Ricercatori della North Carolina State University hanno sviluppato una nuova tecnica che potrebbe migliorare significativamente la capacità dei veicoli autonomi di navigare sulle strade. La tecnica, chiamata Multi-View Attentive Contextualization (MvACon), consente ai programmi di intelligenza artificiale di mappare più accuratamente gli spazi tridimensionali utilizzando immagini bidimensionali.
Questa innovazione potrebbe avere un impatto notevole sul futuro dei trasporti autonomi. MvACon si integra con i sistemi di visione artificiale esistenti, permettendo loro di sfruttare meglio i dati provenienti dalle telecamere dei veicoli senza la necessità di hardware aggiuntivo.
Tianfu Wu, professore associato di ingegneria elettrica e informatica alla NC State e autore corrispondente dello studio, spiega: "La maggior parte dei veicoli autonomi utilizza potenti programmi di IA chiamati vision transformers per creare una rappresentazione dello spazio 3D circostante il veicolo a partire da immagini 2D provenienti da più telecamere. Tuttavia, c'è ancora ampio margine di miglioramento."
MvACon si propone come un supplemento "plug-and-play" che può essere utilizzato in combinazione con le IA esistenti basate su vision transformers per migliorarne le prestazioni. I ricercatori hanno testato MvACon con tre dei principali vision transformers attualmente sul mercato, tutti basati su un set di sei telecamere.
Wu aggiunge: "Le prestazioni sono migliorate in particolare per quanto riguarda la localizzazione degli oggetti, nonché la velocità e l'orientamento degli stessi." Questo potrebbe tradursi in una maggiore sicurezza e efficienza per i veicoli autonomi sulle strade.
Implicazioni per il futuro della guida autonoma
La capacità di interpretare con maggiore precisione l'ambiente circostante è fondamentale per lo sviluppo di veicoli autonomi sicuri e affidabili. MvACon rappresenta un passo avanti significativo in questa direzione, offrendo una soluzione che può essere implementata su sistemi esistenti senza la necessità di modifiche hardware sostanziali.
La ricerca è stata presentata alla IEEE/CVF Conference on Computer Vision and Pattern Recognition di quest'anno, attirando l'attenzione della comunità scientifica e dell'industria automotive. Se ulteriormente sviluppata e implementata su larga scala, questa tecnologia potrebbe accelerare l'adozione di veicoli autonomi, contribuendo a rendere le strade più sicure e il trasporto più efficiente.