Capteur innovant bio-inspiré détecte le mouvement et prédit les trajectoires pour diverses applications

Les chercheurs de l’Université Aalto ont développé un capteur innovant bio-inspiré qui peut détecter les objets en mouvement dans une seule image vidéo et prédire avec précision leurs mouvements futurs. Décrit dans un article de Nature Communications, ce capteur avancé a de nombreuses applications potentielles dans des domaines tels que la détection visuelle dynamique, l’inspection automatique, le contrôle des processus industriels, la guidance robotique et la technologie de conduite autonome.

Les systèmes traditionnels de détection de mouvement nécessitent de nombreux composants et des algorithmes complexes qui effectuent des analyses image par image, ce qui entraîne une inefficacité et une consommation d’énergie élevée. Pour remédier à ces limitations, l’équipe de l’Université Aalto s’est inspirée du système visuel humain et a créé une technologie de vision neuromorphique qui unifie la détection, la mémoire et le traitement dans un seul dispositif capable de détecter le mouvement et de prédire les trajectoires.

Les photomémristeurs : le cœur de la nouvelle technologie

La technologie des chercheurs est basée sur un réseau de photomémristeurs, des dispositifs électriques qui génèrent un courant électrique en réponse à la lumière. Les photomémristeurs possèdent une caractéristique unique : le courant ne s’arrête pas immédiatement lorsque la lumière est éteinte, mais décroît progressivement. Cette fonctionnalité permet aux photomémristeurs de « se souvenir » efficacement de leur exposition récente à la lumière, permettant ainsi à un capteur composé d’un réseau de ces dispositifs de capturer non seulement des informations instantanées sur une scène, mais également une mémoire dynamique des moments précédents.

« La propriété unique de notre technologie est sa capacité à intégrer une série d’images optiques en une seule image », explique Hongwei Tan, le chercheur qui a dirigé l’étude. « Les informations de chaque image sont intégrées dans les images suivantes sous forme d’informations cachées. En d’autres termes, la dernière image d’une vidéo contient également des informations sur toutes les images précédentes. Cela nous permet de détecter le mouvement plus tôt dans la vidéo en analysant seulement la dernière image avec un réseau de neurones artificiels simple. Le résultat est une unité de détection compacte et efficace. »

Démonstration des capacités de la technologie

Pour démontrer leur technologie, les chercheurs ont utilisé des vidéos qui affichaient les lettres d’un mot une à une. Bien que tous les mots se terminent par la lettre « E », les capteurs de vision conventionnels ne pouvaient pas discerner si le « E » sur l’écran avait suivi les autres lettres de « APPLE » ou de « GRAPE ». Cependant, le réseau de photomémristeurs pouvait utiliser les informations cachées de la dernière image pour déduire quelles lettres l’avaient précédé et prédire le mot avec une précision quasi totale.

Dans une autre expérience, l’équipe a montré au capteur des vidéos d’une personne simulée se déplaçant à trois vitesses différentes. Le système pouvait non seulement reconnaître le mouvement en analysant une seule image, mais également prédire avec précision les images suivantes.

Implications pour les véhicules autonomes et les transports intelligents

La détection précise du mouvement et la prédiction des trajectoires sont cruciales pour la technologie de conduite autonome et les systèmes de transport intelligents. Les véhicules autonomes reposent sur des prédictions précises de la façon dont les voitures, les vélos, les piétons et les autres objets se déplaceront pour prendre des décisions éclairées. En intégrant un système d’apprentissage automatique dans le réseau de photomémristeurs, les chercheurs ont démontré que leur système intégré pouvait prédire le mouvement futur en fonction du traitement en interne d’une image informative.

« La reconnaissance du mouvement et la prédiction par notre solution de mémoire et de calcul en interne offrent de nouvelles opportunités dans la robotique autonome et les interactions homme-machine », déclare le professeur Sebastiaan van Dijken. « Les informations dans l’image que nous obtenons dans notre système à l’aide de photomémristeurs évitent les flux de données redondants, permettant une prise de décision économe en énergie en temps réel. »