Quali sono i trend tecnologici nell’ambito della mobilità? qual è lo stato dell’arte dei software per il settore automotive , fra guida autonoma, intelligenza artificiale e algoritmi? Ne parliamo con Fabio Gadda, Marketing Program Manager di Teoresi.
«Come Teoresi storicamente lavoriamo nell’ambito della transportation: sviluppiamo software embedded per veicoli, su gomma o su rotaia. Quello che vediamo è una sempre maggiore cross-fertilization tra i settori: ad esempio le tecnologie su cui abbiamo lavorato nell’ambito automotive come l’elettrico e la guida autonoma possono essere applicate a un ambito che rivoluzionerà la mobilità urbana, ovvero la urban air mobility» ha affermato Gadda, descrivendo il campo d’azione di Teoresi.
Nei prossimi decenni vedremo infatti il contesto della mobilità urbana completamente trasformato: il trasporto che attualmente è su strada in parte si sposterà a livello aereo. Veicoli e velivoli faranno parte degli spostamenti quotidiani sia di persone sia di merci e saranno fortemente integrati a livello intermodale. Tramite le tecnologie abilitanti quali 5G, Could & Edge Computing, Intelligenza Artificiale, Cybersecurity sarà possibile ottimizzare il consumo energetico delle batterie, dotare i veicoli e veivoli di funzionalità di guida autonomia, garantire la sicurezza ridisegnando una nuova mobilità integrata.
Attualmente noi sviluppiamo per i nostri clienti applicazioni software embedded per la guida assistita (ADAS), che comprendono funzionalità normalmente classificate come guida autonoma di livello 2 che sono già in commercio con la definizione di “safety pack”, ovvero diverse dotazioni quali a il rilevamento della corsia per il controllo del corretto mantenimento della direzione di marcia, il sistema avanzato anti-collisione con frenata d’emergenza automatizzata, l’adaptive cruise control per la regolazione della velocità di crociera in funzione del veicolo che precede. A partire dalle competenze già acquisite stiamo investendo nella realizzazione di proof of concept di auto con autonoma di livello 3 e 4: in tal caso l’auto è dotata di sensori aggiuntivi che la rendono effettivamente più intelligente a vantaggio della sicurezza stradale e del confort di guida.
Secondo Teoresi, qual è il processo attraverso cui è possibile sviluppare le tecnologie di intelligenza artificiale da applicare nell’ambito della guida autonoma?
Lavorando nell’ambito della guida autonoma per le auto ci siamo resi conto di una necessità importante: ridurre il time to market di queste tecnologie applicate a veicoli e velivoli.
Sviluppare le componenti di AI per software embedded implica tre diverse fasi quali modellazione e training, messa a punto degli algoritmi ed integrazione di sistema, validazione.
La prima fase di simulazione puramente software è quella in cui gli algoritmi vengono dapprima costruiti in un contesto virtuale per realizzare il modello di drone autonomo, poi il modello di drone viene allenato dal simulatore per imparare a muoversi da un punto A ad un punto B (path planning) in vari contesti anche con dinamiche imprevedibili, o particolarmente critiche come quelle di una tempesta. Teoresi ha sviluppato un ambiente di simulazione ad hoc per la guida autonoma.
Durante la seconda fase di “hardware in the loop”, il software è già installato all’interno delle varie componenti hardware reali che poi saranno montate all’interno del veicolo o velivolo: l’obiettivo è quello di verificare l’architettura del sistema e la corretta integrazione dei vari componenti e delle varie funzionalità software, rimanendo ancora all’interno del laboratorio e quindi nel contesto di scenari di test “simulati” per effettuare una messa a punto a livello di integrazione.
Infine l’ultima fase è quella in cui il veicolo o veivolo viene effettivamente realizzato a livello prototipale ed inserito nel modo reale, su strada o in aria, in ambiente monitorato, per completare la fase di test e validazione, in modo da arrivare ad un semilavorato con certe funzionalità pronte per essere adattate alle singole esigenze del cliente.
Per muoversi in modo efficiente ed efficace Teoresi ha negli anni deciso di lavorare in due direzioni: da un lato, come appena descritto, sviluppando un simulatore il più possibile robusto e affidabile che consenta di ridurre le tempistiche di design, sviluppo e validazione, proprio per contribuire a ridurre il T2M del cliente; dall’altro lato partendo dalla realizzazione di prototipi funzionali in contesti semplificati e progressivamente accrescendone la complessità, ad esempio studiando la guida autonoma dal contesto indoor verso l’outdoor. Da questa idea è nato il progetto ALBA, Advanced Light Body Assistant, una carrozzina smart che si muoversi in modo convenzionale, autonomo e anche con telecomandi per la quale abbiamo sviluppato due importanti innovazioni tecnologiche del progetto: i sistemi ADAS (Advanced Driver Assistance Systems) e l’implementazione di interfacce vocali, basate su Amazon Alexa. Dopo lo sviluppo del primo prototipo, nel 2019, la società Alba Robot è diventata uno spin-off di Moschini Spa e Teoresi Group.
Su quali progetti di ricerca state lavorando nel contesto della guida autonoma?
Stiamo continuando a lavorare sulle tecnologie di guida autonoma per il mondo e partendo da queste esperienze, in un’ottica di cross fertilization, ci stiamo muovendo anche nel contesto della urban air mobility. In particolare, l’ambiente virtuale sviluppato per il mondo automotive, è stato ulteriormente implementato e viene ora usato per simulare le dinamiche di volo di un drone in vari contesti, anche in quelli di maggiore pericolo, per poter creare gli algoritmi di machine learning che consentiranno ai droni di volare in città.
Si tratta di un ambito ancora di ricerca, su cui è importante investire fin da ora data la complessità del contesto da diversi punti di vista, tra cui in particolare quelli di sicurezza, etica e normativa, per i quali è necessaria la comprensione delle potenzialità e limiti dell’Intelligenza Artificiale.
In questo ambito Teoresi sta facendo R&D in particolare nell’ambito definito “Unmanned vehicles control”, ovvero veicoli senza pilota, perché quando il mercato della mobilità aerea si aprirà noi saremo pronti a mettere a disposizione le nostre competenze e tecnologie ad aziende che sviluppano droni e altri macchinari legati alla mobilità aerea.
In particolare l’ambiente di simulazione che Teoresi ha creato consente di allenare gli algoritmi che in futuro potranno essere utilizzati per fare volare i droni in autonomia anche nei contesti urbani. Il simulatore permette di creare diversi scenari in cui un veicolo virtuale, come un’auto o un drone, deve muoversi in un ambiente difficile ed essere in grado di ottimizzare il percorso anche quando è messo sotto stress. Uno degli scenari è quello in cui il veicolo deve muoversi in una tempesta di oggetti. Un secondo scenario è invece sulla logistica: il drone funge da carrier, ovvero in questo caso viene simulato non solo il volo ma anche in trasporto di oggetti. Questo poi è stato realizzato anche nel contesto indoor.
