Rivian annuncia la guida autonoma supervisionata punto-punto per il 2024

RJ Scaringe, CEO di Rivian, ha recentemente annunciato l'introduzione di una nuova capacità di guida autonoma supervisionata punto-punto. Questa funzionalità sarà disponibile entro la fine dell'anno su tutti i veicoli Rivian di seconda generazione e sul modello R2. L'annuncio, avvenuto durante l'evento Masters of Scale ad Anaheim, segna un passo significativo per il produttore di veicoli elettrici nel competitivo panorama dell'automotive.

Scaringe ha esplicitamente paragonato questa nuova capacità al sistema Full Self-Driving (FSD) di Tesla, posizionando l'offerta di Rivian come un concorrente diretto in termini di funzionalità. Questa mossa sottolinea l'ambizione dell'azienda di non limitarsi alla produzione di veicoli elettrici, ma di estendere la propria leadership anche nel campo delle tecnicie di assistenza alla guida avanzate.

Dettagli tecnici e la roadmap dell'autonomia

La funzionalità "supervised point-to-point self-driving" implica che il veicolo sarà in grado di navigare autonomamente da un punto A a un punto B, gestendo sterzo, accelerazione e frenata, ma sempre sotto la supervisione attiva del conducente. Quest'ultimo dovrà rimanere attento e pronto a intervenire in qualsiasi momento, una distinzione cruciale rispetto ai sistemi di autonomia completa.

Il CEO ha inoltre delineato una roadmap di autonomia in tre fasi, suggerendo un approccio incrementale allo sviluppo e al rilascio di capacità sempre più avanzate. Per implementare tali sistemi, i veicoli richiedono un'architettura hardware e software sofisticata, capace di eseguire complesse operazioni di inference in tempo reale. Questo include sensori avanzati, unità di elaborazione dedicate (spesso basate su silicio personalizzato o GPU) e algoritmi di machine learning per la percezione dell'ambiente, la predizione del comportamento degli altri utenti della strada e la pianificazione del percorso.

Implicazioni per l'AI on-premise e l'edge computing

L'implementazione di sistemi di guida autonoma come quello di Rivian rappresenta un esempio paradigmatico di AI all'edge. Ogni veicolo funge da data center mobile, richiedendo capacità di elaborazione on-premise per garantire bassa latency e alta throughput. Le decisioni critiche devono essere prese in millisecondi, senza dipendere da connessioni cloud potenzialmente instabili o lente. Questo implica la necessità di hardware robusto e ottimizzato per l'inference direttamente a bordo del veicolo.

Per le aziende che sviluppano queste tecnicie, la scelta tra un deployment on-premise (a bordo veicolo) e un approccio ibrido (con alcune funzioni in cloud) è fondamentale. La sovranità dei dati e la compliance normativa, specialmente in settori critici come l'automotive, sono considerazioni primarie. La raccolta e l'elaborazione dei dati dei sensori, ad esempio, devono spesso rispettare rigorosi standard di privacy e sicurezza, rendendo il controllo diretto sull'infrastruttura un vantaggio significativo.

Prospettive future e considerazioni sui trade-off

L'annuncio di Rivian intensifica la competizione nel settore della guida autonoma, spingendo l'innovazione e la ricerca di soluzioni sempre più efficienti. La sfida per i produttori non è solo sviluppare algoritmi avanzati, ma anche integrare hardware e software in modo da ottimizzare il Total Cost of Ownership (TCO) e garantire affidabilità e sicurezza. I trade-off tra performance, consumo energetico e costi di produzione sono costanti in questo ambito.

Per chi valuta deployment on-premise per carichi di lavoro AI/LLM, l'esperienza del settore automotive offre spunti preziosi. La necessità di elaborazione ad alte prestazioni in ambienti con risorse limitate e vincoli di potenza è una costante. AI-RADAR, ad esempio, offre framework analitici su /llm-onpremise per valutare questi trade-off, fornendo strumenti per confrontare le diverse architetture e strategie di deployment. Il futuro della mobilità è intrinsecamente legato all'evoluzione dell'AI all'edge e alla capacità di gestire autonomamente carichi di lavoro complessi.