Un modello di intelligenza artificiale coreano valuta ogni possibile percorso di guida per la sicurezza prima che l'auto si muova. CVPR lo ha definito un punto saliente.

      TL;DRIl modello SafeDrive dell'Università Nazionale di Seoul valuta più percorsi di guida per la sicurezza prima di sceglierne uno. Primo articolo coreano sull'automazione della guida end-to-end a ricevere un riconoscimento al CVPR.

      La maggior parte dei modelli di intelligenza artificiale per la guida autonoma studia come guidano gli esseri umani e cerca di copiarli. Funzionano bene in condizioni normali ma faticano a spiegare perché scelgono un percorso piuttosto che un altro, il che diventa un problema quando una decisione presa in un attimo va male. Un team dell'Università Nazionale di Seoul, guidato dal professor Jun Won Choi, ha costruito un modello chiamato SafeDrive che adotta un approccio diverso: genera diverse possibili traiettorie, valuta ciascuna per la sicurezza utilizzando dati dei sensori e sceglie il percorso che ottiene il punteggio migliore. L'auto mostra il suo lavoro.

      La tecnica, chiamata Ragionamento di Sicurezza Fino, è stata selezionata come articolo di rilievo al CVPR 2026, la principale conferenza di visione artificiale e intelligenza artificiale. Circa il 3% delle proposte ottiene questa distinzione. È la prima volta che un articolo coreano sul tema della guida autonoma end-to-end riceve un riconoscimento al CVPR, un segnale che la Corea del Sud sta producendo ricerche competitive in un campo dominato da laboratori statunitensi e cinesi. La Corea del Sud ha impegnato 880 miliardi di dollari in un decennio per l'IA, i chip e la robotica, e SafeDrive è uno dei primi risultati di quell'investimento a ricevere un riconoscimento accademico di alto livello.

      SafeDrive non rimane in laboratorio. È stato integrato in EAD, un modello di riferimento sostenuto dal Ministero del Commercio, dell'Industria e dell'Energia della Corea. Il team di Choi sta collaborando con aziende di guida autonoma nazionali per testarlo in veicoli reali, con piani per spingere verso la commercializzazione utilizzando dati di guida proprietari. I robotaxi di Tesla ad Austin si schiantano quattro volte più spesso rispetto ai conducenti umani, illustrando che i problemi di sicurezza e spiegabilità che SafeDrive affronta non sono teorici. Quando un veicolo autonomo prende una cattiva decisione, i regolatori, le compagnie assicurative e i tribunali devono sapere perché. Un modello che valuta le alternative e seleziona quella più sicura produce una traccia decisionale auditabile che un sistema a scatola nera non può fornire.

      

      

      

       Iscriviti alla newsletter di TNW

       Ricevi le notizie tecnologiche più importanti nella tua casella di posta ogni settimana.