EMB 93

EMBEDDED 93 • SETTEMBRE • 2024 26 IN TEMPO REALE | AUTONOMOUS VEHICLES confermerebbero la percezione dei passeggeri che i veicoli autonomi siano perlopiù lenti ed esitanti. Una sfida chiave per introdurre nel mercato questi sistemi autonomi è dunque garantire la safety senza limitazio- ni di velocità e comfort. In tale quadro, e nel contesto del progetto LOPAAS (Layers of Protection Architecture for Autonomous Systems), Fraunhofer IESE, Fraunhofer IKS e l’ Uni- versità di York stanno perseguendo l’obiettivo di con- sentire ai veicoli autonomi di guidare più velocemente e con maggior sicurezza. Queste istituzioni stanno col- laborando e condividendo le proprie competenze per sviluppare un’architettura di safety di riferimento e te- matiche per la guida autonoma e i sistemi autonomi. Unione di competenze per migliorare la safety In particolare, nella collaborazione, Fraunhofer IESE sta mettendo a disposizione la propria esperienza nel- la gestione dinamica del rischio, che permette ai si- stemi autonomi di valutare e controllare i rischi delle loro opzioni di azione in maniera specifica a seconda della situazione. Fraunhofer IKS sta invece focalizzan- dosi sul rilevamento affidabile delle situazioni basato sull’intelligenza artificiale e sul monitoraggio in tempo reale delle incertezze associate. L’Università di York sta contribuendo con la propria esperienza nella genera- zione sistematica di ragionamenti sulla safety completi e tracciabili. I partner del progetto, chiarisce il comunicato, stan- no sviluppando “innovativi concetti di safety” in due principali aree applicative: una riguarda robotaxi e ro- variabilità della previsione dei rischi di traffico in situa- zioni reali. Le metodologie di collaudo degli ADAS sono diverse, e includono tecniche “hardware-in-the-loop” (HIL), “software-in-the-loop” (SIL), vehicle-in-the-loop (VIL), simulazioni con l’uso di realtà aumentata (AR). Si tratta poi di procedure di testing estremamente complesse, che, al crescere dei livelli di guida autonoma (Livello-4, Livello-5) da collaudare, se condotte usando tradizio- nali metodi di collaudo fisico sul campo, richiedereb- bero centinaia di milioni di chilometri di test, esigendo tempi e costi proibitivi. Pertanto, tali test oggi vengono attuati utilizzando il supporto dell’intelligenza artificia- le (AI) e del machine learning (ML), che consentono di elaborare i dati di collaudo su strada e di creare nuovi scenari di test. Più sicurezza, ma senza impatto su velocità e comfort Va considerato che, dato l’attuale stato dell’arte della tecnologia, la costruzione di auto a guida autonoma più sicure rispetto ai conducenti umani comportereb- be una perdita di velocità e di comfort, diminuendo ulteriormente l’accettazione della mobilità autonoma: questo, almeno, secondo un comunicato del Fraunho- fer Institute for Experimental Software Engineering (IESE), è il risultato di uno studio condotto dall’ Insu- rance Institute for Highway Safety (IIHS), un’orga- nizzazione americana per la sicurezza del traffico che regolarmente pubblica ricerche sulla guida autonoma. Inoltre, studi pilota condotti dai costruttori tedeschi Un pilota automatico deve percepire ostacoli e situazioni di pericolo in ogni possibile scenario di guida (Fonte: Pixabay) La safety resta al centro delle sfide d’innovazione degli ADAS (Fonte: Pixabay)