Autonomous Vehicles

I veicoli autonomi (AV), spesso chiamati veicoli a guida autonoma, usano sensori e intelligenza artificiale (AI) per percepire l'ambiente circostante, prevedere il comportamento degli altri utenti della strada, pianificare un percorso e sterzare, accelerare e frenare senza un conducente umano. Il termine comprende una gamma di soluzioni, dalle auto che mantengono la corsia in autostrada sotto la supervisione di una persona ai robotaxi senza nessuno al posto di guida. I servizi senza conducente sono già commerciali: Waymo, che nel 2020 ha aperto al pubblico a Phoenix le corse completamente senza conducente, trasporta passeggeri paganti in almeno dieci aree metropolitane degli Stati Uniti; Apollo Go di Baidu gestisce robotaxi senza conducente in città cinesi come Wuhan. Le auto per i consumatori offrono perlopiù funzioni di assistenza alla guida che richiedono una supervisione umana costante, ancora la forma più comune di AI nel settore automobilistico.

Come funzionano i veicoli autonomi#

Un sistema di guida autonoma ripete la stessa pipeline molte volte al secondo:

• Rilevamento: Le telecamere leggono la segnaletica orizzontale, i cartelli e i semafori; il lidar misura con precisione le distanze 3D usando impulsi laser; il radar misura distanza e velocità e continua a funzionare con nebbia e pioggia; GNSS, sensori inerziali e odometria delle ruote tracciano il movimento del veicolo.
• Percezione: Le reti neurali rilevano, classificano e tracciano ogni auto, ciclista e pedone, individuano le corsie e le aree percorribili e stimano le distanze.
• Previsione: Il sistema prevede dove è probabile che si dirigano gli utenti della strada nei secondi successivi, spesso considerando diverse traiettorie possibili con le relative probabilità.
• Pianificazione: Un pianificatore sceglie un percorso e una velocità che consentono di avanzare, rispettare il codice della strada e mantenere una distanza di sicurezza da ogni traiettoria prevista.
• Controllo: Un controller di basso livello traduce il piano in comandi di sterzata, accelerazione e frenata.

Nessun singolo sensore funziona in ogni condizione, perciò la fusione dei sensori li combina. La percezione si basa sul rilevamento di oggetti, sulla segmentazione semantica della strada, del marciapiede e della vegetazione, sul rilevamento 3D di oggetti nelle nuvole di punti lidar e sul tracciamento di più oggetti; i sistemi basati solo sulle telecamere ricavano le distanze con la stima della profondità e la visione stereo. I controller che seguono il percorso utilizzano spesso il controllo predittivo basato su modello per seguire la traiettoria pianificata rispettando i limiti di sterzata e accelerazione. Dataset pubblici come KITTI e Argoverse forniscono dati di guida etichettati per addestrare e confrontare questi modelli.

Tracciare gli utenti della strada nel codice#

Per effettuare previsioni serve conoscere il movimento di ogni utente della strada; la percezione deve quindi seguire ogni oggetto da un frame all'altro mantenendo un'identità stabile. Ultralytics YOLO26 in modalità tracking svolge questo compito, assegnando un ID persistente a ogni riquadro rilevato. Questo esempio traccia i pedoni in un video di persone che camminano:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")

# Track pedestrians (COCO class 0) across video frames, keeping one ID per person
video = "https://github.com/ultralytics/assets/releases/download/v0.0.0/decelera_portrait_min.mov"
results = model.track(source=video, classes=[0], stream=True)

ids_seen = set()
for result in results:
    if result.boxes.is_track:
        ids_seen.update(result.boxes.id.int().tolist())

print(f"Unique pedestrians tracked: {len(ids_seen)}")

Il programma stampa il numero di persone distinte a cui sono stati assegnati ID durante il video. Ogni ID collega i riquadri di una persona tra i vari frame; la variazione della posizione del riquadro da un frame all'altro costituisce lo storico del movimento che un modulo di previsione estrapola.

Guida modulare e end-to-end#

I software tradizionali per i veicoli autonomi sono modulari: componenti separati e testati indipendentemente per percezione, previsione, pianificazione e controllo, collegati da interfacce progettate manualmente, come gli elenchi degli oggetti tracciati. I sistemi end-to-end sostituiscono gran parte della pipeline con un'unica rete neurale che mappa i dati dei sensori su una traiettoria e viene addestrata tramite clonazione del comportamento su grandi quantità di dati di guida umana. Nel 2024 Tesla ha trasferito il proprio software di assistenza alla guida FSD (Supervised) a una rete end-to-end con la versione 12; il modello di ricerca UniAD, che collega percezione, previsione e pianificazione in un'unica rete ottimizzata per la pianificazione, ha vinto il premio per il miglior articolo a CVPR 2023. Molti stack di produzione si collocano a metà strada, con moduli appresi e addestrati congiuntamente che continuano però a esporre output interpretabili, verificabili dagli ingegneri.

La simulazione sostiene gran parte del carico di validazione, perché non è possibile raccogliere su richiesta gli eventi rari. Un modello del mondo addestrato sui dati della flotta, come il Waymo World Model annunciato nel febbraio 2026, genera dati realistici di telecamere e lidar per scenari mai registrati dalla flotta; l'apprendimento per rinforzo in simulazione aiuta i pianificatori a gestire situazioni che i dati di guida umana coprono raramente.

Livelli di automazione della guida#

Lo standard SAE J3016, rivisto insieme a ISO nel 2021, definisce sei livelli di automazione della guida. I livelli da 0 a 2 sono funzioni di supporto alla guida: è la persona a guidare, anche quando non tiene i piedi sui pedali o le mani sul volante, e deve sempre supervisionare. I livelli da 3 a 5 sono sistemi di guida automatizzata che guidano autonomamente, almeno entro il proprio dominio operativo di progettazione, ossia sulle strade, alle velocità e nelle condizioni per cui sono stati progettati:

I sistemi autostradali a mani libere come Super Cruise di GM sono di livello 2, perché il conducente deve continuare a guardare la strada. Drive Pilot di Mercedes-Benz è un sistema di livello 3 approvato su alcune autostrade in Germania, California e Nevada: il conducente può distogliere lo sguardo, ma deve riprendere il controllo quando richiesto. I robotaxi di Waymo sono di livello 4: operano senza conducente nelle aree di servizio mappate. Oggi non esistono veicoli di livello 5, capaci di guidare ovunque possa farlo una persona.

Applicazioni nel mondo reale#

• Robotaxi: Waymo, Baidu Apollo Go e altri trasportano passeggeri senza un conducente di sicurezza a bordo, all'interno di aree di servizio definite e con personale remoto che può rispondere alle domande del veicolo.
• Trasporto merci su camion: Nel 2025 Aurora ha iniziato a trasportare merci dei clienti con camion senza conducente tra Dallas e Houston, su percorsi autostradali in cui la guida lunga e prevedibile si presta all'automazione.
• Assistenza alla guida: Il cruise control adattivo, il centraggio della corsia e la frenata automatica di emergenza usano modelli di percezione simili in milioni di auto per i consumatori, spesso insieme a telecamere di monitoraggio del conducente che ne controllano l'attenzione.
• Veicoli industriali: I camion da miniera autonomi, i trattori da piazzale e i carrelli elevatori da magazzino operano in siti privati, dove percorsi e traffico sono controllati.

Veicoli autonomi e termini correlati#

• Sistemi avanzati di assistenza alla guida (ADAS): Funzioni di livello da 0 a 2 che assistono un conducente umano, il quale resta responsabile della guida. In senso stretto, un veicolo autonomo svolge da solo l'intero compito di guida.
• Veicoli connessi (V2X): Veicoli che scambiano dati tra loro e con le infrastrutture, per esempio i semafori. Un'auto può essere connessa senza essere automatizzata; la connettività può inoltre ampliare la visuale di un veicolo autonomo oltre i limiti dei suoi sensori.
• Assistenza remota e guida remota: La revisione SAE del 2021 distingue le due modalità. Un assistente remoto dà indicazioni a un veicolo senza conducente, per esempio confermando che può superare un camion fermo, mentre il veicolo continua a guidare da solo; un conducente remoto controlla direttamente il veicolo a distanza.
• AI fisica e robotica: Un veicolo autonomo è un robot mobile specializzato per le strade pubbliche, la più grande applicazione commerciale di AI fisica; i suoi metodi di percezione e pianificazione sono condivisi con i robot da magazzino, i droni e gli umanoidi.