Prima di procedere
Ogni sei mesi circa, Xinzhou Wu, responsabile della divisione automotive di Nvidia, invita il CEO dell'azienda, Jensen Huang, a fare un giro su un'auto a guida autonoma. L'invito è valido solo se Wu è pienamente convinto delle capacità del sistema. L'ultima di queste uscite si è svolta a bordo di una Mercedes CLA, percorrendo il tragitto da Woodside al centro di San Francisco. A guidare l'auto era il sistema di assistenza alla guida MB.Drive Assist Pro, sviluppato in collaborazione con Nvidia e considerato simile al Tesla Full Self-Driving.
Un video di 22 minuti ha documentato il percorso, mostrando l'auto superare zone di costruzione, strade con auto parcheggiate in doppia fila e strettoie delimitate da coni arancioni. Nvidia ha assicurato che non ci sono stati incidenti o disconnessioni del sistema durante il viaggio.
Il produttore di schede video e acceleratori di intelligenza artificiale sta puntando a rafforzare la sua presenza nel settore delle tecnologie di guida autonoma. Già offre prodotti specifici a partner come Mercedes, Jaguar Land Rover e Lucid. All'inizio di quest'anno, durante il CES, Huang ha presentato Alpamayo, un kit composto da modelli di intelligenza artificiale, simulazioni e set di dati per la creazione di sistemi di guida autonoma di quarto livello. Questo livello permette al conducente di non intervenire nella guida in determinate condizioni.
Nvidia adotta un approccio unico nel campo della guida autonoma, combinando modelli di intelligenza artificiale end-to-end, che prendono decisioni immediate sulla guida dopo aver ricevuto segnali esterni, e schemi tradizionali, che consentono di verificare i sistemi di guida autonoma. I primi, per stile di guida, ricordano un guidatore umano, ma non permettono di controllare i meccanismi decisionali; i secondi, invece, consentono di monitorare questi meccanismi, ma si distinguono per uno stile di guida evidentemente robotizzato. Nvidia sta cercando di combinare i vantaggi di entrambi gli approcci nei suoi sistemi, come fanno anche altri sviluppatori, tra cui Waymo. Tesla, al contrario, si affida esclusivamente a reti neurali end-to-end.
Secondo Wu, i modelli end-to-end reagiscono meglio ai dossi o ai cambi di corsia, evitando la sensazione di avere un robot al volante. "Ecco perché questo è il momento di ChatGPT", ha aggiunto, suggerendo che le tecnologie di guida autonoma sono ora pronte a una svolta. Nel dicembre dello scorso anno, Nvidia ha testato due sistemi di guida autonoma, e occasionalmente uno o l'altro prendeva il controllo dal conducente. A differenza di Tesla, gli ingegneri di Nvidia non intendono limitare i sistemi di guida autonoma alle sole telecamere, consentendo la presenza di un numero elevato, se non eccessivo, di sensori, in nome della sicurezza, anche se ciò comporta costi aggiuntivi. Il sistema Nvidia Drive Hyperion permette di utilizzare diverse configurazioni: al livello base possono essere presenti solo telecamere e radar, ma sui modelli con un prezzo tra 40.000 e 50.000 dollari è possibile installare il kit completo, ha sottolineato l'azienda.
Nell'addestramento dell'intelligenza artificiale, Tesla utilizza dati provenienti da viaggi reali. Nvidia, invece, ricrea scene virtuali basate su registrazioni reali, in cui simula variazioni delle condizioni e studia il comportamento della guida autonoma in diversi scenari. Questo permette di valutare le sue azioni anche in circostanze estreme, che possono verificarsi solo in singoli incidenti. Per creare questi modelli, l'azienda si è assicurata il supporto di partner da cui acquista registrazioni di dashcam. L'obiettivo finale del progetto è costruire un sistema che utilizzi il ragionamento logico ed eviti di finire in condizioni estreme. In questo modello si combinano percezione visiva, comprensione del linguaggio ed esecuzione diretta di azioni fisiche, il tutto all'interno di un'unica architettura. In Nvidia, questo viene paragonato all'apprendimento della guida da parte di una persona.
