- Gennaio 16, 2024
L’aumento esponenziale dell’uso di sensori nei veicoli, insieme alla ricchezza di dati che essi generano, presenta un’opportunità entusiasmante per l’industria automobilistica di analizzare questi dati e migliorare gradualmente il livello di autonomia di guida attraverso i sistemi avanzati di assistenza alla guida. Punch Powertrain sta lavorando a nuove tecnologie che sfruttano l’intelligenza artificiale, i big data e l’apprendimento automatico per migliorare le caratteristiche dei prodotti e ridurne i tempi di sviluppo. L’obiettivo di Punch Powertrain è quello di integrare gradualmente l’IA in tutti i reparti, rendendola parte del DNA aziendale.
Poiché il futuro dell’automobile è rappresentato dai veicoli elettrici, l’integrazione dell’intelligenza artificiale offre due vantaggi principali. In primo luogo, aumenta il livello di autonomia di guida dei veicoli elettrici e, in secondo luogo, riduce il time-to-market. A ciò si aggiungono vantaggi secondari, come l’impatto sull’efficacia dei costi e l’ottimizzazione della progettazione dei prodotti.
Elevata autonomia di guida
Aumentare il livello di autonomia di guida dei veicoli elettrici significa innanzitutto migliorare la guidabilità, distogliendo una parte significativa di pensieri dal conducente. Analizzando i dati storici, il software decide quale modalità di guida, da quella più economica a quella orientata alle prestazioni, è necessaria in ogni momento e fa sì che l’e-drive si comporti in modo equilibrato e fluido.
Tempi di commercializzazione più brevi a costi vantaggiosi
Inoltre, i dati svolgono un ruolo cruciale nell’accelerare il time-to-market, facilitando la progettazione di modelli altamente accurati e affidabili. I campioni virtuali, che fungono da gemelli digitali, vengono creati per eliminare la necessità di campioni fisici A (e B). Questi modelli digitali sono accessibili a tutti gli ingegneri durante il processo di sviluppo. Quando questi modelli entrano in produzione, i dati della linea di assemblaggio vengono inseriti in un database per consentire all’apprendimento automatico/IA di migliorare il processo di assemblaggio, con l’obiettivo finale di eliminare la necessità di un controllo fisico a fine linea.
In particolare, Punch Powertrain ha dimostrato la differenza che l’apprendimento automatico e l’IA possono fare nello sviluppo e nel miglioramento di caratteristiche specifiche del prodotto attraverso 2 progetti: ConACon (Context Aware Control) e HAIEM (Hybrid AI Environment Model).
Gli strumenti di intelligenza artificiale attingono ai numerosi dati raccolti dai progetti passati, migliorando l'affidabilità di questi modelli per un ambiente di prototipazione completamente virtuale. Questo approccio riduce al minimo i tempi e i costi associati alla prototipazione fisica negli sviluppi futuri.
Progetto: ConACon (Controllo consapevole del contesto)
Un software di strategia di guida predittiva che regola automaticamente le impostazioni di guidabilità, utilizza il Machine Learning per prendere decisioni e adatta la guida istantaneamente, in base al contesto in evoluzione. Questo offre un grande vantaggio rispetto alla programmazione condizionale che riconosce solo i comandi if/then/else. Il sistema utilizza 3 fonti di ingresso assegnate a blocchi ConACon dedicati che interpretano e generano le impostazioni di guidabilità preferite. 2 di questi sono i cosiddetti input veloci che richiedono un’azione immediata.
Il blocco 1 si occupa degli input del conducente (acceleratore, frenata, sterzo) ed è sviluppato dal nostro team Driveability and Driving Strategy. Utilizza dati generati da simulazioni piuttosto che raccogliere dati reali durante la guida, che sono costosi e richiedono tempo.
Il secondo blocco è dedicato al riconoscimento della strada e dello stile di guida. Un modello di classificazione a foresta casuale completamente sviluppato presso Punch Powertrain utilizza i dati raccolti durante i test drive con diversi conducenti per creare un conducente “generico”. L’importazione di dati concreti consentirebbe al software di adattare la guidabilità a un conducente unico e specifico.
Il terzo blocco fungerebbe da interprete di regole per includere anche altri vincoli come la sicurezza, i limiti di velocità e i comandi di navigazione, ma è ancora in fase di sviluppo, in attesa di ulteriori dati.
Progetto: HAIEM (Hybrid AI per la stima in Meccatronica)
Si tratta, in sostanza, di una combinazione di un modello indotto dalla fisica di primo principio, aumentato da una rete neurale black box guidata dai dati per migliorare l’accuratezza del modello con uno sforzo di modellazione limitato. Lo strumento di modellazione sviluppato in HAIEM viene applicato alle due frizioni del nostro DCT ibrido per migliorare le prestazioni del cambio rispetto all’architettura di controllo classica che utilizza tabelle di lookup per compensare il complesso comportamento dinamico non lineare. Test estesi e approfonditi hanno dimostrato che le previsioni dell’intelligenza artificiale corrispondono molto bene ai risultati del comportamento della frizione fisica. Questo modello ibrido elimina la necessità di eseguire la maggior parte di questi test, risparmiando tempo e risorse, e può essere utilizzato anche per la modellazione accurata dell’impianto per le future sfide di controllo degli e-drive.
Qual è il prossimo passo?
Punch Powertrain sta attualmente sfruttando la potenza dei big data per costruire una libreria di gemelli digitali di diversi sistemi e sottosistemi. Gli strumenti di intelligenza artificiale attingono ai numerosi dati raccolti dai progetti passati, migliorando l’affidabilità di questi modelli per un ambiente di prototipazione completamente virtuale. Questo approccio riduce al minimo i tempi e i costi associati alla prototipazione fisica negli sviluppi futuri. Pur mantenendo la sua attività principale, Punch Powertrain sta esplorando le possibilità dell’intelligenza artificiale e dell’apprendimento automatico. L’azienda sta anche esplorando potenziali strade per l’IA generativa nello sviluppo di software dedicati.
