Venerdì 7 giugno si è tenuto, presso la Scuola di Ingegneria dell’Università di Pisa, un workshop intitolato “ICT Innovation on Vehicular Technology and Applications”. La conferenza ha messo in luce numerosi progressi tecnologici.
Aitronik è stata invitata a tenere un intervento dal titolo “New Machine Learning Paradigms for Autonomous Driving Vehicles”
Durante l’evento, Giovanni Marco Cordella, ricercatore in Machine Learning presso Aitronik, ha presentato una panoramica delle attuali tecniche di Machine Learning per veicoli autonomi, illustrandone l’impiego nei casi d’uso sviluppati da Aitronik. La conferenza è stata un evento di grande rilevanza.
Alcuni di questi casi prevedono l’adattamento dei robot a modifiche dello scenario o ad ambienti completamente nuovi. Ad esempio, nel video qui sotto, è rappresentato uno degli scenari discussi alla conferenza.
Nel caso in cui un veicolo robotico debba navigare autonomamente in un’area di cantiere, la mappa dell’ambiente circostante cambia dinamicamente nel tempo.
Giovanni Marco ha evidenziato come, in un ambiente del genere, dove nessuna mappa può essere memorizzata staticamente, il robot non ha alcuna conoscenza a priori dell’ambiente. Questo è stato approfondito durante la conferenza.
Le tecniche di Machine Learning possono aiutare i robot a colmare tali lacune informative. Una tecnica promettente, spesso impiegata da Aitronik, è il Reinforcement Learning, che consente ai robot di imparare attraverso l’esperienza, migliorando le proprie capacità durante il funzionamento normale.
Giovanni Marco ha spiegato come le reti neurali, analoghe al cervello umano, possano essere addestrate offline. I neuroni codificati in un computer agevolano questo processo. Consentire al robot di apprendere in un simulatore consente di ridurre notevolmente i tempi di addestramento e garantisce maggiore sicurezza rispetto all’apprendimento diretto sul veicolo reale. Il video sopra mostra un esempio di scenario simulato.
Dopo alcune ore di elaborazione dei dati, la rete neurale raggiunge un livello di prestazioni sufficiente per essere implementata sul veicolo reale. A questo punto, è possibile eseguire una fase di fine-tuning direttamente sul mezzo.
Un esempio significativo è stato mostrato da Giovanni Marco ed è rappresentato nel video seguente, condiviso durante la conferenza.
Il robot ATR Orbiter è prodotto da ATR Robotics e robotizzato da Aitronik nell’ambito del progetto europeo Comp4Drones.
Non dispone di una mappa predefinita dell’ambiente ed è programmato per individuare e raggiungere una persona specifica evitando ostacoli. I dati acquisiti dai sensori, come lo scanner laser e la videocamera a luce visibile, vengono forniti direttamente alla rete neurale, senza alcuna pre-elaborazione. Come in una “scatola magica”, la rete neurale restituisce i comandi per il sistema di attuazione.
Giovanni Marco ha mostrato come, in assenza di ulteriore addestramento sul veicolo reale, i parametri appresi in simulazione possano risultare non pienamente adeguati.
È stata una giornata estremamente proficua. Oltre ad Aitronik, altre aziende hanno partecipato con interventi di grande interesse sulle tecnologie veicolari emergenti. Tra queste: Calearo Antenne, Pitom, PurePower Control, Magna Mechatronics, Autostrade Tech S.p.A., Intel, Marelli, Rheinmetall, Italcertifer S.p.A. (Gruppo Ferrovie dello Stato Italiane), Intecs, Evidence, ResilTech e IDS. Il successo della conferenza è stato evidente.
