La fase di istruzione e test degli algoritmi di intelligenza artificiale potrebbe durare – letteralmente – dei secoli. Ecco invece come, attraverso la simulazione, potremo avere un’auto robot in pochissimi anni.

Non ricordo quante ore di pratica di guida abbia fatto prima di prendere la patente. Sicuramente più delle sei ore attualmente richieste come obbligatorie per sostenere l’esame, ma probabilmente non più di una ventina. Un’esperienza che forse i miei figli, sicuramente i loro, potrebbero non dover fare mai, grazie all’avvento delle auto a guida autonoma. Già, ma quanto dura il periodo di scuola guida per un algoritmo di intelligenza artificiale destinato alla guida automatica? Secondo una stima di BMW, per valutare tutte le possibili situazioni di guida e assicurarsi che la risposta dell’auto sia sempre adeguata è necessaria una fase di test in cui si percorrano circa 240 milioni di chilometri. È uno di quei casi in cui possiamo usare l’aggettivo “astronomico” a ragion veduta: è più di una volta e mezza la distanza tra la Terra e il Sole.

Questo è forse il più grande problema che l’industria automobilistica deve affrontare per riuscire a sviluppare sistemi di guida autonoma di livello 3 con un sufficiente livello di esperienza positivamente testata (possibilità di lasciare i controlli per lunghi periodi, anche nel traffico).

Conti alla mano, a una velocità media di 50 Km/h un’auto impiegherebbe 570 anni per percorrere quella distanza, guidando 24 ore su 24, 7 giorni su 7. Se anche volessimo usare più di 100 auto di test contemporaneamente (ipotesi irrealistica) e ridurre il periodo a “soli” cinque anni, la quantità di dati da raccogliere e analizzare – al ritmo di circa 12 terabyte all’ora – sarebbe in ogni caso ingestibile.

Se il simulatore di auto guida su strade simulate

Per rendere periodi di test così lunghi e quantità di dati tanto impressionanti compatibili con un time to market che deve necessariamente essere di mesi o pochi anni, DXC Tecnologies ha realizzato Robotic Drive, una piattaforma di strumenti specializzati che – oltre a gestire in tempi ragionevoli l’ acquisizione di un’immensa mole di dati provenienti dalle auto sensorizzate – mette a disposizione un insieme di acceleratori e filtri per ottimizzare  le successive fasi di test.

Come? Con un trucco: ricorrendo alla simulazione all’interno della simulazione.

«Partendo dai dati di guida raccolti da diverse auto dotate di opportuna sensoristica, che dovranno percorrere 5 milioni di chilometri reali in tutte le condizioni ambientali, normative e comportamentali possibili, ed eliminando le porzioni non significative, col nostro supporto BMW sarà in grado di generare dati equivalenti a 240 milioni di chilometri di guida simulata, densi di sequenze rilevanti di eventi», afferma Giuseppe Marengon Automotive and Manufacturing Sales Executive di DXC Technology. Sottoponendo tutti questi dati a una batteria di simulatori software che lavorano in parallelo, diventa possibile istruire e testare gli algoritmi di guida autonoma in tempi compatibili con il mercato. «Si sposta il problema da “quante auto” a “quanti server” mi occorrono», conclude Marengon.

Robotic Drive può essere gestita da DXC su infrastruttura on-premises, cloud e architettura ibrida, ed è attualmente utilizzata da BMW per progettare un’auto autonoma di Livello 3 che sarà messa su strada entro la fine del 2021, oltre a realizzare un progetto pilota per un’auto di Livello 4 che circoli su aree urbane controllate. Il programma AD-Vantage di BMW è iniziato più di un anno e mezzo fa e la relativa piattaforma di simulazione realizzata da DXC è già in produzione da due mesi.