Des chercheurs développent des systèmes autonomes capables de détecter les changements dans l'ombre

Ingénieurs au MIT ont développé un nouveau système extrêmement important pour les véhicules autonomes et leur sécurité. Le système est capable de détecter de petits changements dans les ombres au sol et il peut déterminer s'il y a des objets en mouvement dans le coin. 

L'un des principaux objectifs de toute entreprise cherchant à créer des véhicules autonomes est d'augmenter la sécurité. Les ingénieurs travaillent constamment à améliorer les véhicules pour éviter les collisions avec d'autres voitures ou piétons, en particulier ceux qui se présentent au coin d'un bâtiment. 

Le nouveau système a également le potentiel d'être utilisé sur d'éventuels robots qui naviguent dans les hôpitaux. Ces robots pourraient livrer des médicaments ou des fournitures dans tout l'hôpital, et le système les aiderait à éviter de frapper les gens. 

Un article sera présenté la semaine prochaine à l'International Conference on Intelligent Robots and Systems (IROS). Il comprend des descriptions d'expériences réussies menées par les chercheurs, notamment une voiture autonome manœuvrant autour d'un parking et s'arrêtant à l'approche d'un autre véhicule.

Le système actuel est souvent LIDAR, qui est capable de détecter des objets visibles à plus d'une demi-seconde. Selon les chercheurs, des fractions de seconde peuvent faire une énorme différence dans les véhicules autonomes rapides.  

"Pour les applications où les robots se déplacent dans des environnements avec d'autres objets ou personnes en mouvement, notre méthode peut donner au robot un avertissement précoce que quelqu'un arrive au coin de la rue, afin que le véhicule puisse ralentir, adapter sa trajectoire et se préparer à l'avance pour éviter une collision », ajoute la co-auteure Daniela Rus, directrice du Laboratoire d'informatique et d'intelligence artificielle (CSAIL) et professeur Andrew et Erna Viterbi de génie électrique et d'informatique. "Le grand rêve est de fournir une sorte de 'vision par rayons X' aux véhicules qui se déplacent rapidement dans les rues."

Le nouveau système autonome n'a été testé qu'en intérieur. Dans ces conditions, les conditions d'éclairage sont plus faibles et les vitesses robotiques sont plus lentes. Le système autonome peut analyser et détecter les ombres beaucoup plus facilement dans cet environnement. 

Le document a été compilé par Daniela Rus; le premier auteur Felix Naser, qui est un ancien chercheur du CSAIL ; Alexander Amini, étudiant diplômé du CSAIL; Igor Gilitschenski, postdoc CSAIL ; diplômée Christina Liao; Guy Rosman du Toyota Research Institute; et Sertac Karaman, professeur agrégé d'aéronautique et d'astronautique au MIT. 

Système ShadowCam

Avant les nouveaux développements, les chercheurs disposaient déjà d'un système appelé "ShadowCam". Le système est capable d'identifier et de classer les changements d'ombres au sol grâce à l'utilisation de techniques de vision par ordinateur. Les premières versions du système ont été développées par les professeurs du MIT William Freeman et Antonio Torralba. Les deux professeurs n'étaient pas co-auteurs de l'article IROS et leurs travaux ont été présentés en 2017 et 2018. 

ShadowCam utilise les images vidéo d'une caméra spécifique à la cible et est capable de détecter tout changement d'intensité lumineuse au fil du temps. Cela indique au système si quelque chose s'éloigne ou se rapproche, puis il analyse les informations et classe chaque image comme un objet fixe ou en mouvement. Cela permet au système de fonctionner de la meilleure façon possible. 

La ShadowCam a été modifiée et modifiée pour être utilisée sur des véhicules autonomes. À l'origine, il utilisait des étiquettes de réalité augmentée appelées "AprilTags", qui ressemblaient à des codes QR. ShadowCam les a utilisés pour se concentrer sur certains groupes de pixels afin de déterminer s'il y avait des ombres présentes. Cependant, ce système s'est avéré impossible à utiliser dans des scénarios réels. 

Pour cette raison, les chercheurs ont créé un nouveau processus qui utilise ensemble l'enregistrement d'images et une technique d'odométrie visuelle. L'enregistrement d'image superpose plusieurs images afin d'identifier toute variation. 

La technique d'odométrie visuelle que les chercheurs utilisent s'appelle "Direct Sparse Odometry" (DSO), et elle fonctionne de la même manière que les AprilTags. DSO utilise un nuage d'impression 3D et y trace les différentes caractéristiques d'un environnement. Un pipeline de vision par ordinateur localise ensuite une région d'intérêt telle qu'un sol. 

ShadowCam a utilisé l'enregistrement d'images DSO et superpose toutes les images du même point de vue du robot. Le robot, en mouvement ou en restant immobile, est alors capable de se concentrer sur le même patch de pixels où il y a une ombre. 

Et après

Les chercheurs continueront à travailler sur ce système et se concentreront sur les différences entre les conditions d'éclairage intérieur et extérieur. En fin de compte, l'équipe souhaite augmenter la vitesse du système et automatiser le processus.