Le automobili moderne si affidano sempre più a un potente “cervello” che controlla la guida, la sicurezza, la navigazione, la comunicazione e l’intrattenimento. Gli ingegneri spesso chiamano questo sistema un computer autonomo, computer veicolare, piattaforma di calcolo centrale o computer per la guida autonoma. Questo computer elabora enormi quantità di dati provenienti da sensori e telecamere in tempo reale e aiuta l’auto a prendere decisioni durante la guida.
Il settore automobilistico ora considera il software e la potenza di calcolo come parti importanti del design del veicolo. Molti produttori si stanno allontanando dai tradizionali sistemi di controllo elettronico verso “veicoli definiti dal software”, in cui un numero ridotto di potenti computer gestisce la maggior parte delle funzioni del veicolo.
Cos’è un computer autonomo in un’auto?
Un computer autonomo in un’auto è un sistema di calcolo ad alte prestazioni che aiuta il veicolo a comprendere l’ambiente, prevedere i pericoli e controllare il comportamento dell’auto. Questo computer combina hardware, software, intelligenza artificiale e dati dei sensori.
Il computer autonomo di solito esegue compiti come:
- Rilevamento di oggetti, pedoni, corsie e segnali stradali
- Monitoraggio della velocità e direzione del veicolo
- Pianificazione di percorsi di guida sicuri
- Controllo della frenata, sterzata e accelerazione
- Gestione della navigazione e mappatura
- Comunicazione con sistemi cloud e altri veicoli
- Esecuzione di funzioni di assistenza al conducente.
I computer autonomi moderni possono elaborare dati da molti sensori simultaneamente. Alcuni sistemi avanzati elaborano trilioni di operazioni al secondo.
Ad esempio, il nuovo chip autonomo Rivian RAP1 sarebbe in grado di fornire circa 1.800 trilioni di operazioni al secondo per l’elaborazione dell’intelligenza artificiale.
Perché le auto hanno bisogno di computer autonomi?
Le auto tradizionali si basavano su molte piccole unità di controllo elettronico. Un’unità di controllo gestiva la frenata, un’altra la trasmissione, un’altra gli airbag e un’altra ancora l’infotainment.
La guida autonoma moderna richiede decisioni molto più rapide e un’elaborazione dei dati molto più ampia. Un’auto a guida autonoma o semi-autonoma può utilizzare:
- Più telecamere
- Sensori radar
- Sensori LiDAR
- Sensori ultrasonici
- Sistemi di posizionamento globale
- Mappe ad alta definizione.
Il computer del veicolo deve combinare tutte queste informazioni in millisecondi.
I ricercatori e le aziende automobilistiche utilizzano sempre più architetture di calcolo centralizzato perché i sistemi centralizzati riducono la latenza e migliorano il coordinamento tra i sistemi del veicolo.
Come funziona un computer autonomo
Un computer autonomo di solito opera in diverse fasi.
Raccolta di informazioni dai sensori
I sensori raccolgono continuamente informazioni sull’ambiente.
Gli esempi includono:
- Telecamere per segnali stradali e marcature di corsia
- Radar per misurare la distanza
- LiDAR per la mappatura tridimensionale
- Sensori ultrasonici per assistenza al parcheggio.
Alti veicoli avanzati utilizzano più di 10 telecamere e più sistemi radar.
Secondo rapporti sui futuri sistemi autonomi di Mercedes-Benz, gli ingegneri potrebbero utilizzare configurazioni con 14 telecamere ad alta definizione, 9 sensori radar e LiDAR.
Fusione dei dati
Il computer autonomo combina i dati provenienti da diversi sensori in un modello ambientale unificato.
Ad esempio:
- Le telecamere identificano un pedone
- Il radar misura la velocità del pedone
- Il LiDAR misura la posizione del pedone nello spazio tridimensionale
Il computer fonde tutte queste informazioni per migliorare l’accuratezza.
Analisi dell’intelligenza artificiale
I modelli di intelligenza artificiale analizzano l’ambiente e prevedono possibili rischi.
Il sistema può rispondere a domande come:
- Un altro veicolo sta cambiando corsia?
- Un pedone attraverserà la strada?
- C’è un cantiere stradale davanti?
- È necessaria la frenata?
I sistemi autonomi moderni utilizzano sempre più l’intelligenza artificiale edge, in cui il veicolo elabora i dati localmente all’interno dell’auto invece di affidarsi a server cloud. Questo metodo riduce i ritardi e migliora l’affidabilità.
Prendere decisioni per la guida
Il computer seleziona l’azione di guida più sicura.
Le azioni possibili includono:
- Regolazione dello sterzo
- Riduzione della velocità
- Frenata di emergenza
- Cambi di corsia
- Maneuveri di parcheggio.
Il sistema quindi invia comandi ai sistemi di sterzo, frenata e propulsione.
Livelli di autonomia nella guida
Il settore automobilistico solitamente classifica l’automazione della guida in livelli da 0 a 5.
| Livello | Descrizione |
| Livello 0 | Nessuna automazione della guida |
| Livello 1 | Assistenza di base come il cruise control adattivo |
| Livello 2 | Automazione parziale con controllo dello sterzo e della velocità |
| Livello 3 | Autonomia condizionata in specifiche situazioni |
| Livello 4 | Alta automazione in ambienti limitati |
| Livello 5 | Autonomia completa in tutte le condizioni |
Oggi, la maggior parte dei sistemi disponibili commercialmente rimane al Livello 2 o con capacità limitate di Livello 3.
Gli analisti del settore riportano che molte aziende ora si concentrano maggiormente su sistemi pratici di Livello 2 e Livello 3 piuttosto che su veicoli completamente autonomi di Livello 5.
Esempi di sistemi di computer autonomi
1. Piattaforma NVIDIA DRIVE
NVIDIA sviluppa una delle piattaforme di calcolo per veicoli autonomi più ampiamente utilizzate.
Il sistema NVIDIA DRIVE include:
- Chip di intelligenza artificiale ad alte prestazioni
- Sistemi operativi per veicoli
- Integrazione dei sensori
- Strumenti di simulazione
- Software di sicurezza.
Aziende come Toyota, Volvo Cars e Mercedes-Benz utilizzano le tecnologie NVIDIA per lo sviluppo di assistenza avanzata al conducente e guida autonoma.
2. Computer Tesla Full Self-Driving
Tesla progetta il proprio hardware e software per la guida autonoma.
I veicoli Tesla si basano pesantemente su telecamere e elaborazione dell’intelligenza artificiale. Il loro sistema apprende continuamente da grandi quantità di dati di guida raccolti dai veicoli dei clienti.
Tesla sviluppa anche un’infrastruttura specializzata per la formazione dell’intelligenza artificiale per i modelli di guida autonoma.
3. Piattaforma di autonomia Rivian
Rivian ha recentemente introdotto il suo chip di intelligenza artificiale RAP1 e il modulo di calcolo autonomo ACM3.
Questa azienda prevede di supportare la guida senza mani su milioni di chilometri di strade in Nord America.
4. Robotaxi Waymo
Waymo gestisce servizi di robotaxi completamente autonomi in diverse città.
I veicoli Waymo utilizzano sistemi di calcolo autonomo complessi che combinano:
- Telecamere
- LiDAR
- Radar
- Intelligenza artificiale
- Mappatura ad alta definizione.
Waymo continua ad espandere le operazioni autonome in ulteriori città negli Stati Uniti.
Veicoli definiti dal software
Molti veicoli moderni seguono ora il concetto di veicolo definito dal software.
Un veicolo definito dal software utilizza sistemi software centralizzati per controllare molte funzioni del veicolo. Gli ingegneri possono aggiornare queste funzioni attraverso aggiornamenti software over-the-air.
Questo approccio offre diversi vantaggi:
- Aggiornamenti delle funzionalità più rapidi
- Migliore gestione della sicurezza informatica
- Better integrazione tra sistemi
- Riduzione della complessità hardware
- Aggiornamenti dell’intelligenza artificiale più semplici.
Grandi aziende produttrici di semiconduttori sviluppano sempre più processori automotive specializzati per questo mercato.
Intelligenza artificiale all’interno dei computer autonomi delle auto
L’intelligenza artificiale gioca un ruolo centrale nella guida autonoma.
I sistemi moderni utilizzano il machine learning e il deep learning per:
- Riconoscere oggetti sulla strada
- Prevedere il comportamento degli automobilisti
- Capire i modelli di traffico
- Migliorare la navigazione
- Ridurre le collisioni.
I ricercatori continuano a sviluppare algoritmi di apprendimento più avanzati per i veicoli autonomi.
Alcune aziende utilizzano anche piattaforme di simulazione per addestrare i sistemi di intelligenza artificiale utilizzando scenari di guida virtuali prima del rilascio nel mondo reale.
Sfide di sicurezza
I computer autonomi nelle auto affrontano ancora grandi sfide di sicurezza.
Situazioni stradali rare
Situazioni inaspettate rimangono difficili per i sistemi autonomi.
Gli esempi includono:
- Strade allagate
- Semafori non funzionanti
- Aree di costruzione insolite
- Veicoli di emergenza
- Mete avverse.
Ad esempio, un grande blackout a San Francisco ha creato problemi per alcuni robotaxi autonomi perché i segnali stradali hanno smesso di funzionare.
Limitazioni dei sensori
Diversi sensori presentano debolezze.
Gli esempi includono:
- Le telecamere faticano in caso di nebbia fitta
- Le prestazioni del LiDAR possono diminuire nella neve
- Il radar potrebbe produrre riflessioni false.
Gli ingegneri spesso combinano più tipologie di sensori per migliorare l’affidabilità.
Rischi per la sicurezza informatica
I computer autonomi delle auto si connettono a reti wireless, sistemi cloud e sistemi di aggiornamento software. Questa connettività crea preoccupazioni per la sicurezza informatica.
I produttori di auto si concentrano sempre più su:
- Comunicazione crittografata
- Aggiornamenti software sicuri
- Rilevamento delle intrusioni
- Sistemi operativi certificati per la sicurezza.
I recenti sistemi autonomi ora subiscono test di certificazione della sicurezza informatica e della sicurezza.
Sfide di costo
L’hardware per la guida autonoma è ancora costoso.
Un veicolo completamente autonomo richiede solitamente:
- Processori di intelligenza artificiale ad alte prestazioni
- Sistemi LiDAR costosi
- Sistemi di raffreddamento avanzati
- Grandi sistemi di archiviazione dati.
Tuttavia, i costi dei sensori e del calcolo stanno gradualmente diminuendo man mano che la produzione aumenta.
Computer autonomi delle auto e cloud computing
Le auto autonome moderne utilizzano spesso una combinazione di calcolo a bordo e infrastruttura cloud.
Il veicolo di solito gestisce le decisioni di guida in tempo reale localmente, poiché l’elaborazione locale riduce il ritardo. I sistemi cloud supportano:
- Formazione dell’intelligenza artificiale
- Gestione della flotta
- Aggiornamenti di navigazione
- Analisi dei dati
- Diagnostica remota.
I ricercatori supportano sempre più approcci edge computing, poiché i sistemi edge migliorano i tempi di risposta e riducono la dipendenza dalle connessioni di rete.
Il futuro dei computer autonomi nelle auto
Il settore automobilistico continua a muoversi verso sistemi di calcolo veicolari più centralizzati e potenti.
Alcuni importanti tendenze stanno ora plasmando lo sviluppo:
- Accelerazione dell’intelligenza artificiale
- Calcolo veicolare centralizzato
- Architetture definite dal software
- Aggiornamenti software over-the-air
- Piattaforme di simulazione avanzate
- Aumento dell’uso dell’intelligenza artificiale edge.
Gli esperti del settore si aspettano progressi graduali anziché una immediata guida completamente autonoma ovunque.
Alcuni analisti ritengono che i veicoli autonomi di Livello 4 a proprietà privata possono apparire più tardi in questo decennio in mercati limitati e sotto condizioni controllate.