La trasformazione della guida assistita ha imboccato una curva decisa e a spingere sull’acceleratore è una combinazione precisa: algoritmi che apprendono dal mondo reale, hardware di calcolo dedicato e un’industrializzazione del software degna delle piattaforme più mature. Nel mezzo di questo cambio di passo si trova Wayve, realtà nata a Londra che ha fatto dell’intelligenza artificiale end-to-end il proprio tratto distintivo, e che oggi collabora con marchi globali per portare su strada sistemi più capaci e adattivi.
Il tassello più visibile di questa traiettoria è la nuova generazione di ProPilot di Nissan, presentata in Giappone con un dimostratore capace di muoversi nel traffico urbano complesso e di interpretare contesti in rapida evoluzione. A sostenere questo ecosistema c’è anche Nvidia, che non è soltanto fornitore di chip ma anche partner tecnologico sul fronte dell’addestramento e dell’inferenza, oltre che convinto promotore dello sviluppo AI nel Regno Unito. Ne esce un triangolo industriale in cui competenze complementari si intrecciano: chi costruisce i modelli, chi li porta sulle vetture e chi fornisce la potenza di calcolo, con l’obiettivo comune di rendere la guida assistita più utile, più pronta e soprattutto più naturale.
Wayve nasce con un’idea chiara: insegnare alle auto a guidare come persone esperte, non come macchine che seguono un copione rigido. Dopo la fase iniziale, la crescita è stata sostenuta da round importanti e da un network di collaborazioni che ha coinvolto tanto la filiera tecnologica quanto quella della mobilità. La società opera tra Regno Unito e Stati Uniti e ha allargato l’orizzonte dei test in mercati complessi come Germania e Giappone, ambienti ideali per misurare la robustezza dei modelli in condizioni eterogenee. L’attenzione di realtà come Uber testimonia l’interesse per una tecnologia capace di portare valore anche ai servizi di trasporto, dove percezione, decisione e comfort devono convivere senza frizioni. Sul lato infrastrutturale, il legame con Nvidia ha reso più fluido l’accesso alla potenza di calcolo necessaria ad addestrare reti sempre più profonde e a scalare il ciclo di sviluppo.
Indice
Il cuore della proposta: un’AI che impara dal flusso del traffico
L’approccio di Wayve è end-to-end: invece di costruire lunghi incastri di moduli separati, un’unica rete neurale apprende direttamente dalle immagini e dai segnali dei sensori, fino a generare le azioni al volante. Questo tipo di apprendimento consente di catturare il “flusso” della guida, cioè l’evoluzione dinamica degli scenari, superando la reazione isolata al singolo oggetto e mirando a una comprensione più ampia della scena. Il risultato è una guida che tende a essere più morbida, con accelerazioni e sterzate che imitano lo stile di un guidatore esperto impegnato a coniugare sicurezza e fluidità, soprattutto nei contesti urbani, dove la complessità è la norma, la rete impara ad anticipare ciò che potrebbe accadere, integrando segnali sottili come il linguaggio del corpo di un pedone o l’indecisione di un veicolo in manovra. L’AI non si limita quindi a etichettare, ma ragiona in termini di intenzioni e conseguenze, per mantenere l’auto in sintonia con il ritmo della strada.
Wayve AI Driver è il software che traduce questa filosofia in pratica, prendendo in ingresso le immagini delle telecamere e i dati dei sensori e generando un comportamento coerente con l’ambiente. La rete è addestrata a “capire” come una scena si sta trasformando e a prevedere gli esiti delle proprie manovre, così da evitare conflitti e scegliere traiettorie che riducano il rischio, e quando le condizioni cambiano di colpo, la pipeline di inferenza è progettata per reagire senza ritardi significativi, mantenendo i margini di sicurezza e ripianificando la manovra. Nei test dimostrativi, il sistema ha mostrato di sapersi destreggiare tra incroci affollati, doppie file, ciclisti che spuntano all’improvviso e segnaletica talvolta consumata o coperta, dove la sensazione complessiva è quella di una guida che non solo “vede”, ma intuisce il contesto, assecondando il flusso del traffico con un’attenzione costante all’armonia dei movimenti.
ProPilot di nuova generazione: cosa cambia davvero per Nissan
La nuova piattaforma ProPilot presentata in Giappone unisce Wayve AI Driver con la suite Ground Truth Perception sviluppata da Nissan, puntando a un’assistenza più consapevole negli scenari urbani e periurbani, dove nelle dimostrazioni su Ariya, il sistema ha gestito arterie trafficate e strade locali, mantenendo coerenza nelle manovre e precisione nella lettura della scena anche in situazioni di traffico denso. Resta chiaro il perimetro normativo: si parla di un sistema di Livello due, con il conducente pienamente responsabile del controllo del veicolo e pronto a intervenire senza ritardo quando richiesto e questa trasparenza è parte integrante della proposta, perché chiarisce subito aspettative e confini d’uso, evitando fraintendimenti su ciò che il sistema può o non può fare. La disponibilità in Giappone è stata indicata come obiettivo temporale a medio termine, con un percorso di validazione e affinamento coerente con gli standard di sicurezza richiesti.
La componente Ground Truth Perception introduce un LiDAR di nuova generazione montato sul tetto, elemento chiave per migliorare la consapevolezza dell’auto in condizioni difficili, LiDAR che estende il raggio utile di rilevamento rispetto alle sole telecamere, offrendo misure di distanza precise anche a velocità elevate e in notturna, quando la qualità dell’immagine può degradare. Accanto al LiDAR lavora un set di telecamere e radar che, fusi con tecniche avanzate, costruiscono un modello della scena ricco e coerente, pronto per essere interpretato dall’AI di Wayve. Questa architettura a sensori eterogenei non serve a “sostituire” la visione, ma a rafforzarla, aggiungendo ridondanza e resilienza nei casi limite, dal riflesso improvviso alla pioggerella fine che confonde i contrasti, dove il risultato finale è una percezione più affidabile che consente all’algoritmo decisionale di muoversi con fiducia anche quando il mondo reale non collabora.
Nvidia: più di un fornitore
Nvidia non è soltanto il nome dietro ai chip, ma una piattaforma completa che accompagna l’intero ciclo di vita dell’AI, dall’addestramento al deployment in auto. L’interesse a investire in Wayve sottolinea un allineamento strategico: valorizzare attori capaci di portare sul campo un’intelligenza artificiale di nuova generazione, alimentando al tempo stesso l’adozione di hardware e tool software ottimizzati, dove il sostegno all’ecosistema britannico dell’AI, con impegni rilevanti sul territorio, crea un corridoio di competenze e infrastrutture che rende più veloce passare dal laboratorio alla strada. Per una realtà come Wayve, avere accesso a queste risorse significa accorciare i tempi di addestramento, allargare i dataset, sperimentare architetture più ambiziose e testare varianti senza blocchi di capacità, per cui nel complesso, la relazione è mutuamente vantaggiosa: i modelli crescono, le piattaforme si consolidano, e l’industria beneficia di soluzioni più mature e meglio supportate.
Costruire una guida che sembri naturale richiede dati abbondanti e vari, raccolti in contesti diversi e con condizioni meteo, luminosità e traffico cangianti. Wayve lavora con pipeline che normalizzano, selezionano ed espandono i dati, includendo casi rari e sequenze che mettono alla prova il modello su eventi poco frequenti ma critici, inoltre l’addestramento end-to-end permette di trasferire direttamente nella politica di guida ciò che la rete apprende, riducendo gli attriti tra moduli e i rischi di incoerenza. Il ciclo di iterazione è continuo: nuove situazioni, nuovi feedback e nuovi parametri spingono il modello a ricalibrare le scelte, rendendo la guida via via più sciolta e meno “robotica”, con ogni aggiornamento che viene validato con protocolli che misurano sicurezza, comfort, precisione di traiettoria e qualità delle interazioni con pedoni, ciclisti e altri veicoli.
Wayve ha costruito un percorso che parte dai test in Regno Unito e Stati Uniti e si allarga verso mercati impegnativi come Germania e Giappone, dove la varietà di contesti mette alla prova l’algoritmo. La collaborazione con Nissan dimostra come l’AI Driver possa integrarsi in architetture di serie, dialogando con sensori e centraline e rispettando requisiti automotive di affidabilità, inoltre il legame con realtà della mobilità condivisa lascia intravedere applicazioni che vanno oltre la proprietà privata, con flotte che possono beneficiare di una guida più regolare e di una riduzione degli incidenti minori. Questi scenari accelerano l’apprendimento: una piattaforma installata su più veicoli, su strade differenti, accumula esperienza con una velocità impossibile per un singolo programma pilota, e più varietà nei dati significa modelli più pronti, ed è qui che l’infrastruttura di calcolo e le collaborazioni industriali mostrano tutto il proprio valore.
Confronto con Tesla FSD: due strade verso lo stesso obiettivo
Il sistema FSD di Tesla punta da anni a un’automazione sempre più estesa, facendo leva su una visione camera-first e su un controllo stretto dell’hardware di bordo. La proposta Nissan con Wayve percorre una via differente sul fronte dell’integrazione industriale e della percezione, unendo AI end-to-end e sensori eterogenei con LiDAR in primo piano, ma la differenza non è un dettaglio, in quanto una percezione arricchita aiuta nelle condizioni difficili, mentre l’approccio end-to-end riduce la frammentazione logica del sistema. Resta comune l’obiettivo di offrire una guida più fluida e sicura, anche se il perimetro d’uso resta, per ora, quello degli ADAS di Livello due con il conducente responsabile, anche se in prospettiva, il confronto spingerà entrambi gli approcci a maturare più in fretta, costringendo le soluzioni a misurarsi su metriche concrete di sicurezza e comfort.
La sicurezza non nasce da un colpo di genio ma da una somma di accortezze: sensor fusion, ridondanza, test continui, analisi sistematica degli incidenti evitati e di quelli sfiorati, questo perchè Wayve e Nissan lavorano su metodologie che includono valutazioni in “ombra”, dove il sistema osserva e propone senza comandare, così da confrontare le scelte con quelle reali. Questa modalità svela differenze sottili nel comportamento, aiutando a smussare sterzate troppo vivaci o a correggere anticipi eccessivi nelle frenate, inoltre il LiDAR rafforza la percezione quando l’immagine si fa rumorosa, e i radar aggiungono letture affidabili anche in presenza di pioggia, foschia o scie d’acqua. L’insieme di tutta questa tecnologia costruisce un margine di sicurezza che non dipende da un singolo sensore o da una sola euristica, ma dalla tenuta complessiva dell’architettura.
