Les capteurs IA pourraient aider les véhicules autonomes dans les villes enneigées

L’un des plus grands défis auxquels sont confrontés les véhicules autonomes est qu’ils ont du mal à naviguer dans les mauvaises conditions météorologiques, ce qui limite vraiment leur mise en œuvre dans les villes enneigées comme Détroit et Chicago. Les véhicules reposent sur des données de capteurs cruciales pour détecter les obstacles et rester du bon côté de la route, mais ces données ont du mal dans la neige. 

Dans deux nouveaux articles présentés à la conférence SPIE Defense + Commercial Sensing 2021, des chercheurs de l’Université technologique du Michigan ont discuté de nouvelles solutions pour les scénarios de conduite enneigée avec des véhicules autonomes.

Il existe une large gamme de véhicules autonomes, notamment certains avec des angles morts ou une assistance au freinage, et d’autres avec des modes de conduite autonome activés ou désactivés. Certains des meilleurs véhicules peuvent fonctionner entièrement de manière autonome. 

Puisque la technologie est encore dans ses premiers stades, les constructeurs automobiles et les universités de recherche travaillent continuellement à améliorer la technologie et les algorithmes. Lorsque des accidents se produisent, ils sont souvent le résultat d’une erreur de jugement de l’IA du véhicule ou d’une erreur humaine. 

Capteurs humains

Les yeux humains sont également une forme de capteurs, car ils détectent l’équilibre et le mouvement. Notre cerveau agit comme un processeur, nous aidant à comprendre notre environnement. Cela nous permet de conduire dans tous les scénarios, même ceux qui sont nouveaux, puisque notre cerveau peut généraliser les expériences nouvelles. 

Les véhicules autonomes ont généralement deux caméras montées sur des cardans, et ils analysent et perçoivent la profondeur en utilisant la vision stéréo pour imiter la vision humaine. En même temps, l’équilibre et le mouvement peuvent être mesurés avec une unité de mesure inertielle. Les ordinateurs, en revanche, ne peuvent réagir qu’aux scénarios qu’ils ont déjà rencontrés ou qu’ils ont été programmés pour reconnaître. 

Fusion de capteurs

Les véhicules autonomes reposent sur des algorithmes d’intelligence artificielle spécifiques à la tâche, qui nécessitent de multiples capteurs comme des caméras fisheye, des capteurs infrarouges, des radars, des capteurs de détection de lumière et des lidars.

Nathir Rawashdeh est professeur adjoint en informatique à la faculté d’informatique de Michigan Tech et l’un des principaux auteurs de l’étude. 

“Chaque capteur a des limites, et chaque capteur couvre le dos d’un autre”, a déclaré Rawashdeh. “La fusion de capteurs utilise plusieurs capteurs de modalités différentes pour comprendre une scène. Vous ne pouvez pas programmer de manière exhaustive pour chaque détail lorsque les entrées ont des modèles difficiles. C’est pourquoi nous avons besoin de l’IA.”

Les collaborateurs de l’étude comprenaient Nader Abu-Alrub, étudiant en doctorat en génie électrique et informatique, et Jeremy Bos, professeur adjoint en génie électrique et informatique. D’autres collaborateurs comprenaient des étudiants en master et des diplômés du laboratoire de Bos : Akhil Kurup, Derek Chopp et Zach Jeffreies. 

Les capteurs autonomes et les algorithmes de conduite autonome sont presque exclusivement développés dans des paysages ensoleillés et clairs. Le laboratoire de Bos a commencé à collecter des données dans un véhicule autonome de Michigan Tech dans la neige abondante, et plus de 1 000 images de données lidar, radar et d’images ont été collectées sur des routes enneigées en Allemagne et en Norvège. 

Selon Bos, la détection de capteurs est difficile en raison de la variété de neige. Il est important de prétraiter les données et de garantir un étiquetage précis. 

 “Toute la neige n’est pas créée égale”, a déclaré Bos. “L’IA est comme un chef – si vous avez de bons ingrédients, il y aura un excellent repas”, a-t-il déclaré. “Donnez au réseau d’apprentissage de l’IA des données de capteurs sales et vous obtiendrez un mauvais résultat.”

D’autres défis majeurs impliquent des données de mauvaise qualité et de la saleté, et l’accumulation de neige sur les capteurs pose ses propres problèmes. Même après que les capteurs soient dégagés, il n’y a pas toujours d’accord pour détecter les obstacles. Il est souvent vraiment difficile d’obtenir que les capteurs et leurs évaluations de risque communiquent et apprennent les uns des autres, car chacun peut arriver à sa propre conclusion. Cependant, l’équipe veut que les capteurs autonomes parviennent collectivement à une conclusion en utilisant la fusion de capteurs. 

“Plutôt que de voter strictement, en utilisant la fusion de capteurs, nous allons obtenir une nouvelle estimation”, déclare Bos. 

Les capteurs de véhicules autonomes continueront à apprendre et à s’améliorer dans les mauvaises conditions météorologiques, et de nouvelles approches comme la fusion de capteurs pourraient ouvrir la voie aux véhicules autonomes sur les routes enneigées.