211service.com
Un modo semplice per accelerare l'arrivo delle auto a guida autonoma
Un nuovo set di dati pubblici per le auto a guida autonoma mostra che anche un semplice tragitto in città può spingere la guida automatizzata al limite. Evidenzia inoltre come la condivisione dei dati potrebbe aiutare le auto a guida autonoma a mettersi in strada molto prima.
I ricercatori dell'Università di Oxford hanno pubblicato il set di dati dettagliato, che mette in evidenza alcuni dei problemi più difficili che le auto a guida autonoma dovranno affrontare. I dati sono costituiti da migliaia di ore di dati provenienti dallo stesso tratto di strada di 10 chilometri nel corso di un anno. E mostra come il tempo, l'illuminazione e persino le caratteristiche delle strade stesse possano variare notevolmente in un periodo di tempo relativamente breve.
I ricercatori hanno monitorato il tipo di variazione che le auto a guida autonoma dovranno affrontare giorno per giorno: veicoli in movimento, auto parcheggiate in modi diversi e variazioni nell'illuminazione. Poi ci sono cambiamenti a lungo termine, dice Will Maddern , ricercatore senior nel Mobile Robotics Group dell'Università di Oxford. Lavori edili, lavori stradali, cambi stagionali della vegetazione, ecc.
Quando i ricercatori di Google hanno iniziato a testare le auto a guida autonoma, hanno scoperto che i veicoli erano facilmente sconcertati da rotatorie indaffarate. I veicoli, programmati per peccare per eccesso di cautela, sono andati in giro per minuti prima di capire come scappare. Il team di Oxford ha scoperto un altro tipo di problema: nel corso di un anno, una rotatoria è stata spostata tre volte dalla città.
I dati di rilevamento laser raccolti da un team dell'Università di Oxford mostrano come le auto a guida autonoma devono adattarsi al modo in cui la vegetazione cambia durante l'anno.
I sistemi che si basano su una mappatura precisa, che include i veicoli di Google, lotteranno con tali cambiamenti. È un problema molto aperto, dice Maddern. Uno dei motivi per cui abbiamo raccolto questi dati è stato quello di scoprire dove si sarebbero guastati i sistemi che stiamo costruendo.
Alcune aziende, come Tesla, non utilizzano mappe dettagliate, ma si affidano ai progressi nell'elaborazione di immagini e sensori per rilevare ed evitare gli ostacoli. Ma questi sistemi sarebbero anche confusi dal tipo di caratteristiche identificate dal team di Oxford. Google e Tesla sono all'avanguardia in termini di quantità di dati di guida raccolti, ma non avranno tanti dati quanti ne ha Oxford che mostrano variazioni su un singolo percorso.
Questo set di dati è un meraviglioso contributo al campo, dice Giovanni Leonardo , un professore del MIT che ha contribuito a sviluppare alcuni degli algoritmi chiave per le auto a guida autonoma e che sta lavorando a uno sforzo di ricerca coordinato da Toyota. I set di dati su larga scala e di lunga durata possono fornire un enorme impulso al tasso di avanzamento.
Leonard aggiunge che se le aziende che sviluppano auto a guida autonoma condividessero i propri dati, ciò potrebbe accelerare l'arrivo della tecnologia salvavita. Più in generale, penso che sarebbe fantastico se più gruppi che lavorano su auto a guida autonoma potessero condividere set di dati e anche rendere disponibili più strumenti come open source, dice.
Altri nel settore fanno eco al suo sentimento. Parlando a una conferenza la scorsa settimana, Gill Pratt, CEO del Toyota Research Institute in California, ha affermato che, date le implicazioni sulla sicurezza, le case automobilistiche potrebbero anche prendere in considerazione la possibilità di lavorare insieme, il che potrebbe includere la condivisione di alcuni dei dati che stanno raccogliendo.
È importante ricordare che non dobbiamo sempre lavorare da soli, ha detto Pratt. La nostra grande speranza è una competizione costruttiva e anche una collaborazione tra tutte le case automobilistiche, le aziende IT, i diversi governi e anche i produttori di hardware.