Durante un seminario sulla guida autonoma che si è svolto nell’ambito della Conference on Computer Vision and Pattern Recognition (CVPR) 2020, Waymo e Uber hanno presentato dettagli su nuove ricerche con metodologie per migliorare l’affidabilità e la sicurezza dei rispettivi sistemi per la guida autonoma.
Drago Anguelov, scienziato senior di Waymo ha parlato di ViDAR, un framework incentrato sull’uso di telecamere e sulla comprensione delle distanze, in grado di ricostruire in tempo reale la geometria di scene, semantiche e dinamiche.
Raquel Urtasun, scienziato senior dell’Advanced Technologies Group di Uber, ha dimostrato alcune tecnologie che fanno affidamento a meccanismi di comunicazione vehicle-to-vehicle per la navigazione, modellazione del traffico e altro.
ViDAR, frutto della collaborazione tra Waymo e uno dei laboratori di Google sull’IA, Google Brain, è in grado di desumere le strutture dal movimento. Apprende la geometria 3D da sequenze di immagini – per esempio i frame catturati da videocamere montate sull’auto – sfruttando il parallasse di movimento, indizi fisiologici rispetto al punto di fissazione, con gli oggetti più lontani che i appaiono muoversi nella stessa direzione del movimento dell’osservatore, mentre quelli più̀ vicini sembra che si muovano in direzione opposta (la velocità del movimento di un oggetto fornisce un indizio anche sulla sua distanza). Sfruttando immagini e dati dai sensori lidar, la tecnologia ViDAR può prevedere punti di vista futuri della fotocamera e dati di profondità.
Stando a quanto riferisce Anguelov, ViDAR usa il tempo di otturazione tenendo conto delle cosiddette distorsioni rolling shutter, l’effetto che verifica quando viene ripreso un soggetto che si sposta velocemente con un sensore CMOS che registra una linea alla volta dall’alto al basso. Sfruttato in combinazione con fino a cinque diverse videocamere, questo meccanismo di attenuazione permette al framework di evitare spostamenti a velocità elevate, migliorando allo stesso tempo l’accuratezza.
ViDAR è usato internamente da Waymo per funzionalità che consentono di ottenere dettagli sulla profondità, sistemi definiti “allo stato dell’arte” e che possono portare alla creazione sia di un modello che stima la profondità dalle immagini, sia di un modello che predice, tra le altre cose, la direzione di potenziali ostacoli (pedoni inclusi).
I ricercatori di Uber presso l’Advanced Technologies Group (ATG) hanno creato invece un sistema denominato V2VNet he consente alle vetture a guida autonoma di condividere informazioni tra loro “over the air” (wireless). Usando V2VNet, le vetture nell’ambito della stessa rete possono scambiare messaggi con dettagli su set di dati, eventi temporali e informazioni relative alla posizione, compensando il ritardo con i quali i modelli di IA selezionano da soli le informazioni che ritengono essenziali tenendo conto dei dati di ottenuti da sensori come i lidar.
Le prestazioni di V2VNet sono state confrontate con migliaia di log ottenuti da sistemi lidar, evidenziando un tasso di errore inferiore del 68% rispetto ai dati che è possibile ottenere con questi sensori da un solo veicolo. Le performance sono ancora maggiori quando più veicoli comunicano dettagli nella stessa rete, migliorando notevolmente l’individuazione di oggetti lontani e ostruiti dalla visione di auto che viaggiano ad alta velocità. Non è chiaro se il sistema V2VNet sarà sfruttato su auto reali ma la Chrysler Pacifica – minivan concorrente alle vetture di Uber con tecnologia di Waymo – sfrutta già tecnologie simili per scambiare informazioni con altri veicoli su pericoli e percorso che cambia direzione.
Tutte le notizie di macitynet che riguardano le auto, i veicoli elettrici e anche la mobilità smart ed eco sostenibile sono disponibili nella sezione ViaggiareSmart.
