Thomas Scherer

Les voitures autonomes ont encore besoin des conducteurs

12 juin 2019, 18:33
Les voitures autonomes ont encore besoin des conducteurs
Les voitures autonomes ont encore besoin des conducteurs
Une équipe de chercheurs du MIT travaille actuellement à un procédé inédit qui va permettre aux voitures autonomes de circuler dans des zones qu’elles ne connaissent pas. La méthode s'appuie sur un algorithme de commande qui imite la manière dont nous procédons tous pour aller d'un point A à un point B en nous repérant à l’aide d’une simple carte produite par un appareil GPS. Ce système de navigation et de localisation variable de bout en bout utilise des cartes élémentaires et des caméras vidéo pour analyser l'environnement local et permettre au véhicule d'atteindre sa destination.

Espace mémoire optimisé

Le procédé classique de commande d’un véhicule autonome nécessite d'énormes volumes d'informations pour définir un itinéraire entre les points de cheminement. Il faut donc des caméras et des capteurs embarqués pour obtenir une cartographie détaillée de l'environnement et maîtriser la trajectoire du véhicule. Avec un tel procédé, le volume d'informations nécessaire pour envisager des itinéraires autour d'une ville de la taille de San Francisco peut atteindre 4 To. En revanche, les humains n'ont pas besoin d'autant d'informations. D’où l'intérêt de l’approche du MIT, fondée sur la modélisation des approches de navigation humaine, qui se contente d'à peine 40 Go de stockage pour les informations servant à circuler sur la planète entière.

Tout ce dont vous et moi avons besoin pour circuler est d'avoir sous la main une carte très simple, comme celles disponibles sur un appareil GPS. Nous sommes très compétents pour éliminer les détails sans importance, mais en identifiant les menaces et les obstacles rencontrés sur notre parcours.
 
Conduite autonome incorporant la navigation de « bout en bout ». Vidéo : MIT/Amini

Selon l'équipe du MIT, la nouvelle méthode analyse le comportement d'un conducteur humain, puis utilise les informations obtenues pour produire des algorithmes de commande beaucoup plus tolérants aux variations de trajectoire. L'approche permet de répondre de manière appropriée à des situations inconnues en utilisant exclusivement les informations issues d'une carte simplifiée et de caméras vidéo pour définir l'itinéraire jusqu'à sa destination.

Sous l'égide de Daniela Rus, directrice du CSAIL (Computer Science and Artificial Intelligence Laboratory), l’équipe a développé ce système de navigation de bout en bout en exploitant les informations provenant d'un conducteur humain et en appliquant des méthodes statistiques pour prédire les manœuvres de conduite appropriées. Selon le MIT, ces prédictions sont basées sur un modèle d'apprentissage automatique, appelé réseau de neurones à convolution, qui apprend comment conduire en traitant des images collectées lors d'une phase d'apprentissage au côté d'un conducteur humain. Le système est conçu pour conduire en toute sécurité, même en cas de contradiction entre les informations provenant de la caméra et les données contenues dans la carte.
 
Chargement des commentaires...
articles apparentés