Le auto a guida autonoma sono tra le tecnologie più attese. Queste sono previste in grado di rendere la mobilità più accessibile alle persone con disabilità (1), ridurre le vittime legate al traffico fino al 90% (2) e dare all’economia mondiale una spinta di sette trilioni di dollari (3). In questo articolo, spieghiamo le tecnologie chiave che hanno accelerato lo sviluppo dei veicoli a guida autonoma e come sono integrate per creare veicoli autonomi.

La prima macchina considerata un veicolo a guida autonoma è stata la Stanford Cart, che è stata costruita e ulteriormente sviluppata negli anni ’70 come prototipo di veicoli rover che potevano essere utilizzati in missioni spaziali su altri pianeti. Lo Stanford Cart era in grado di rilevare gli ostacoli nelle vicinanze e pianificare il percorso di conseguenza. Questo livello di autonomia era richiesto in quanto il controllo remoto di un veicolo su altri pianeti non è fattibile a causa del lungo tempo necessario per inviare comandi avanti e indietro – tre minuti solo andata nel caso di Marte. Tuttavia, questa macchina era molto lenta e si muoveva di appena 1 m ogni 10-15 min, poiché aveva bisogno di tempo per calcolare i movimenti successivi (4).

La tecnologia è progredita in modo significativo da allora, ma i principi fondamentali del design dello Stanford Cart possono ancora essere trovati nelle moderne auto a guida autonoma. Questi principi sono costituiti da tre componenti: una componente sensoriale, una componente computazionale e una componente attuatore. La componente sensoriale dà accesso all’ambiente circostante il veicolo tramite telecamere, radar, lidar (una sorta di radar che utilizza la luce) e posizionamento satellitare. La componente computazionale interpreta l’input sensoriale, fa previsioni su come si svilupperà una data situazione e prende le decisioni di conseguenza. Queste decisioni vengono quindi eseguite dal componente dell’attuatore che, ad esempio, aziona i freni o sterza in una certa direzione. Questi componenti sono configurati in un circuito chiuso, il che significa che mentre una decisione viene eseguita, viene rivalutata e regolata utilizzando l’input sensoriale appena acquisito. Questo costante riadattamento consente alle auto a guida autonoma di essere sufficientemente flessibili per l’uso su strade pubbliche.

Mentre le telecamere, altri sensori e attuatori controllati dalla macchina sono state tecnologie consolidate per decenni, il componente computazionale che li collega non è mai stato sufficientemente potente. Questo diventa evidente quando si esaminano i suoi compiti principali. In primo luogo, deve integrare diversi input sensoriali per creare una mappa dei dintorni del veicolo. In secondo luogo, deve rilevare e classificare in modo affidabile gli oggetti circostanti, come altre automobili, segnali stradali o pedoni. Quindi, deve tener conto delle informazioni precedenti per estrapolare la situazione attuale (ad esempio se un pedone continuerà ad attraversare la strada). Infine, deve decidere una reazione che avvicini il veicolo alla sua destinazione nel rispetto della legge ed evitando incidenti. Da non sottovalutare è il fatto che tutte queste attività devono essere eseguite in tempo reale (5). Tutto ciò è diventato possibile solo di recente grazie all’aumento della potenza di elaborazione e all’evoluzione dell’apprendimento automatico. Soprattutto quest’ultimo ha aperto la strada alla classificazione degli oggetti e al processo decisionale, poiché ha eliminato la necessità di programmare manualmente singoli oggetti e scenari. Invece, gli ingegneri utilizzano i dati acquisiti da simulazioni e da situazioni di traffico reale per addestrare un’intelligenza artificiale a guidare un’auto in modo affidabile (6).

Tuttavia, ci sono due limitazioni a questo approccio. Il primo è che un’intelligenza artificiale sarà in grado di gestire solo situazioni simili ai dati su cui è stata addestrata. Se dovesse incontrare una situazione insolita, la sua risposta sarà imprevedibile e potenzialmente pericolosa. Ciò è stato illustrato in modo tragico, quando una Tesla con pilota automatico ha classificato erroneamente un camion bianco come cielo, schiantandosi contro di esso, uccidendo il suo passeggero (7). L’altro limite è il tempo necessario all’intelligenza artificiale per prendere le sue decisioni. In situazioni a sviluppo lento e prevedibili, come su un’autostrada con poco traffico, le auto a guida autonoma si comportano molto bene, poiché possono sia anticipare il futuro in modo robusto e avere molto tempo per pianificare il proprio comportamento. In situazioni improvvisamente mutevoli ed imprevedibili, come ad esempio un animale che attraversa la strada, le auto a guida autonoma devono reagire rapidamente e potrebbero non avere il tempo di trovare ed eseguire la reazione ideale (8).

Singole auto a guida autonoma non possono sfruttare appieno il potenziale di questa tecnologia. Ciò può essere ottenuto solo attraverso il collegamento e il coordinamento di più auto. I veicoli a guida autonoma connessi possono coordinare il loro comportamento di frenata e accelerazione per evitare di creare ingorghi o incidenti (2, 9). Inoltre, gruppi di veicoli – le cosiddette coorti – possono comunicare con i semafori per coordinare un’onda verde su richiesta (10), rendendo così il flusso del traffico più efficiente.

Tuttavia, la tecnologia delle auto a guida autonoma ha anche i suoi svantaggi. Alcuni studi suggeriscono che i veicoli a guida autonoma porteranno ad un aumento del volume di traffico, poiché più persone – come bambini, anziani o persone con disabilità – ne avranno accesso tramite servizi di noleggio come Uber (11,12). Ciò potrebbe persino portare alla scomparsa di sistemi di trasporto pubblico ecocompatibili come treni o autobus, a causa dell’elevato livello di flessibilità e comodità promesso dalle auto a guida autonoma. Ciò porterebbe a un ulteriore aumento del volume di traffico, perché più persone viaggerebbero in auto singole, che hanno una capacità di passeggeri bassa rispetto alle loro dimensioni (13). Inoltre, la natura interconnessa dell’infrastruttura dei veicoli a guida autonoma apre il potenziale per la sorveglianza e il monitoraggio del movimento dell’individuo (14). Per di più, al momento non è chiaro se, in caso di incidente, il proprietario dell’auto o il suo produttore sia ritenuto responsabile (15).

Nonostante questi problemi, aziende come Waymo e Uber hanno recentemente iniziato a lanciare versioni iniziali di programmi di noleggio auto senza conducente in località selezionate (16, 17). Waymo sta attualmente testando la propria tecnologia su camion a guida autonoma per il settore logistico (18). Con le aziende tecnologiche che stanno già esplorando il mercato della tecnologia per auto a guida autonoma, è fondamentale che le questioni legali e strutturali che ne derivano vengano affrontate presto per aprire la strada alle auto a guida autonoma.