Martedì scorso, un camioncino per consegne robotizzato di ultima generazione è rimasto bloccato in un incrocio urbano a causa del guasto critico di uno dei suoi sensori principali. L'incidente, che non ha causato feriti, ha messo in luce una vulnerabilità chiave nei sistemi di guida autonoma di livello 4. Il veicolo, progettato per operare senza intervento umano, ha interpretato male il segnale di un semaforo a causa di una lettura erraticadel sensore, fermandosi bruscamente e bloccando il traffico per oltre due ore.
Architettura del sensore guasto e simulazione dell'errore 🛠️
L'analisi tecnica indica un guasto nel modulo LIDAR a fascio rotante montato sul tetto del camion. Questo sensore emette 64 laser per generare una nuvola di punti 3D dell'ambiente circostante. Nella nostra simulazione, abbiamo modellato il diagramma dell'architettura del sistema, che include una ridondanza 2 su 3 tra il LIDAR, un radar a onde millimetriche e tre telecamere stereo. Il guasto è stato replicato iniettando rumore gaussiano nel segnale di ritorno del LIDAR, generando un falso positivo di un oggetto statico. Il sistema di fusione dati, dando priorità al LIDAR rispetto al radar, ha annullato la decisione corretta delle telecamere, ordinando una frenata di emergenza. La visualizzazione 3D mostra come la nuvola di punti si distorca, creando un muro fantasma davanti al camion.
Ridondanza intelligente come soluzione al punto cieco digitale 💡
Questo incidente dimostra che la semplice duplicazione dell'hardware non è sufficiente. La soluzione tecnica passa attraverso l'implementazione di un sistema di voto ponderato in cui il peso di ciascun sensore varia in base alle condizioni ambientali. Ad esempio, in un incrocio urbano con buona illuminazione, le telecamere dovrebbero avere maggiore autorità rispetto al LIDAR. Inoltre, è necessario modellare un ciclo di autodiagnostica continua che confronti la coerenza temporale dei dati di ciascun sensore. Se il LIDAR segnala un oggetto che il radar non vede per più di 200 millisecondi, il sistema deve degradare il suo voto a zero e attivare una modalità di sicurezza ridotta fino a quando il sensore non si ricalibra.
Considerando che il guasto di un singolo sensore ha fermato un camion autonomo in piena intersezione, quali protocolli di sicurezza dovrebbero essere implementati a livello hardware e software nei sistemi 3D per garantire la ridondanza sensoriale ed evitare un collasso totale del veicolo in caso di guasto critico?
(PS: i sistemi ADAS sono come i suoceri: sempre a controllare quello che fai)