Astra al volante: il test che porta l’IA generale fuori dal laboratorio

Il traguardo raggiunto da GPT-6 Astra non equivale ancora a una tecnologia pronta per la strada: tra un parcheggio vuoto e il traffico reale rimangono ostacoli enormi. L’esperimento ha però mostrato che un modello linguistico generalista può collegare immagini, decisioni e comandi su un’automobile vera, senza un addestramento specifico alla guida.

La guida specializzata resta indispensabile

Secondo Aditya Ramabadran, i sistemi costruiti appositamente per guidare continueranno a essere la soluzione concreta ancora per molto tempo. Rispetto a un modello generico, offrono tempi di risposta più brevi, costi inferiori e una maggiore esperienza accumulata attraverso prove sul campo.

Una possibile evoluzione consisterebbe nell’usare un grande modello generale come “insegnante”, per poi trasferire le sue capacità a un sistema più compatto e ottimizzato per l’elettronica limitata di un’auto. In questo scenario si inserisce anche l’esperienza di Waymo: secondo alcune stime, Google ha investito tra i 35 e i 40 miliardi di dollari nel progetto dal 2009.

Un successo pagato a caro prezzo

La dimostrazione ha richiesto 6,6 milioni di token nei due tentativi di Astra, con una spesa di 7,74 dollari grazie alle tariffe ridotte applicate al materiale già presente nella conversazione. Rapportata alla distanza coperta, la cifra raggiunge circa 92 dollari a miglio, cioè oltre 57 dollari al chilometro; a questa somma va aggiunto un apparato di bordo da 999 dollari.

Il bilancio è quindi vicino al migliaio di euro per poco più di cento metri. Anche la velocità evidenzia i limiti dell’approccio: Astra procedeva a circa 1,5 km/h e si fermava regolarmente, ogni cinque o sei secondi, per analizzare nuovamente ciò che vedeva prima di impartire un altro comando.

I modelli esitano davanti ai coni

La prudenza incorporata nei sistemi ha rappresentato un problema inatteso. Astra manifestava preoccupazioni per la sicurezza persino in un’area completamente libera e con un’andatura minima; in altri casi, i modelli riconoscevano dalle immagini di trovarsi davvero su un’auto e reagivano rallentando, esitando oppure interrompendo subito l’esperimento.

Per ridurre queste resistenze, gli autori hanno presentato la prova come una simulazione e hanno chiamato il server “DrivingBench Sandbox”. Nonostante l’espediente, tutti i modelli hanno mostrato difficoltà nel leggere la geometria del tracciato, soprattutto quando la disposizione diagonale dei coni rendeva incerta la posizione da mantenere.

Quattro modelli, un solo arrivo

La prova è stata organizzata da DrivingBench, progetto dei ricercatori Tobias Gessler, Aditya Ramabadran e Simon Mahns. Nella stessa Toyota Corolla sono stati messi alla prova GPT-6 Astra, GPT-5.6 Sol di OpenAI, Grok 4.6 di xAI e Claude Fable 5.1 di Anthropic.

Sol, Grok e Fable non hanno completato il percorso: nella maggior parte dei casi l’arresto è arrivato già alla prima curva, mentre Claude Fable 5.1 ha raggiunto nel risultato migliore una distanza pari a circa metà circuito. In una delle sue prove, inoltre, il modello ha utilizzato appena 31 dei 190 secondi disponibili per far avanzare effettivamente la vettura, trascorrendo il resto del tempo fermo a elaborare la decisione successiva.

Il percorso chiuso da Astra

Il circuito misurava 130 metri ed era stato tracciato in un parcheggio deserto con coni, curve e passaggi più stretti. Astra ha fallito la prima prova, arrestandosi a metà, ma nel secondo tentativo ha raggiunto la fine in 5 minuti e 22 secondi.

Nessun essere umano ha azionato volante o pedali durante la manovra, anche se un operatore era pronto a intervenire con il freno. L’auto disponeva di un dispositivo collegato al bus Can, la rete elettronica interna del veicolo, e compatibile con openpilot, il software open source normalmente impiegato per la guida assistita.

I modelli non impartivano comandi direttamente ai componenti meccanici. Attraverso una conversazione continua potevano richiamare tre funzioni: una forniva immagine della scena, velocità e angolo delle ruote; un’altra stabiliva direzione, sterzata, velocità compresa tra 0,5 e 3,5 m/s e durata della manovra; la terza attivava il freno.

Una prova utile soprattutto sul piano teorico

Gli stessi ricercatori hanno segnalato diversi limiti metodologici: pochi tentativi per ciascun modello, sessioni mantenute all’interno della stessa conversazione, visuale della telecamera ridotta e impostazioni volutamente conservative. Per questo il risultato non può essere considerato una dimostrazione di guida autonoma affidabile.

Il suo significato è soprattutto concettuale. GPT-6 Astra ha completato un percorso reale trasferendo su un veicolo il passaggio dalla percezione all’azione, ma latenza, prezzo, interpretazione dell’ambiente e affidabilità devono ancora essere risolti prima che un simile sistema possa avvicinarsi alle strade aperte.