IA generativa per CCAM più intelligenti: potenziamento della percezione, del processo decisionale e della validazione (CCAM Partnership)

Risultato atteso:

Si prevede che i risultati del progetto contribuiscano a tutti i seguenti risultati attesi:

• Disponibilità e integrazione di sistemi di percezione avanzati, affidabili ed efficienti dal punto di vista energetico, che sfruttano i progressi tecnologici dell'IA Generativa (GenAI) per migliorare la consapevolezza situazionale e supportare processi decisionali sicuri;
• Miglioramento della sicurezza degli utenti vulnerabili della strada (VRU), basato su una percezione elevata e più resistente alle manomissioni e sulla previsione del loro comportamento e delle loro intenzioni;
• Maggiore robustezza dei sistemi CCAM - sia a bordo che lato infrastruttura - in situazioni critiche grazie al loro addestramento, test virtuali e validazione in scenari generati dalla GenAI, completando i database di scenari esistenti per il test e la validazione dei sistemi CCAM;
• Maggiore comprensione della rilevanza e dei limiti dell'uso della GenAI per il CCAM;
• Strumenti e approcci armonizzati per l'uso della GenAI nello sviluppo, addestramento e validazione della tecnologia della mobilità, nonché per applicazioni sistemiche come la gestione del traffico e il controllo remoto, integrandoli negli approcci esistenti.

Ambito:

I piloti e le dimostrazioni che utilizzano servizi veicolari di Livello 3 e 4 affrontano sfide significative nella percezione e nel processo decisionale, evidenziando la necessità di soluzioni a bassa latenza che migliorino la reattività e la consapevolezza situazionale in condizioni operative in tempo reale. Ciò è particolarmente rilevante per la guida in ambienti più complessi come le aree urbane, dove la varianza ambientale è maggiore e dove possono verificarsi regolarmente nuovi scenari. Inoltre, vi è la necessità di limitare la latenza, la larghezza di banda e l'uso di energia per i calcoli a bordo, nonché la necessità di migliorare la sicurezza, la privacy e l'affidabilità (ad esempio, la comprensione della scena e la previsione dello sviluppo di scenari nel prossimo futuro). Per un processo decisionale rapido nelle interazioni con i VRU, ciò è essenziale per implementare soluzioni abilitate al CCAM e garantire la scalabilità.

Allo stesso tempo, gli sviluppi di tecnologie agnostiche rispetto al settore mostrano progressi - come la GenAI - che possono essere vantaggiosi per il CCAM. Dai primi passi esplorativi si può attendere un progetto finanziato nell'ambito di HORIZON-CL5-2023-D6-01-02^[1] riguardante il potenziale nella generazione virtuale di casi limite (edge cases), che potrebbero essere utilizzati per lo sviluppo, l'addestramento, il test virtuale e la validazione dei sistemi CCAM.

Ulteriori progressi nelle applicazioni GenAI specificamente per il dominio CCAM devono essere sviluppati, addestrati e validati^[2]. Pertanto, le azioni proposte dovranno includere approcci per sfruttare ulteriori progressi tecnologici per il CCAM. Sono necessari passi importanti per passare a sistemi di percezione e processo decisionale in tempo reale altamente avanzati, ultra-sicuri, affidabili ed efficienti dal punto di vista energetico per i veicoli automatizzati, concentrandosi specificamente su soluzioni scalabili e sullo sfruttamento della GenAI. Questi progressi dovrebbero sfruttare sistemi a bassa latenza o risorse di calcolo distribuito per facilitare l'elaborazione in tempo reale, migliorando così la reattività e la sicurezza del sistema. Questo tema contribuirà quindi all'AI Continent Action Plan^[3] promuovendo lo sviluppo e l'adozione dell'IA nel settore automobilistico.

Le azioni proposte dovrebbero affrontare tutti i seguenti aspetti:

• Sviluppo di strumenti e approcci per una percezione dell'ambiente e un processo decisionale robusti (all'edge, a bordo, all'infrastruttura o nel back-office). Questi approcci dovrebbero mirare ad accelerare e far avanzare il ragionamento decisionale, aumentando il livello di efficienza, sicurezza (cyber) e affidabilità delle applicazioni, con la pianificazione del percorso come caso d'uso iniziale. Ciò serve a supportare, tra le altre cose, la percezione dei VRU, la previsione del loro comportamento e delle loro intenzioni, e include approcci di condivisione dei dati per le soluzioni CCAM per creare una finestra temporale più ampia per le azioni in scenari di quasi incidente. L'uso...