Le auto a guida autonoma, come la Volkswagen Herbie e KITT di Knight Rider, stanno gradualmente passando dalla fantascienza alla realtà. I vantaggi sono evidenti: i passeggeri possono utilizzare il tempo del tragitto per rilassarsi, lavorare o divertirsi, riducendo al contempo gli incidenti causati da errori umani. Inoltre, i veicoli autonomi offrono maggiore mobilità a chi non è in grado di guidare autonomamente.
Lo stato attuale delle auto autonome
I veicoli a guida autonoma si basano su sensori, telecamere e intelligenza artificiale (AI) per prendere decisioni informate e navigare sulle strade con un input umano minimo. La Society of Automotive Engineers classifica l’automazione dei veicoli in sei livelli, da 0 (completamente manuale) a 5 (completamente autonomo, il che significa che il veicolo può guidare da solo in tutte le condizioni senza intervento umano). Finora, nessuna auto a guida autonoma ha raggiunto la piena autonomia. I modelli più avanzati, come i servizi di taxi a guida autonoma in California e Arizona, operano attualmente a livello 4. Tuttavia, l’adozione su larga scala affronta sfide, tra cui il potenziale per incidenti e preoccupazioni sulla privacy dei dati.
Comunicazione tra auto per migliorare la sicurezza
Rinunciare al controllo nel complesso ambiente del traffico stradale richiede una tecnologia altamente avanzata. Gli sviluppi in corso mirano a portare veicoli completamente autonomi sulle nostre strade, e un’area chiave di interesse è come queste auto possano comunicare efficacemente — ad esempio, condividendo aggiornamenti sulle condizioni stradali — per migliorare la sicurezza e l’efficienza. Un team di ricerca della New York University (NYU) Tandon School of Engineering ha sviluppato un sistema per migliorare la comunicazione tra veicoli autonomi, simile a come le persone interagiscono sui social network. I loro progressi sono stati presentati alla Association for the Advancement of Artificial Intelligence Conference il 27 febbraio 2025.
Rendere più efficiente la comunicazione tra veicoli
L’AI consente ai veicoli autonomi di scambiare conoscenze quando interagiscono direttamente, migliorando immediatamente la navigazione stradale. Tuttavia, i metodi convenzionali di condivisione dei modelli si basano su scambi immediati e uno-a-uno, il che rallenta l’adattamento a nuove condizioni. Per superare questa limitazione, i ricercatori hanno introdotto un nuovo approccio chiamato Cached Decentralized Federated Learning (Cached-DFL). Questo metodo migliora il modo in cui i veicoli apprendono l’uno dall’altro, anche se si incrociano raramente. A differenza del tradizionale Federated Learning, che dipende da un server centrale per gli aggiornamenti, Cached-DFL consente ai veicoli di addestrare modelli AI in modo indipendente e di scambiarli direttamente. Quando due veicoli si trovano a breve distanza — circa 100 metri — utilizzano comunicazioni ad alta velocità per condividere modelli addestrati anziché trasmettere dati grezzi. Questo accelera significativamente l’adattamento e migliora l’efficienza dell’apprendimento rispetto agli approcci decentralizzati precedenti.
Fonte: Discovery Technology
Ricevi le ultime attualità sul mondo tech!