Emulazione neurale di un controllo per il mantenimento di corsia su un modello in scala = Neural emulation of lane-keeping control on a scaled vehicle

Negli ultimi anni lo sviluppo di algoritmi per la guida autonoma è stato uno dei campi più prolifici, e discussi nell'industria automobilistica, ad oggi infatti assistiamo a una continua evoluzione di queste tecnologie spinta da un'accesa competizione tra le case costruttrici. Lo scopo di un veicolo a guida autonoma è quello di limitare e ove possibile azzerare l'intervento umano nella conduzione degli autoveicoli, aumentando così comfort, efficienza e sicurezza. Lo sviluppo di sistemi di guida autonoma rappresenta una sfida complessa, essi richiedono un sistema di visione ed elaborazione in grado di guidare il veicolo verso la destinazione attraverso scenari sconosciuti e complessi, il tutto garantendo alti standard di sicurezza, e prestazioni compatibili con un'esecuzione in tempo reale. Il fulcro di questo lavoro verte in particolare su quest'ultimo punto, infatti l'implementazione di controllori complessi con un approccio convenzionale porta inevitabilmente a un maggior costo computazionale, aumentando di conseguenza la richiesta economica per il prodotto finito. Questo lavoro ha quindi lo scopo di valutare la possibilità di emulare un controllore per il mantenimento di corsia tramite una rete neurale, la quale grazie ad un costo computazionale costante, ed indipendente dalle performance di guida ottenute, può rappresentare un'opzione economicamente vantaggiosa e facilmente aggiornabile.