AO_400

SETTEMBRE 2017

AUTOMAZIONE OGGI 400

134

TUTORIAL

lizzo che gli esperti devono comprendere. In assenza di linee di

separazione delle corsie o su strade non asfaltate, ad esempio, i

sistemi dovranno essere in grado di individuare le aree adeguate

alla percorrenza. Tenuto conto, quindi, delle attuali tendenze di

sviluppo, i veicoli completamente autonomi non saranno dispo-

nibili nei prossimi dieci anni e il principale vincolo è costituito

dallo sviluppo del software. Le telecamere per i sensori presen-

tano attualmente l’intervallo, la risoluzione e il campo visivo ri-

chiesti anche se presentano ancora limiti importanti in condizioni

meteorologiche avverse. Il sistema radar è già tecnologicamente

maturo e rappresenta un’ottima opzione per la rilevazione in con-

dizioni meteorologiche e condizioni stradali non ideali. Le funzio-

nalità dell’hardware si stanno già avvicinando ai livelli necessari

per determinare un buon funzionamento e la tecnologia attuale

dovrebbe raggiungere in breve tempo i livelli richiesti di potenza

di calcolo per le unità di elaborazione. I sistemi Lidar (Light de-

tection and ranging), che utilizzano i fasci di luce per stimare le

distanze tra ostacoli, sono già oggi disponibili offrendo un ottimo

campo visivo a 360 gradi con un elevato livello di precisione.

Mentre le innovazioni hardware forniscono già potenzialità ade-

guate alla sfida, il software rimane il vero collo di bottiglia.

Software collo di bottiglia

Probabilmente l’unico ostacolo che rimane alla vera self driving

car rimane proprio il software. Gli autoveicoli per diventare com-

pletamente autonomi dovrebbero, infatti, essere in grado di im-

parare a negoziare modelli di guida di altri autoveicoli guidati sia

da conducenti umani sia da AV. Per esempio è necessario miglio-

rare la localizzazione dei veicoli con un grado di precisione molto

elevato rispetto a quello attuale con sensori GPS più precisi. La

determinazione della soluzione a questo tipo di sfide richiede

non solo significativi progressi di ricerca e sviluppo, ma anche

lunghi periodi di test, validazione e certificazione.

Tre tipi di problemi illustrano in modo più specifico il problema

del software. In primo luogo, l’analisi degli oggetti a partire dalla

loro rilevazione fino alla relativa rappresentazione è fondamen-

tale per veicoli autonomi. I sistemi di bordo, ad esempio, dovreb-

bero trattare in modo differente oggetti come motociclette e

biciclette catturandone le differenze di comportamento poten-

ziale proprio durante la fase di analisi degli oggetti.

La sfida iniziale nell’analisi degli oggetti è costituita dalla rileva-

zione, che può essere anche molto difficile a seconda del tipo di

luce presente, dello sfondo e dai movimenti che questi possono

effettuare. Inoltre, la compresenza di sensori, necessaria per con-

validare l’esistenza e il tipo di un oggetto, è tecnicamente impe-

gnativa per ottenere le vere differenze tra i tipi di dati che tali

sistemi devono confrontare come la nuvola di punti (da lidar),

Le frontiere della self driving car

Le aziende impegnate nello sviluppo dei veicoli a guida autonoma hanno a che

fare con diversi aspetti della tecnologia come l’attuazione per la conduzione, la

frenata e l’accelerazione oppure il cloud che deve essere aggiornato in tempo

reale con le mappe ad alta definizione che includono i dati di traffico, mappe

stradali e logiche di decision making. Un altro tema è costituito dalla capacità

percettiva e di analisi degli oggetti per la loro acquisizione, classificazione

e tracciatura attraverso algoritmi adeguati. Il drive control costituisce l’area

tecnologica che converte l’output degli algoritmi di calcolo in segnali per gli

attuatori per la gestione del veicolo.

In aggiunta è da considerare il decision making per la pianificazione dei per-

corsi, la gestione delle traiettorie e il governo delle manovre oltre alla gestione

della localizzazione che sia in grado di effettuare l’incorporamento dei dati

delle mappe ambientali con la posizione istantanea del veicolo.

La capacità analitica dei veicolo è un ulteriore aspetto particolarmente impor-

tante che una piattaforma di monitoraggio deve effettuare in realtime per l’in-

dividuazione degli errori e la conseguente generazione delle raccomandazioni

più adeguate alla loro risoluzione. Il sistema operativo deve essere in grado di

governare tutti i processi realtime così come l’hardware ad alte prestazioni,

elevata affidabilità e a basso consumo (SOC, System on a Chip) deve far parte

dalla mappa dei sistemi dei veicoli AV. Infine non si può tralasciare la sensoristica a bordo. Già oggi le auto sono dotate di decine di sensori per il supporto al conducente

ma in futuro sistemi come lidar, radar e telecamere saranno essenziali per avviarci verso il traguardo.

I sistemi Lidar (Light detection and ranging) utilizzano i fasci

di luce per stimare le distanze tra ostacoli e sono già oggi

disponibili offrendo un ottimo campo visivo a 360 gradi

con un elevato livello di precisione

Several elements make up an autonomous driving system.

Elementsofautonomousdrivingsystem

Cloud

Learningandupdating

aswellasalgorithms

forobjectdetection,

decisionmaking

Actuation

Steering,

braking,and

acceleration

Drivecontrol

Converting

algorithmoutputs

intodrivesignal for

actuators

Decision

making

Planning

vehiclepath,

trajectory,and

maneuvers

Analytics

Platform formonitor -

ingautonomous

system’soperation,

detecting faults,

andgenerating

recommendations

Perceptionand

objectanalysis

Objectand

obstacledetec -

and tracking

Localization

andmapping

Data fusion for

environment

mappingand

vehicle

localization

Middlewareor

operating

system

Middleware

and real-time

operatingsystem

to runalgorithms

Computer

hardware

High-performance,

low-power-

consumptionsystem

onachip (SOC)with

high reliability

Sensors

Multiple

sensors,

including lidar,

sonar, radar,

andcameras

Gli aspetti principali della tecnologia abilitante la self driving car