Affidabilità dell’intelligenza artificiale per l’automotive: premiata la ricerca del Politecnico
Un importante riconoscimento internazionale premia la ricerca del Politecnico nel campo della mobilità intelligente. L’articolo “Estimating the Impact of Soft Errors on AI-based Perception in Automotive”, firmato da Shailesh Sudhakara Hegde (Dipartimento di Ingegneria Meccanica e Aerospaziale-DIMEAS), Dinesh Cyril Selvaraj (già al Dipartimento di Elettronica e Telecomunicazioni-DET), Josie E. Rodriguez Condia (Dipartimento di Automatica e Informatica-DAUIN), Nicola Amati (DIMEAS), Carla Fabiana Chiasserini (DET) Francesco Paolo Deflorio (Dipartimento di Ingegneria dell’Ambiente, del Territorio e delle Infrastrutture-DIATI) e Matteo Sonza Reorda (DAUIN), ha ricevuto il Best Paper Award alla conferenza IEEE LATS 2025 (Latin American Test Symposium), tra i principali appuntamenti internazionali dedicati all’affidabilità dei sistemi elettronici. Il lavoro nasce all’interno del Centro interdipartimentale CARS (Center for Automotive Research and Sustainable Mobility) e integra competenze provenienti da ambiti diversi, a conferma del forte carattere interdisciplinare della ricerca.
Le tecnologie di intelligenza artificiale sono oggi centrali nei sistemi di guida assistita e autonoma: permettono ai veicoli di interpretare l’ambiente, riconoscere corsie e ostacoli, e prendere decisioni in tempo reale. Tuttavia, questa crescente complessità espone i sistemi a nuove criticità. Tra queste, un ruolo importante è giocato dai cosiddetti soft errors, errori temporanei dell’hardware che possono alterare il funzionamento degli algoritmi e, in alcuni casi, influenzare il comportamento del veicolo. Comprendere e valutare questi fenomeni è fondamentale per garantire il rispetto degli stringenti standard di sicurezza del settore automotive.
Per rispondere a questa sfida, il team del Politecnico ha sviluppato TIARA (Two-step IntegrAted Reliability Assessment), una metodologia che consente di stimare in modo efficiente l’affidabilità dei sistemi basati su IA già nelle prime fasi di progettazione. L’approccio combina un’analisi preliminare, che individua le parti più vulnerabili degli algoritmi, con una valutazione dinamica che misura gli effetti degli errori sul comportamento del veicolo in scenari realistici, riducendo al tempo stesso la complessità computazionale.
La metodologia è stata validata su un sistema di assistenza al mantenimento della corsia (Lane Centering Assistance), basato su modelli di visione artificiale. Attraverso milioni di simulazioni, i ricercatori hanno evidenziato come anche errori rari possano avere effetti rilevanti, soprattutto in condizioni di guida complesse, influenzando parametri come la traiettoria del veicolo o i comandi di sterzo.
Il riconoscimento IEEE premia il valore di un lavoro che integra competenze di intelligenza artificiale, elettronica e ingegneria dei sistemi, contribuendo allo sviluppo di veicoli sempre più sicuri e affidabili. Un risultato che rafforza il ruolo del Centro CARS e del Politecnico come protagonisti nella ricerca sulla mobilità del futuro.