Dopo il recente incidente mortale che ha coinvolto un’auto a guida autonoma testata da Uber su strade pubbliche, il team Garage di Microsoft prova a proporre un sistema più sicuro per studiare e mettere a punto i sistemi driverless. Centro di sviluppo dei progetti sperimentali di Microsoft, il team Garage è una squadra internazionale di ricercatori e informatici che cerca soluzioni alternative alle sfide più difficili. Il motto è “Be epic”: qui si pensa in grande.
ALLENAMENTO VIRTUALE
Il progetto che il team Garage ha rivolto all’industria del driverless si chiama Road Runner e serve a raccogliere tutti i dati della guida su strada di cui il computer delle auto-robot ha bisogno senza andare veramente su strada: vengono usati ambienti virtuali che imitano perfettamente il mondo reale. Nelle strade simulate l’auto driverless accumula dati sulle molteplici situazioni che si possono presentare alla guida; l’esperienza “istruisce” gli algoritmi di intelligenza artificiale a prendere decisioni affidabili e se gli algoritmi sbagliano non c’è impatto su cose e persone.
SERVONO PIÙ DATI
Tutte le aziende che lavorano sulla tecnologia driverless – dalle case automobilistiche ai gruppi hi tech- si basano sui dati relativi a miliardi di chilometri macinati dai loro veicoli in fase di test, perché solo i dati possono permettere al computer dell’auto autonoma di capire che cosa ha intorno e decidere come comportarsi. Tuttavia, nel momento in cui il veicolo viene portato sulle strade pubbliche, il rischio è che si producano conseguenze fatali se si presenta una situazione non prevista nei test.
LEZIONI E RICETTE
Per creare gli ambienti di prova, il team Garage usa la piattaforma di simulazione Microsoft AirSim, un sistema open source, ovvero con codice aperto a tutti gli informatici. AirSim permette di creare scenari a specchio del mondo reale dove condurre i test finché l’allentamento dell’auto-robot non è completo. AirSim viene considerato ideale per catturare i dati in modo accurato e fornire agli algoritmi della guida autonoma il maggior numero possibile di istruzioni.
Il team Garage ha anche pubblicato il Cookbook (letteralmente “ricette di cucina”), un manuale con tutorial e indicazioni per chi studia e sviluppa la tecnologia driverless. Il libro di “ricette” per la guida autonoma è stato di recente arricchito con un modulo per dare agli algoritmi funzionalità di “deep reinforcement learning”: l’auto-robot impara dagli sbagli e non li ripete grazie a scenari simulati impossibili da trovare nel mondo reale perché uniscono in una volta sola molteplici errori che nell’esperienza su strada – per fortuna – non si presentano tutti insieme.
(Articolo pubblicato su l’Automobile, la testata diretta da Alessandro Marchetti Tricamo ed edita da ACI)
