Le auto a guida autonoma potrebbero diventare realtà prima del previsto. A rallentarne lo sviluppo finora non è stata tanto la necessità di tecnologie particolari o la programmazione dell'IA, ma la raccolta dati su un numero sufficiente di situazioni critiche. Per fare questo oggi è necessario disporre di grandi flotte di autoveicoli che percorrano centinaia di migliaia di chilometri. Alcuni ricercatori dell'Università del Michigan che si occupano di mobilità però stanno mettendo a punto una nuova metodologia di test in grado di diminuire drasticamente i tempi necessari per simulare tutte le situazioni possibili.
Anche percorrendo 100mila o più chilometri infatti i periodi in cui non succede nulla di significativo sono molti di più dei momenti in cui si presentano criticità rilevanti. Alcune poi sono così rare che richiederebbero di percorrere milioni di chilometri prima di verificarsi. Eppure per chi deve sviluppare un'auto completamente autonoma è importante poter prevedere il comportamento in ogni situazione, anche la più improbabile.
"Anche i test attuali più avanzati e su grande scala sono tristemente privi ciò che è necessario per testare a fondo questo tipo di automobili" hanno spiegato Huei Peng, direttore di Mcity, e Roger L. McCarthy professore di ingegneria meccanica presso l'Università del Michigan.
In sostanza il nuovo processo messo a punto "smonta" le situazioni più complesse di guida reale in tanti singoli aspetti che possono invece essere testati o simulati ripetutamente in modo molto più semplice e su percorsi infinitamente più brevi. In questo modo, percorrendo meno di 2mila chilometri sarebbe possibile riprodurre situazioni che nella realtà richiederebbero distanze dai 500mila ai 160 milioni di chilometri di guida reale.
Per capire ancora meglio di cosa stiamo parlando può essere utile un esempio. Per convincere i consumatori ad accettare le auto a guida autonoma bisognerebbe dimostrare, con un'affidabilità almeno pari all'80%, che esse siano il 90% più sicure rispetto a un guidatore umano. Per raccogliere i dati utili a conseguire un risultato del genere, testando i veicoli in ambienti reali o simulati, sarebbe necessario percorrere oltre 17 miliardi di chilometri. In normali condizioni di impiego urbano però servirebbe quasi un decennio di test 24 ore su 24 solo per coprire poco più di 3 milioni di chilometri. Insomma così proprio non va, tenendo anche conto che in futuro, affinché questo tipo di veicoli sia autorizzato a circolare, serviranno procedure diverse dai crash test attuali con i manichini.
Per sviluppare questo nuovo metodo accelerato i ricercatori hanno analizzato i dati raccolti attraverso due progetti dell'Università del Michigan, percorrendo oltre 40milioni di chilometri in circa 2 anni, con l'impiego di quasi 3000 veicoli.
Da quei dati i ricercatori hanno messo a punto una procedura in 4 fasi:
- Identificato gli eventi che potrebbero contenere "interazioni significative" tra un veicolo automatizzato e uno guidato da un essere umano, e creato una simulazione in cui tutti i tempi morti sono stati sostituiti da questo tipo di interazioni.
- Programmato una simulazione in cui i guidatori umani sono considerati la principale minaccia per veicoli automatizzati, posizionando poi in maniera casuale i guidatori umani lungo il percorso.
- Condotto test matematici per valutare i rischi e la probabilità di certi risultati, tra cui scontri e lesioni.
- Interpretato i risultati dei test accelerati, utilizzando una tecnica chiamata "campionamento per importanza" così da comprendere come si comporterebbe statisticamente un veicolo automatizzato in situazioni di guida quotidiana.
Il processo di valutazione accelerata può essere eseguito per diverse manovre potenzialmente pericolose. I ricercatori hanno valutato le due situazioni più comuni in cui ci si aspetterebbero gravi incidenti: un'auto autonoma che ne segue una guidata da un essere umano e il contrario. L'accuratezza è stata poi valutata confrontando i risultati del test accelerato con quelli ottenuti in simulazioni dal vero.
Tuttavia il metodo stesso non è ancora sufficientemente maturo e richiederà ancora un po' di tempo e altri test per raggiungere un'affidabilità elevata. Quando sarà disponibile però consentirà un incremento esponenziale dello sviluppo di auto a guida autonoma.
L'automobile protagonista di Christine - La Macchina Infernale, capolavoro di John Carpenter, era fin troppo autonoma.