Système d’alerte précoce basé sur l’IA qui apprend de situations de trafic réelles

Un nouveau système d’alerte précoce pour les véhicules développé par une équipe de chercheurs de l’Université technique de Munich (TUM) utilise l’IA pour apprendre de milliers de situations de trafic réelles. Une étude a été menée en collaboration avec le groupe BMW, démontrant que le système serait bénéfique pour les véhicules autonomes d’aujourd’hui. Si utilisé, il peut fournir une alerte de sept secondes contre des situations critiques potentielles, qui sont des situations que les voitures ne peuvent pas gérer seules. Le taux de précision était de 85%. 

Les efforts de développement actuels pour les véhicules autonomes utilisent des modèles sophistiqués qui permettent aux véhicules d’analyser le comportement de tous les participants au trafic. Cependant, la plupart de ces modèles n’ont pas encore démontré leur capacité à gérer des situations complexes ou imprévisibles.

L’équipe derrière le nouveau système d’alerte précoce a travaillé avec le professeur Eckehard Steinbach, titulaire de la chaire de technologie des médias et membre du conseil d’administration de l’école de robotique et d’intelligence artificielle de Munich à la TUM.

La recherche intitulée « Prédiction de défaillance introspective pour la conduite autonome en utilisant la fusion tardive de l’information d’état et de la caméra » a été publiée dans IEEE Transactions on Intelligent Transportation Systems. 

La nouvelle approche utilise l’IA pour permettre au système d’apprendre de situations passées. Plus précisément, ces situations passées étaient celles où les voitures autonomes ont atteint leur limite dans le trafic réel. Cela se produit lorsque les conducteurs humains doivent reprendre le contrôle du véhicule, soit parce que la voiture le signale, soit parce que le conducteur décide que c’est l’option la plus sûre. 

RNN et avertissement de sept secondes

Le nouveau système repose sur des capteurs et des caméras qui capturent les conditions environnantes, et des données de statut comme l’angle du volant, les conditions de la route et la météo sont enregistrées. Le système d’IA utilise un réseau neuronal récurrent (RNN), qui peut traiter des données pour reconnaître des modèles. Lorsque le système détecte une nouvelle situation de conduite qui n’a pas pu être gérée précédemment, le conducteur est averti à l’avance.

« Pour rendre les véhicules plus autonomes, de nombreuses méthodes existantes étudient ce que les voitures comprennent actuellement du trafic, puis tentent d’améliorer les modèles utilisés par elles. Le grand avantage de notre technologie : nous ignorons complètement ce que la voiture pense. Au lieu de cela, nous nous limitons aux données basées sur ce qui se passe réellement et cherchons des modèles », déclare Steinbach. « De cette façon, l’IA découvre des situations critiques potentielles que les modèles peuvent ne pas être capables de reconnaître, ou n’ont pas encore découvertes. Notre système offre donc une fonction de sécurité qui sait quand et où les voitures ont des faiblesses. »

La technologie a été testée avec le groupe BMW, et des véhicules autonomes sur les routes publiques ont été analysés. Cela s’est produit lors de 2500 situations où le conducteur humain est intervenu, et l’étude a démontré que le système est précis à 85% et peut avertir les conducteurs jusqu’à sept secondes à l’avance. 

La technologie repose sur de grandes quantités de données, car elle est limitée par le nombre de situations que le système a vues. Les données ont été générées elles-mêmes, étant donné le nombre de véhicules de développement actuellement sur la route. 

« Chaque fois qu’une situation critique potentielle se présente lors d’un essai routier, nous obtenons un nouvel exemple de formation. » 

Puisque les données sont stockées de manière centralisée, toute la flotte peut en tirer parti.