L'IA prevede la prossima mossa dei pedoni

Sulle strade cittadine, la decisione più sicura presa in una frazione di secondo è spesso quella che non si deve mai prendere. Questa settimana, i ricercatori della Texas A&M e i collaboratori in Corea hanno presentato OmniPredict, un sistema di IA che fa molto più che individuare una persona sulla strada: cerca di inferire cosa farà quella persona subito dopo. Descritto in un articolo sottoposto a revisione paritaria su Computers & Electrical Engineering, OmniPredict combina immagini della scena, viste ravvicinate, bounding box, telemetria del veicolo e semplici segnali comportamentali per prevedere l'azione probabile di un pedone in tempo reale.

Un modello che anticipa, non solo rileva

Gli stack tradizionali dei veicoli autonomi separano la percezione dalla pianificazione: telecamere e lidar rilevano gli oggetti, poi i moduli a valle decidono come frenare o sterzare. OmniPredict sostituisce quella pipeline rigida con un'architettura di modello linguistico di grandi dimensioni multimodale (MLLM) che fonde input visivi e contestuali e produce una previsione probabilistica sul comportamento umano: se qualcuno attraverserà, si fermerà in un'area occultata, volgerà lo sguardo verso il veicolo o compirà un'altra azione. Nei test di laboratorio, il team riporta un'accuratezza di previsione di circa il 67% sui benchmark stabiliti per il comportamento dei pedoni, un guadagno prestazionale di circa dieci punti percentuali rispetto ai recenti metodi allo stato dell'arte.

I ricercatori inquadrano il progresso come un passaggio dall'automazione reattiva verso l'autonomia anticipatoria. "Le città sono imprevedibili. I pedoni possono essere imprevedibili", ha osservato il responsabile del progetto, sottolineando che un'auto che anticipa un probabile passo sulla strada può pianificare prima e in modo più fluido, riducendo potenzialmente i quasi-incidenti. Il risultato non è un oracolo in grado di leggere il pensiero umano, ma un motore statistico che converte i segnali visivi — posa, direzione della testa, occlusione, velocità del veicolo — in una previsione di movimento a breve termine.

Come OmniPredict legge la scena

Al cuore tecnico, OmniPredict utilizza un MLLM — il tipo di architettura sempre più utilizzata per compiti di chat e immagini — adattato per interpretare i fotogrammi video e i segnali contestuali strutturati. Gli input includono un'immagine della scena a grandangolo, ritagli ingranditi dei singoli pedoni, coordinate dei bounding box e semplici dati sensoriali come la velocità del veicolo. Il modello elabora questi flussi multimodali insieme e li mappa su quattro categorie di comportamento che il team ha ritenuto utili per i contesti di guida: attraversamento, occlusione, azioni e sguardo.

Due proprietà sono fondamentali. In primo luogo, l'attenzione cross-modale dell'MLLM consente al modello di collegare l'orientamento di un corpo distante a un gesto locale — ad esempio, qualcuno che ruota il busto mentre guarda in basso verso un telefono — senza regole codificate manualmente su misura. In secondo luogo, il sistema sembra generalizzare: i ricercatori hanno eseguito OmniPredict su due dataset pubblici complessi per il comportamento dei pedoni (JAAD e WiDEVIEW) senza un addestramento specifico per il dataset e hanno comunque riscontrato risultati superiori allo stato dell'arte. Questa generalizzazione è l'affermazione principale, ed è per questo che il gruppo descrive OmniPredict come uno strato di "ragionamento" situato sopra la percezione grezza.

Benchmark, limiti e il divario con la realtà

I benchmark raccontano una parte della storia. L'accuratezza riportata del 67% e un miglioramento del 10% rispetto alle linee di base recenti sono significativi nei confronti accademici, ma non si traducono automaticamente in sicurezza su strada. I benchmark contengono molti schemi ripetuti e una distribuzione di scenari più ristretta rispetto alla guida in città reale; eventi rari, comportamenti avversari e condizioni meteorologiche insolite spesso travolgono le assunzioni del modello quando i sistemi lasciano il laboratorio.

I critici sono pronti a sottolineare che il linguaggio sulla "lettura della mente umana" rischia di sopravvalutare il risultato. Le previsioni del modello derivano da associazioni statistiche apprese da dati passati: contesti visivi simili nel set di addestramento hanno portato a risultati simili. Questo è potente, ma non equivale all'accesso all'intenzionalità umana o agli stati mentali interni. In pratica, i pedoni sono influenzati dalla cultura locale, dal design stradale e dalla segnaletica sociale; un'IA che non tiene conto di questi livelli può fornire previsioni sicure ma errate.

Sicurezza, privacy e feedback comportamentale

Se un veicolo pianifica in base a ciò che si aspetta che tu faccia, il comportamento umano potrebbe cambiare in risposta — un punto a volte chiamato ciclo di feedback comportamentale. Le persone che sanno che le auto le anticiperanno potrebbero correre più rischi o, al contrario, diventare più guardinghe; entrambe le dinamiche possono alterare le relazioni statistiche da cui dipende il modello. Ciò rende essenziale una validazione continua sul campo.

L'affidamento del sistema a segnali visivi e contestuali solleva anche questioni di privacy ed equità. I modelli addestrati su riprese urbane spesso ereditano i pregiudizi e i punti ciechi dei loro dataset: chi è stato registrato, in quali condizioni e con quali telecamere. Le debolezze nel rilevamento per determinate tonalità della pelle, tipi di abbigliamento o forme del corpo potrebbero tradursi in una diversa qualità di previsione tra le popolazioni. I team di ingegneria devono quindi dare priorità alla diversità dei dataset, alla trasparenza sulle modalità di fallimento del modello e alle procedure per verificare e mitigare i comportamenti distorti.

Dagli LLM multimodali alle architetture ispirate al cervello

Il parallelo è concettuale piuttosto che letterale. L'IA attuale non replica la coscienza umana o i meccanismi della reale intenzione. Tuttavia, trarre ispirazione dall'organizzazione neurale — come le reti instradano le informazioni e formano moduli specializzati — può aiutare gli ingegneri a progettare sistemi che bilancino meglio velocità, robustezza e adattabilità sulle caotiche strade cittadine.

Cosa deve succedere prima della distribuzione

OmniPredict è un prototipo di ricerca, non uno stack di autonomia finito. Prima della distribuzione nei veicoli, necessita di prove sul campo a lungo termine, di una rigorosa validazione della sicurezza in casi limite e di test di integrazione che mostrino come le previsioni comportamentali dovrebbero influenzare la pianificazione del movimento. Anche i regolatori e i produttori dovranno decidere gli standard per i tassi accettabili di falsi positivi e falsi negativi quando un sistema prevede le azioni umane — compromessi che comportano chiare implicazioni per la sicurezza.

Infine, il progetto sottolinea una verità ricorrente dell'IA applicata: l'accuratezza su test curati è necessaria ma non sufficiente. I sistemi del mondo reale devono essere verificabili, equi e robusti ai cambiamenti di distribuzione; devono degradare gradualmente in caso di incertezza. La prospettiva di macchine che "anticipano" il movimento umano è attraente per la sicurezza e la fluidità del trasporto urbano, ma porta con sé questioni tecniche, etiche e legali che dovrebbero essere risolte prima che le auto prendano decisioni irreversibili basate su tali previsioni.

Il lavoro della Texas A&M e dei partner indica un prossimo futuro in cui la percezione, il contesto e il ragionamento comportamentale saranno componenti inseparabili dei sistemi autonomi. Quel futuro sarà più sicuro solo se combinerà il nuovo strato predittivo con una progettazione della sicurezza conservativa, test accurati e regole chiare per la trasparenza e la responsabilità.

Fonti

• Computers & Electrical Engineering (articolo di ricerca su OmniPredict)
• Texas A&M University College of Engineering
• Korea Advanced Institute of Science and Technology (KAIST)
• Nature Machine Intelligence (ricerca sulle reti neuromorfiche)
• McGill University / The Neuro (Montreal Neurological Institute-Hospital)