EO_479

EDA/SW/T&M 78 - ELETTRONICA OGGI 479 - GIUGNO/LUGLIO 2019 AUTONOMOUS DRIVING Per varie ragioni, il processo di fusione decentraliz- zato si rivela più complesso sia dal punto di vista ar- chitetturale che da quello algoritmico. Ciò è dovuto principalmente a un utilizzo più efficiente delle carat- teristiche individuali dei sensori, nonché all’ottimizza- zione dell’elaborazione dei segnali effettuata all’inter- no di ogni sensore. Dal punto di vista architetturale, questo approccio au- menta la latenza tra la rilevazione e l’attuazione, ma riduce enormemente la necessità sia di larghezza di banda sia di elaborazione centralizzata. Dal punto di vista della fusione, si riduce la complessità della fase di associazione dei dati, ma vengono introdotte delle difficoltà collegate alla condivisione delle informazioni comuni. Più specificamente, esiste il rischio che alcu- ne informazioni possano essere conteggiate due volte all’interno del sistema. Esiste un’intera branca della ricerca dedicata a inve- stigare le tecniche per contrastare questa problema- tica nel modo più efficace. Ciò che in questo contesto è importante sottolineare è l’importanza del sensor modeling , la modellizzazione dei sensori. I diversi al- goritmi di fusione, come ad esempio il filtro di Kalman, per funzionare in modo appropriato fanno affidamento sull’efficacia dei modelli relativi a rumore/incertezza dei senso- ri. Tuttavia, quello del sensor modeling è un processo molto complesso e sofisticato. Molti sistemi (almeno per quanto ri- guarda l’esperienza personale) fanno spesso affidamento su vere e proprie “guesstimate”, vale a dire delle stime appros- simative dei modelli dei sensori, anziché operare delle serie mi- surazioni di elevata precisione per determinare l’effettivo mo- dello di ogni sensore. In questi casi, gli algoritmi di fusione de- generano verso banali algoritmi di media ponderata, che opera- no una ricomposizione alquanto semplificata dei dati. L’applica- zione di molteplici algoritmi di fusione, in numerosi nodi del sistema, può inoltre esaspera- re ulteriormente questo pro- cesso. Concludendo: qual è la giusta architettura da utilizza- re? Beh, come spesso avviene, la risposta più corretta è... Di- pende. Entrambe le architettu- re comportano alcuni, distinti, compromessi. Le architetture centralizzate sono strutturalmente meno complesse, richiedono un’inferiore potenza computazionale com- plessiva , e presumibilmente producono un risultato ottimale della fusione. Tuttavia, sono più complesse da un punto di vista algoritmico e richiedono che il team possieda una conoscenza molto approfondita del sistema dei sensori, per riuscire a modellizzarli ef- ficacemente. Le architetture decentralizzate, per contro, presenta- no minori requisiti in termini di larghezza di banda, ma comportano un aumento della latenza, grandi incre- menti della complessità del sistema, e rendono il fu- sion system più conservativo. Peraltro, queste ultime consentono agli sviluppatori del sistema di concen- trarsi unicamente sull’integrazione di sistema e sullo sviluppo di algoritmi di fusione object-level, invece di richiedere una approfondita esperienza in campi del- la conoscenza quali l’elaborazione dei dati grezzi dei sensori e i complessi metodi di associazione dei dati. Il successo nella corsa alla realizzazione del miglior veicolo a guida autonoma spetterà senza dubbio a quell’organizzazione che saprà individuare la corretta combinazione tra elaborazione centralizzata e decen- tralizzata delle informazioni. La chiave per ottimizzare la progettazione e la funzionalità dei veicoli a guida autonoma risiede in una giusta combinazione tra elaborazione centralizzata e decentralizzata delle informazioni (Fonte: Mentor, a Siemens business)