non si stacca dalla visione del veicolo come vascello in viaggio tra onde e mari da esplorare, mentre ormai si avvia ad essere un nodo di dati, informazioni, reti.
Questa impressione sembra confermarlo quanto dichiarato nella nota stampa Audi da Alejandro Vukotich, responsabile dello sviluppo per la guida pilotata della casa di Ingolstadt: “L’idea è di modificare i materiali utilizzati per i pannelli della segnaletica stradale e i guardrail per riflettere più efficacemente le onde radar rispetto a quelli attuali, da una distanza maggiore, e soprattutto in caso di neve e pioggia. Altri obiettivi includono sensori sulle auto che in futuro saranno in grado di rilevare le indicazioni stradali più facilmente. Speciali marcature supplementari a bordo strada consentiranno ai veicoli di auto-localizzarsi con estrema precisione attraverso delle fotocamere che utilizzeranno come riferimento la posizione sulla strada. I primi prototipi dotati di queste soluzioni saranno presto disponibili per la sperimentazione”.
Il punto di vista di Vukotich non è sbagliato. Anzi è corretto dire che, ad esempio, le condizioni meteo possono essere un vero ostacolo per i sensori. E’ il motivo per cui alcuni progettisti hanno scelto per i propri prototipi la ridondanza nell’acquisizione di input da telecamere, radar e LiDAR, che hanno punti forti e deboli che possono compensarsi. Ma dopo molti anni di lavoro sulla guida autonoma, oggi sembra prendere piede anche una prospettiva che si preoccupa di ridurre al minimo la complessità.
Perché la complessità costa, in special modo se si tratta di mettere mano alle infrastrutture. Questo approccio, chiamiamolo bavarese visto che oggi coinvolge la regione delle grandi eccellenze dell’auto tedesca, non può fare a meno di un intervento pubblico, locale, statale o federale. Intervento che è dispendioso. Mettere mano in modo sostanziale a strade ed autostrade è una eventualità che piacerebbe molto al governatore della BCE Mario Draghi, che alla Germania chiede in continuazione più investimenti pubblici. Ma il ministro delle Finanze tedesco Wolfgang Schaeuble e tutti quelli che esigono il pareggio di bilancio continueranno a frustrare a breve e lungo termine queste speranze.
Se le auto a guida autonoma avranno bisogno di una nuova, massiccia infrastruttura fisica (oltre che quella digitale), per lustri le vedremo in azione solo sulle principali autostrade. L’ecosistema “bavarese” dell’auto a guida autonoma, che richiede grandi investimenti anche infrastrutturali, ha quindi speranze di successo? Nel mondo degli investimenti che calano e dei bilanci pubblici indebitati in ogni continente ci permettiamo di dubitarne. Ma a quel punto la domanda da fare è se quella via all’auto a guida autonoma abbia una alternativa.
Il fatto è che ce l’ha, e la possiamo porre in competizione con un approccio all’autonomia tipica della Silicon Valley: basta guardare a quello che sta sviluppando Nvidia. La società californiana, che è partner e fornitore di un discreto numero di marchi dell’auto, la scorsa estate ha pubblicato i risultati di una recentissima ricerca sull’autonomia. Un lavoro che, come hanno scritto gli autori: “cercava di creare un sistema robusto per la guida sulle strade aperte al pubblico. La motivazione primaria per questo lavoro era evitare la necessità di riconoscere tratti specifici di progettazione umana, come strisce divisorie, guardrail o altre auto e di evitare di creare una collezione di norme con i ‘se, allora, oppure’ basate sull’osservazione di quei tratti”.
Quel team Nvidia si è mosso nella programmazione della guida autonoma lavorando con le CNN (convolutional neural networks), le reti neurali convoluzionali che da alcuni anni sono usate per il riconoscimento automatico di schemi bidimensionali in una serie di settori che richiedono rivelazione di oggetti, facce o laghi dalle immagini disponibili. La svolta del lavoro che fa ricorso alle CNN, un’area dell’intelligenza artificiale nata dalla sintesi di programmazione e modelli presi dalla biologia, risiede nel far apprendere al sistema proprietà e caratteristiche automaticamente da esempi che servono da “scuola”, da addestramento del sistema (battezzato DAVE-2).
Gli esperimenti di Nvidia sono partiti, come hanno spiegato i ricercatori del centro ricerche Nvidia del New Jersey in questo paper, da una biblioteca di immagini di strade campione sincronizzandole coi dati dell’angolo di sterzata raccolti mediante sensori ed una semplice connessione CAN-bus. I programmatori hanno fatto poi mappare da tre telecamere anteriori pixel grezzi al ritmo di 30 frame al secondo, che la rete neurale convoluzionale di DAVE-2 “digeriva” nei vari strati: 27 milioni di connessioni e 250.000 parametri.
In poche parole, una CNN è in grado di apprendere le caratteristiche essenziali di una strada pur con input iniziali molto limitati come le informazioni sullo sterzo. E come vedrete dal video qui sotto, il sistema è stato in grado di imparare a muoversi nel traffico su strade locali e su autostrade con o senza segnaletica. In più il sistema è stato messo alla prova in condizioni complesse in cui la visuale era poco o nulla supportata: come sullo sterrato. Troppo presto per suggerire all’ANAS o agli assessori al traffico che risparmieranno vernice per la segnaletica, conveniamo. Ma un indizio che la via californiana all’auto autonoma, più indipendente da infrastrutture, legislatori e bilanci, ha un bel potenziale.
