Auto autonome a Imola: perché gli incidenti possono migliorare l’AI

Per capire quanto sia davvero affidabile un’intelligenza artificiale non basta osservarla quando tutto funziona. Bisogna portarla vicino al limite, togliere certezze ai suoi sensori e costringerla a reagire quando un altro veicolo compie una manovra inattesa. È ciò che è successo il 5 settembre 2026 all’Autodromo Internazionale Enzo e Dino Ferrari di Imola, durante la prima gara europea della Abu Dhabi Autonomous Racing League, nota come A2RL.

La competizione ha riunito cinque monoposto completamente autonome sullo stesso circuito. Soltanto due hanno completato la distanza prevista: Kinetiz ha vinto davanti a Constructor Racing, mentre PoliMOVE e Unimore sono state coinvolte in un incidente e TUM si è ritirata per un problema ai freni. Più che un fallimento dell’AI, la corsa si è trasformata in un esperimento pubblico su ciò che accade quando software, sensori, meccanica e leggi della fisica smettono di collaborare.

Secondo il resoconto ufficiale di A2RL, PoliMOVE ha raggiunto una velocità massima di 252,3 chilometri orari durante la gara. L’incidente è avvenuto alla Rivazza, la sequenza di curve che chiude il giro di Imola, caratterizzata da variazioni di pendenza e visibilità limitata.

La vettura di Unimore, chiamata Gianna, ha effettuato un arresto di sicurezza dopo aver perso i dati provenienti da lidar e radar. Come ricostruito da Wired, il solo segnale satellitare non garantiva una localizzazione sufficientemente precisa per continuare a correre. L’auto ha quindi frenato con una decelerazione vicina a 1 g.

La monoposto Eva di PoliMOVE, distante circa 1,5 secondi, avrebbe rilevato l’ostacolo e avviato una manovra evasiva. Ma riconoscere un pericolo non equivale automaticamente a poterlo evitare: i dati devono essere acquisiti, elaborati e trasformati in una nuova traiettoria; gli attuatori devono poi azionare sterzo e freni, mentre pneumatici e aerodinamica devono mantenere il veicolo entro i limiti di aderenza. In quella posizione e a quella velocità, lo spazio residuo non era sufficiente.

Le monoposto A2RL condividono una base hardware derivata dalla Dallara Super Formula SF23. Questo rende la gara particolarmente interessante: con vetture sostanzialmente equivalenti, le differenze di prestazione dipendono soprattutto dal software sviluppato dalle squadre.

Il processo decisionale può essere semplificato in quattro passaggi. La percezione raccoglie le informazioni di telecamere, radar e lidar; la localizzazione stabilisce dove si trova l’auto; la pianificazione sceglie velocità e traiettoria; il controllo traduce infine il piano in comandi per sterzo, acceleratore e freni. Un errore o un ritardo in uno solo di questi livelli può propagarsi lungo l’intera catena.

Uno studio pubblicato nel 2026 dal team TUM Autonomous Motorsport descrive algoritmi che pianificano traiettorie su un orizzonte di quattro secondi, scartando quelle incompatibili con i confini della pista, il raggio di sterzata, i limiti di accelerazione e il rischio di collisione. Lo stesso lavoro sottolinea la necessità di fondere più sorgenti di dati quando la copertura satellitare è incompleta o disturbata dalle vibrazioni della vettura.

A velocità elevate anche pochi millisecondi diventano metri. Una precedente ricerca sulla fusione multimodale dei sensori mostra, per esempio, che una latenza lidar di 211 millisecondi, a 233 chilometri orari, corrisponde a quasi 14 metri percorsi tra la misurazione e il suo utilizzo. Per questo i sistemi devono compensare non soltanto l’errore dei sensori, ma anche l’età dell’informazione ricevuta.

La pista permette di generare casi limite senza mettere una persona nell’abitacolo e senza sperimentare direttamente nel traffico pubblico. A Imola sono emersi, nello stesso evento, perdita dei sensori, localizzazione insufficiente, frenata improvvisa, visibilità ridotta e guasto meccanico. Sono condizioni difficili da riprodurre insieme in un laboratorio tradizionale.

A2RL ha riferito che le squadre avevano avuto soltanto nove giorni di prove fisiche sul circuito, affrontando anche pioggia e grandine. La preparazione era stata integrata da oltre 5.000 ore collettive di simulazione nel 2025. La distanza tra un pilota professionista e l’AI nella sfida organizzata dalla lega, inoltre, sarebbe scesa dai dieci secondi del 2024 a 1,58 secondi nel 2025, secondo la presentazione ufficiale dell’evento di Imola.

L’utilità scientifica non dipende però dal numero di auto arrivate al traguardo. Dipende dalla qualità dei dati ottenuti e dalla possibilità di trasformare gli incidenti in test ripetibili. Il dataset A2RL Vmax, realizzato con dati della stagione 2024, contiene quasi 30.000 nuvole di punti lidar annotate professionalmente. Risorse di questo tipo possono aiutare i ricercatori a migliorare il riconoscimento e il tracciamento di oggetti in scenari ad alta velocità.

Una monoposto che corre su un tracciato chiuso affronta un ambiente molto diverso da quello urbano. In pista non ci sono pedoni, biciclette, semafori, cantieri, ambulanze o automobilisti distratti. Le traiettorie possibili sono limitate e tutti i partecipanti seguono regole condivise. Per questo una vittoria sportiva non dimostra che lo stesso software sia pronto per guidare un robotaxi.

La ricerca può comunque produrre componenti trasferibili: fusione dei sensori, compensazione della latenza, controllo del veicolo vicino al limite di aderenza, diagnostica predittiva e procedure di emergenza quando una parte del sistema smette di funzionare. Sono capacità rilevanti in un settore che punta soprattutto alla sicurezza. L’Organizzazione mondiale della sanità stima infatti 1,19 milioni di morti all’anno per incidenti stradali a livello globale.

Nell’Unione europea, i dati preliminari della Commissione europea indicano circa 19.400 vittime nel 2025, il 3% in meno rispetto al 2024. Il miglioramento non elimina la necessità di tecnologie più sicure, ma ricorda anche che l’automazione deve essere valutata con metriche trasparenti, confrontando incidenti, chilometri percorsi e condizioni operative.

Proprio la trasparenza resta uno dei limiti del modello agonistico. Wired osserva che le squadre non sono obbligate a condividere tutti i dati raccolti dalle vetture EAV-25. Senza telemetria, registri degli errori e procedure indipendenti di analisi, una collisione rischia di rimanere uno spettacolo invece di diventare conoscenza verificabile. Negli Stati Uniti, la NHTSA richiede già a produttori e operatori identificati di segnalare determinati incidenti che coinvolgono sistemi di guida automatizzata o assistenza di Livello 2, pur avvertendo che i dati disponibili presentano duplicazioni e limiti metodologici.

La gara di Imola non ha dimostrato che le auto autonome siano pronte a sostituire i piloti, né che gli incidenti siano un risultato desiderabile. Ha mostrato qualcosa di più concreto: un sistema capace di guidare a oltre 250 chilometri orari può ancora essere vulnerabile alla perdita simultanea dei sensori, a una frenata inattesa o a un componente meccanico bloccato.

Il vero progresso arriverà quando queste vulnerabilità diventeranno requisiti di progetto: sensori ridondanti, modalità degradate, distanze di sicurezza dinamiche, comunicazioni tra veicoli e strategie che privilegino una fermata controllata. La pista può accelerare questo processo perché rende gli errori osservabili e ripetibili senza mettere un essere umano nell’abitacolo. Ma affinché gli schianti servano davvero, i dati dovranno uscire dai box ed essere trasformati in standard, verifiche indipendenti e sistemi più robusti sulle strade di tutti i giorni.