Lancio del primo servizio di taxi a guida autonoma in Giappone

Dimostrazione della tecnologia in scenari reali

Nel novembre e dicembre 2020, Tier IV e i suoi partner hanno condotto un totale di 16 giorni di test pubblici di guida automatizzata a Nishi-Shinjuku, un trafficato quartiere commerciale nel centro di Tokyo. Funzionari governativi e persone comuni sono stati reclutati come passeggeri per percorrere e commentare percorsi che variavano da 1 a 2 chilometri. In alcuni giorni, un autista di sicurezza si è seduto al volante, pronto a prendere il controllo in caso di imprevisti (non è mai successo). In altri casi, il posto di guida era vuoto; un autista monitorava da remoto gli schermi che mostravano l'ambiente circostante e i progressi del veicolo, pronto ad assumerne il controllo a distanza.

I test di novembre si sono svolti lungo un unico percorso predeterminato. I test di dicembre hanno permesso ai partecipanti di scegliere tre diversi punti di partenza e di arrivo sui loro smartphone, di chiamare il taxi e di portarlo alla destinazione desiderata. Pertanto, il veicolo ha dovuto calcolare e decidere tra molti percorsi potenziali, rendendo l'implementazione più impegnativa.

Hanno partecipato in totale più di 100 collaudatori. È stata un'esperienza di apprendimento impegnativa per i progettisti e gli operatori del Robotaxi, come hanno raccontato in seguito alcuni ingegneri di Tier IV nei blog online dedicati alle dimostrazioni. L'ambiente e le condizioni difficili di Nishi-Shinjuku - traffico intenso, molte svolte a destra e a sinistra, decisioni di cambio di corsia e altro ancora - hanno messo a dura prova le capacità del Robotaxi.

Una delle lezioni inaspettate apprese ha riguardato il falso rilevamento degli ostacoli. I cordoli sporgenti di alcune strade e gli accumuli di foglie nelle grondaie hanno creato problemi al sistema di percezione. Autoware è programmato per riconoscere ciò che deve essere rilevato, come automobili e pedoni, e per distinguere questi oggetti da altri, come la pioggia o le foglie che soffiano, che possono essere ignorati. Tuttavia, questo aspetto deve ancora essere sviluppato. Per il Robotaxi, distinguere tra le foglie che cadono e gli oggetti che cadono dal retro di un camion non è facile come per gli occhi e il cervello umano.

Un altro aspetto su cui lavorare in futuro è l'esecuzione di svolte non protette nelle intersezioni non segnalate, quando la visuale dei veicoli che provengono dalla direzione opposta è oscurata (cosa che richiede una buona dose di giudizio umano e di rapidità di reazione) o la velocità di avanzamento del traffico in arrivo è difficile da stimare.

A questo scopo, Autoware è programmato in modo da non accelerare improvvisamente per sfruttare un vuoto nel traffico, come potrebbe fare un essere umano; il comfort e il benessere dei passeggeri costituiscono la priorità. Questi equilibri tra conservatività e aggressività, così naturali per gli esseri umani, possono essere difficili da ottenere in un sistema programmato in condizioni di traffico intenso.

I sensori LiDAR hanno anche avuto qualche difficoltà in ambienti privi di caratteristiche distintive, come le aree di parcheggio aperte e le gallerie. Inoltre, il costo relativamente elevato dei sensori LiDAR può creare difficoltà nel mercato di massa, quando è necessario equipaggiare molti veicoli.

Per risolvere questo problema, alcuni ingegneri di Tier IV hanno scritto sul blog che stanno sperimentando una tecnica chiamata Visual SLAM, che utilizza una telecamera relativamente economica accoppiata a un'unità di misura inerziale (IMU) al posto di un sensore LiDAR. In questo modo si crea una mappa utilizzando informazioni visive e allo stesso tempo si stima la propria posizione nella mappa. Inoltre, si sta studiando attivamente una tecnologia chiamata ri-localizzazione, che stima la posizione dell'utente in una mappa precedentemente definita.

Ma Visual SLAM ha i suoi punti deboli: non funziona bene al buio, né in presenza di molti oggetti con movimenti simultanei e divergenti.

Visione per il futuro

Tuttavia, Tier IV e AutonomouStuff amano le sfide.

"In questo settore stanno avvenendo molte innovazioni", afferma John. "Il software open source consente a molti operatori di introdurre le proprie soluzioni nell'ecosistema: osto, consumo energetico, architetture di sicurezza: in questo modo, si stanno introducendo le soluzioni e gli operatori migliori della categoria".

Il mercato dei veicoli senza conducente, in rapido sviluppo, presenta molti operatori e molte varianti di combinazioni e integrazioni di sensori; alcune costose, altre meno.

"Altre aziende sono molto integrate verticalmente", aggiunge John, "sviluppano i propri stack software, a differenza del nostro approccio all'open source. Il mercato muove ancora i primi passi verso l'adozione della distribuzione di massa. Alcuni operatori sono riusciti a dimostrare di aver raggiunto il livello 4 e ad implementarlo in mercati limitati".

Ma allo stesso tempo, per poter davvero scalare i loro approcci, è necessario un altro ciclo di ottimizzazione del sistema. Più di mille watt di potenza del computer in un'auto e un'integrazione di sensori pari a 100.000 dollari per veicolo: un'operazione che non può essere estesa a decine di migliaia di veicoli in molte città.

"Ecco perché ora ci sono tutti questi investimenti: LiDAR allo stato solido, imaging radar, tutti elementi che favoriscono uno sviluppo continuo delle capacità di percezione. Ciò significa che le nuove soluzioni devono essere integrate e ottimizzate nel nostro stack relativo alla percezione. Dopo aver apportato queste modifiche, come posso verificare il mio nuovo sistema? Come posso dimostrare che soddisfa ancora i requisiti di sicurezza?"

John ha un'ultima osservazione da fare per il futuro. "A me sembra che tutti abbiano dimostrato di riuscire a far funzionare il software in situazioni limitate. Per espanderci, occorrerà un altro investimento significativo per riprogettare e convalidare i sistemi e l'open source svolgerà un ruolo significativo nell'ottimizzazione delle soluzioni AD di prossima generazione".