DriveEmo-FL: rilevamento delle emozioni in cabina basato su radar per risposte intelligenti dei veicoli autonomi

Auto che percepiscono come ti senti

Con l’avvicinarsi della guida autonoma alla quotidianità, resta una domanda cruciale: come potranno sapere come si sentono i passeggeri? Un viaggio che sia tecnicamente sicuro ma lasci le persone ansiose, arrabbiate o con chinetosi non ispira fiducia. Questo articolo presenta DriveEmo-FL, un sistema che permette ai veicoli autonomi di rilevare le emozioni dei passeggeri a partire da sottili movimenti del corpo—senza telecamere o dispositivi indossabili—e di adattare di conseguenza la guida e le impostazioni della cabina.

Leggere l’umore senza guardare il volto

Molti sistemi odierni per il rilevamento delle emozioni si basano su telecamere che tracciano le espressioni facciali o su dispositivi indossabili che misurano battito cardiaco e conduttanza cutanea. In auto, entrambi gli approcci hanno svantaggi: i volti possono essere nascosti da occhiali da sole o da scarsa illuminazione, e la maggior parte dei passeggeri non desidera indossare sensori aggiuntivi. DriveEmo-FL usa invece il radar a onde millimetriche, un piccolo dispositivo che emette onde radio e misura come rimbalzano sulla parte superiore del corpo del passeggero. Questi echi contengono minuscole variazioni di movimento che spostano la frequenza delle onde ritornate, un pattern noto come micro-Doppler. Concentrandosi su spalle, braccia e testa, il sistema può cogliere differenze indicative tra, per esempio, un battito di mani entusiasta, un ritrarsi timoroso delle spalle o l’immobilità della tristezza—il tutto preservando la privacy visiva.

Dagli echi radar grezzi ai modelli emotivi

Gli autori costruiscono una pipeline completa che trasforma gli echi radar grezzi in stime emotive in poche decine di millisecondi. Innanzitutto il segnale viene ripulito: si rimuovono le riflessioni forti dai sedili e dai cruscotti e un procedimento matematico isola il movimento legato al passeggero piuttosto che al veicolo in movimento. I dati ripuliti vengono poi trasformati in immagini tempo–frequenza—le “firme” micro-Doppler—che mostrano come l’energia del movimento si distribuisce su diverse velocità nel tempo. Parallelamente, il sistema estrae semplici statistiche di movimento, come la bruschezza con cui cambia il movimento di una persona (agilità), la massima velocità osservata (velocità di picco) e l’energia totale del movimento su una breve finestra. Questi due flussi—immagini di movimento ricche e riassunti compatti—catturano sia la forma sia l’intensità dei gesti emotivi.

Un’intelligenza snella per l’auto

Al centro di DriveEmo-FL c’è EmoNet, un modello di deep learning compatto progettato per funzionare in modo efficiente su piccoli computer di bordo. Un ramo di EmoNet elabora le immagini micro-Doppler in modo simile a una rete visiva, imparando pattern ricorrenti legati a gesti come battere le mani, scuotere la testa o guardarsi lentamente intorno. L’altro ramo elabora le tre statistiche di movimento, aiutando a distinguere, per esempio, una gioia energica da una rabbia altrettanto energica. I due flussi vengono fusi e inviati a strati decisionali condivisi che producono sia l’attività rilevata sia il gruppo emotivo sottostante (felice, triste, arrabbiato o spaventato). Un passaggio finale converte questi indizi emotivi in punteggi che un sistema di guida autonoma potrebbe usare per adattare velocità, dolcezza delle manovre, illuminazione e persino il tono degli assistenti vocali in cabina.

Apprendere da molte auto senza condividere segreti

Per rendere il sistema robusto è necessario apprendere da persone di diverse età, culture e corporature, a bordo di auto e in condizioni differenti. Tuttavia, inviare tutti i dati di movimento grezzi al cloud solleverebbe problemi di privacy. DriveEmo-FL risolve questo con l’apprendimento federato: ogni veicolo addestra EmoNet localmente usando solo i propri dati radar, poi condivide soltanto aggiornamenti di modello cifrati con un server centrale. Il server combina questi aggiornamenti in un modello globale più forte e lo invia di nuovo a tutte le auto. Nei test con 50 partecipanti che eseguivano 12 gesti distinti dell’alto corpo, il sistema ha raggiunto il 94,5% di accuratezza operando in tempo reale, e si è mantenuto affidabile in scenari impegnativi come guida in città, luce solare intensa, scarsa illuminazione e gesti sovrapposti.

Cosa significa per i viaggi futuri

Nel complesso, i risultati mostrano che le auto a guida autonoma possono percepire e rispondere agli stati emotivi dei passeggeri usando un piccolo radar rispettoso della privacy e un modello di apprendimento efficiente. Senza mai registrare un volto o una voce, un veicolo autonomo potrebbe accorgersi se un passeggero sembra teso, spaventato o particolarmente allegro e adattare con delicatezza stile di guida e ambiente della cabina. Se perfezionati e combinati con altri segnali non intrusivi, sistemi come DriveEmo-FL potrebbero rendere i viaggi futuri non solo più sicuri su strada, ma anche più confortevoli, compresi e orientati all’essere umano all’interno della cabina.

Citazione: Imran, N., Alnafisah, K.H., Zhang, J. et al. DriveEmo-FL: in-cabin radar-based emotion sensing for autonomous vehicles smart response. Sci Rep 16, 13600 (2026). https://doi.org/10.1038/s41598-026-43662-x

Parole chiave: veicoli autonomi, riconoscimento delle emozioni, radar mmWave, rilevamento in cabina, apprendimento federato