La ricerca sulla guida autonoma richiede un paradigma dei dati guidato dalla comunità

Abstract degli autori

La guida autonoma ha compiuto progressi notevoli: i recenti sviluppi dell’IA hanno reso possibili applicazioni commerciali che stanno trasformando la mobilità urbana. Eppure, il settore è ancora lontano dalla sua promessa sociale universale: sistemi autonomi in grado di operare in modo affidabile ovunque, in qualsiasi momento e per chiunque. Sosteniamo che questo divario non sia soltanto un problema di modellazione, ma anche un problema legato al paradigma dei dati prevalente. La ricerca attuale si basa in larga misura su pochi dataset di benchmark, con una copertura limitata sul piano geografico e degli scenari, nonostante la comunità abbia prodotto collettivamente oltre 600 dataset per la guida autonoma in quasi 50 paesi. Questa abbondanza, tuttavia, non si è tradotta in un ampio impatto sulla ricerca: la maggior parte dei dataset resta significativamente sottoutilizzata a causa della frammentazione, della scarsa visibilità, dell’incompatibilità dei protocolli e di incentivi legati ai benchmark che concentrano l’attenzione su pochi dataset dominanti. Sosteniamo quindi che la ricerca sulla guida autonoma richieda un paradigma dei dati collaborativo e guidato dalla comunità. Un paradigma di questo tipo migliorerebbe la scoperta, il riutilizzo, l’integrazione e la valutazione di dataset diversi; renderebbe più facile e gratificante studiare dati poco esplorati; e abbasserebbe la soglia d’ingresso per i nuovi contributori. Ne delineiamo i principi fondamentali, ne illustriamo una prima realizzazione e invitiamo alla collaborazione tra università e industria per trasformare dataset frammentati in un’infrastruttura condivisa dalla comunità, a sostegno di un’autonomia possibile ovunque e in qualsiasi momento.