EMB 93

EMBEDDED 93 • SETTEMBRE • 2024 27 boshuttle, ossia veicoli autonomi destinati al trasporto di uno o più passeggeri; l’altra si concentra sugli “hi- ghway pilots”, ossia i piloti automatici integrati nei vei- coli ad uso privato, come i software in grado di prende- re il completo controllo delle funzioni di guida e sterzo su tratti autostradali ben mappati in condizioni meteo- rologiche semplici. La gestione dinamica del rischio assistita dall’intel- ligenza artificiale (A) consente una guida anticipata, mantenendo le distanze richieste dagli altri veicoli e prevenendo brusche frenate. Ciò è possibile grazie al fatto che la gestione dinamica del rischio non prevede il calcolo degli scenari peggiori. “Gli attuali approcci ipotizzano gli scenari peggiori per garantire una safety ottimale. Tra l’altro, si basano su calcoli delle leggi fisi- che che regolano il movimento degli oggetti. Tuttavia, ciò comporta una riduzione della velocità del veicolo. È inoltre difficile valutare correttamente i rischi multipli che possono verificarsi contemporaneamente, come la comparsa improvvisa di un pedone a sinistra del veicolo e di un ciclista a destra”, spiega Rasmus Adler, program manager Autonomous Systems al Fraunhofer IESE e project manager di LOPAAS. L’obiettivo, invece, preci- sa, è “implementare nei veicoli una comprensione del rischio che non calcoli il caso peggiore e quindi non so- vrastimi tutti i rischi”. A questo scopo, il team di ricerca utilizza reti causali bayesiane per rappresentare la di- stribuzione di probabilità congiunta di tutte le variabili La complessità di testing degli ADAS deriva dall’infinità di situazioni di guida possibili (Fonte: Pixabay) rilevanti per il rischio nel modo più compatto possibile, consentendo al sistema di comprendere il contesto di- namico. ADAS e requisiti hardware Analizzate dal punto di vista dei requisiti hardware, le sfide tecniche da affrontare per il raggiugimento del Li- vello-5 di guida autonoma sono allo stesso modo estre- mamente complesse. Per riuscire a realizzare un ADAS con automazione completa, in cui il veicolo compie quindi tutte le opera- zioni di guida necessarie senza richiedere l’intervento del guidatore umano neppure occasionalmente, occor- re implementare in auto un hardware capace di acqui- sire, memorizzare ed elaborare enormi quantità di dati con un’efficienza e velocità senza precedenti. La banda totale utilizzata dai sensori ADAS – che includono sen- sori di movimento, sensori a ultrasuoni, radar, LIDAR, telecamere – stando alle informazioni fornite in un whi- te paper pubblicato da Eurotech , società multinaziona- le che progetta, sviluppa e fornisce edge computer e so- luzioni IoT (Internet of Things) a integratori di sistemi e imprese, può raggiungere 40 Gbit/s. In meno di otto ore, quando memorizzati in formato grezzo, aggiunge il documento, i dati acquisiti potrebbero richiedere oltre 127 TB di storage. Inoltre, se elaborati in tempo reale, tali dati necessiterebbero di una GPU (graphics pro- cessing unit) con una potenza di almeno 80 TFLOPS (teraflops), per eseguire operazioni di training e inferenza. Senza poi con- siderare che questa enorme potenza di calcolo va resa sufficientemente compatta da poter essere racchiusa in sistemi embedded che devono sod- disfare stringenti vincoli di ingombro all’interno del veicolo, nonché rispet- tare precisi requisiti termici, di effi- cienza energetica e robustezza (rug- gedness) per funzionare in maniera affidabile nel tempo in un’applicazio- ne automotive. AUTONOMOUS VEHICLES | IN TEMPO REALE