I ricercatori e gli ingegneri che sviluppano le prime tecnologie di mappatura digitale per le auto a guida autonoma sono ben consapevoli della portata del rischio di questa attività: basti pensare alla quantità di informazioni che l'uomo acquisisce ed elabora mentre guida.
In qualsiasi momento un conducente umano è in procinto di eseguire decine o centinaia di calcoli di tempo-distanza per capire dove si troverà la sua auto nel giro di 10 secondi non cambiando nulla nella guida, sterzando leggermente, premendo sull'acceleratore o facendo queste cose insieme per evitare o superare gli altri veicoli.
Allo stesso tempo, il conducente naviga, nel più comune senso della parola, ossia elabora itinerari per raggiungere la sua destinazione, ma al contempo rimane nella carreggiata dell'autostrada, sterza per evitare gli ostacoli e adotta una velocità idonea alla strada percorsa e che non superi i limiti consentiti.
A tutto ciò si aggiungono le migliaia di calcoli al secondo che l'uomo fa senza neppure accorgersene. Riuscire a riprodurre questa elaborazione veloce è essenziale per il successo dei veicoli a guida autonoma o self-driving. Se da un lato i calcoli tempo-distanza che valutano e confrontano i possibili esiti (è meglio accelerare leggermente o sterzare un po' di più? È meglio rallentare o accelerare per evitare il veicolo che sta cambiando corsia?) sono relativamente semplici per l'intelligenza artificiale, l'elaborazione richiede una certa capacità informatica. Se aggiungiamo poi la parte relativa allo stare in strada e il codice della strada, è facile capire che i computer possono essere sovraccaricati di lavoro.
Un mondo digitale
Proprio come il conducente umano studia la cartina prima di partire per una nuova destinazione, la soluzione per i veicoli a guida autonoma è la preparazione. Per questo tipo di veicoli l'equivalente dell'attività umana è un'immagine pre-caricata, estremamente dettagliata e tridimensionale dell'area in cui il veicolo deve essere utilizzato.
Maggiore è la quantità di informazioni che le automobili a guida autonoma hanno a disposizione prima di partire, minore sarà la capacità di elaborazione di cui avranno bisogno per riconoscere gli elementi statici nel proprio ambiente. In altre parole, in assenza delle mappe 3D si corre il rischio di non riuscire a gestire i movimenti irregolari delle altre automobili o di evitare di investire ad esempio un bambino che corre in strada. Ciò significa che queste mappe dettagliatissime sono fondamentali per rendere i veicoli a guida autonoma sicuri sulla strada.
Ma che cosa deve essere incluso nelle mappe? La posizione della strada, le eventuali strade strette, la pendenza, la presenza di segnali di stop, di precedenza, di semafori, l'eventuale presenza di tratti scivolosi se bagnati, asciutti o in qualsiasi altra condizione, la posizione degli eventuali spartitraffico, i limiti di velocità...... l'elenco non è infinito, ma è certamente molto lungo. Per quel che riguarda la posizione, ad esempio, è necessaria una precisione assoluta per ovviare alle carenze del GPS e dei sistemi simili, il cui segnale può subire un deterioramento della qualità o addirittura essere spento anche solo per un capriccio di un leader politico o militare. L'aggiornamento costante è essenziale.
Raccolta dei dati
Un numero di crescente di aziende si sta occupando con grande impegno della raccolta dei dati ottenuti da immagini satellitari, scansioni laser geografiche, fotografie scattate da Google Street View e da numerosi altre fonti che spaziano dai sondaggi svolti dai governi agli scatti delle persone in vacanza. Il termine “mappa” è troppo restrittivo per ciò che viene creato in questo modo: si tratta di immagini così reali, dettagliate e complesse che potrebbero essere utilizzate per robot, droni o automobili e dispongono di applicazioni adatte non solo al trasporto e alla logistica, ma anche al gioco, ai soccorsi in caso di disastri e persino alla programmazione di operazioni militari.
Yamaha, l'azienda giapponese che produce motociclette, ha sviluppato un'eccezionale moto androide autonoma che esemplifica i problemi relativi al tentativo di riprodurre fedelmente il mondo reale. Infatti, una parte del valore del MotoBot è proprio la capacità di ripetere gli input di guida in maniera molto più coerente rispetto a quanto riesca a fare l'uomo. Tuttavia, come sottolinea il responsabile del progetto Hiro Saijou, Chief Executive di Yamaha Motor Ventures, con sede nella Silicon Valley, MotoBot non è ancora in grado di realizzare tempi di giro costanti in un circuito da gara. “Potrebbe accadere ad esempio che la superficie sia leggermente più scivolosa” spiega Saijou. Oppure che un rannuvolamento cambi la temperatura della pista per alcuni minuti cruciali.
Il premio per chi riesce a creare le riproduzioni digitali del mondo di qualità elevatissima è notevole. Non si tratta solamente di automobili driverless che devono sapere dove si trovano: la possibilità di consegna di pacchi, medicinali urgenti, forniture militari o addirittura passeggeri paganti da parte di droni è stata finora analizzata in maniera molto limitata. Anche i veicoli a volo indipendente devono capire dove si trovano e devono sapere se ad esempio è stata costruita una torre che può ostacolare il percorso tra gli edifici, oppure se un albero è cresciuto di qualche metro, rendendo così impossibile il volo lungo un canyon.
Strumenti in tempo reale
Hexagon Geospatial, un'azienda statunitense, è in prima linea nello sviluppo dei sistemi informativi geografici, o GIS, per organizzare le numerosissime informazioni di rilievo (posizione, cambiamenti, velocità di modifica e molto altro), creare mappe tridimensionali, analizzare i dati e prevedere gli eventuali cambiamenti. L'azienda ha fornito dati GIS allo stato indiano di Maharashtra per permettere un migliore controllo e previsione degli incendi boschivi, incorporando dati ricavati da sensori per fornire strumenti in tempo reale.
Hexagon spiega che le sue applicazioni web-based o per desktop permettono all'utilizzatore di sviluppare ed utilizzare mesh 3D ricchissimi di dettagli”. La scansione tramite laser e le immagini ad elevata risoluzione hanno una precisione centimetrica e le “realtà digitali possono essere combinate a feed di dati digitali che tracciano e rilevano qualsiasi cosa, dall'inquinamento atmosferico e acustico creato dal traffico ai flussi di persone nelle città”.
Altri utilizzi includono il tracciamento in tempo reale del traffico aereo, con voli e caratteristiche topografiche mostrate in 3D, e la gestione del traffico aerospaziale. La compagnia aerea tedesca Lufthansa utilizza i sistemi Hexagon per creare le rotte dei voli in presenza di condizioni meteorologiche avverse o rischiose.
Guardando al futuro
Le aziende il cui operato è maggiormente concentrato sui veicoli da terra includono TomTom, che vende hardware per la navigazione satellitare, Here, precedentemente di proprietà di Nokia, ora controllata da aziende automobilistiche tedesche, Alphabet di Google, responsabile di Google Earth, Google Maps e Street View, e le giovani aziende DeepMap e Civil Maps.
La creazione di una riproduzione esatta e ricchissima di dettagli del mondo reale rappresenta un combattuto terreno di battaglia in rapida evoluzione, oltre a creare una tecnologia transitoria. Non lontano dal percorso del self-driving, le auto saranno dotate di sensori, capacità di elaborazione e intelligenza artificiale per leggere i segnali stradali, rilevare le condizioni della strada, prevedere i rischi e rispondere in maniera intelligente e rapida, con reazioni idonee e calibrate in maniera precisa. Proprio come l'uomo.
