GUIDA alle industrie

L’intelligenza artificiale nei veicoli autonomi

I sistemi di guida autonoma combinano rilevamento e percezione, previsione, pianificazione e controllo all’interno di un dominio di progettazione operativa definito.

Ascolta questa guidaNarrato dall'IA · ~1 min

In questa pagina1 minuto di lettura
  1. Panoramica
  2. Immersione profonda
  3. Implementazione nel mondo reale
  4. Il futuro dell’intelligenza artificiale nei veicoli autonomi
  5. Metterlo in pratica
  6. Continua a esplorare
  7. Domande frequenti

Panoramica

Il livello di automazione descrive la capacità del sistema e il ruolo umano, non una garanzia di sicurezza generale.

Immersione profonda

SAE J3016 definisce sei livelli di automazione della guida. L'NHTSA descrive i sistemi di Livello 4 come responsabili della guida all'interno di ambiti operativi limitati, mentre il Livello 5 si riferisce alla completa automazione in tutte le condizioni che un conducente umano può gestire. Gli stack di guida automatizzata comunemente separano percezione, previsione, pianificazione e controllo. Waymo pubblica un metodo di test per evitare le collisioni basato su scenari utilizzando una valutazione virtuale, a percorso chiuso e nel mondo reale; un rapporto sulla sicurezza Waymo del 2017 descriveva separatamente miliardi di miglia simulate. Si tratta di descrizioni datate dei test riportate dall'azienda, non di prove che la sola simulazione garantisca la sicurezza.

Implementazione nel mondo reale

Un modulo di percezione può combinare prove di telecamere, radar e lidar per stimare gli oggetti circostanti.

La previsione stima le possibili traiettorie future degli utenti della strada.

La pianificazione seleziona una traiettoria del veicolo all’interno del dominio di progettazione operativa del sistema.

Il rapporto sulla sicurezza del 2017 di Waymo descriveva miliardi di miglia simulate come una componente di un programma di test più ampio.

Il futuro dell’intelligenza artificiale nei veicoli autonomi

Le dichiarazioni sull'automazione dovrebbero indicare il livello SAE, la versione del sistema e il dominio di progettazione operativa. Valuta la sicurezza con molteplici metodi complementari e segnala i limiti. Le fonti citate non stabiliscono una classificazione di sicurezza universale o un’implementazione di livello 5.

Metterlo in pratica

Perché è importante

  • Contesto e regole. Il contesto del settore determina se le idee dell’intelligenza artificiale sopravvivono al contatto con la realtà.
  • Controllo di qualità. I vincoli di dominio influenzano i tassi di errore accettabili e i modelli di supervisione.
  • Scelte di build. Le implementazioni di successo allineano le capacità tecniche con i flussi di lavoro in prima linea.

Attenzione

  • I requisiti normativi possono invalidare prototipi altrimenti robusti.
  • I dati storici possono codificare pregiudizi che danneggiano comunità specifiche.
  • I sistemi legacy possono creare colli di bottiglia nell’integrazione e costi nascosti.

Prossimi passi

  1. Coinvolgere esperti del settore dall'inquadramento del problema alla valutazione.
  2. Progettare audit trail e documentazione prima del lancio.
  3. Convalidare tempestivamente la conformità e gli obblighi di sicurezza.
  4. Implementazione in fasi con chiari criteri di stop e rollback.

Continua a esplorare

Newsletter gratuita

Ricevi il briefing quotidiano sull'IA

Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.

Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.

Mettiti alla prova

Rispondi al quiz sull'intelligenza artificiale nei veicoli autonomi

Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.

Inizia il quiz

Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione

Domande frequenti

Cos’è l’intelligenza artificiale nei veicoli autonomi?

I sistemi di guida autonoma combinano rilevamento e percezione, previsione, pianificazione e controllo all’interno di un dominio di progettazione operativa definito. Il livello di automazione descrive la capacità del sistema e il ruolo umano, non una garanzia di sicurezza generale.

Quali sono le quattro fasi principali del ciclo di elaborazione di un'auto a guida autonoma?

La guida autonoma segue un ciclo di percezione dell'ambiente, previsione del movimento degli altri, pianificazione di un percorso e controllo del veicolo.

Perché i veicoli autonomi spesso fondono i dati di telecamere, radar e lidar?

Le telecamere vedono colori e testo, il radar misura la velocità attraverso la nebbia e il lidar fornisce la distanza precisa; fondendoli si ottiene un'immagine più affidabile.

Cosa significa automazione di guida SAE Livello 5?

SAE J3016 definisce il Livello 5 come la completa automazione della guida in tutte le condizioni che un conducente umano può gestire; a differenza dei livelli 1–4, non è previsto un utente pronto per il fallback.

Quale livello di automazione identifica Waymo per Waymo Driver nella sua metodologia di sicurezza pubblicata?

La metodologia di sicurezza di Waymo descrive il suo ADS come Livello 4. I sistemi SAE di Livello 4 funzionano entro condizioni definite e possono eseguire l'attività di guida senza richiedere un conducente umano di riserva in tali condizioni.

Cosa fa la fase di previsione dello stack guida?

I modelli di previsione anticipano il movimento futuro di pedoni, ciclisti e veicoli in modo che il pianificatore possa scegliere un percorso sicuro.