Les chercheurs développent des systèmes autonomes capables de détecter les changements d’ombre

Les ingénieurs du MIT ont développé un nouveau système extrêmement important pour les véhicules autonomes et leur sécurité. Le système est capable de détecter de petits changements d’ombre sur le sol et de déterminer s’il y a des objets en mouvement autour du coin. 

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

Le nouveau système a également le potentiel d’être utilisé sur des robots futurs 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 heurter des personnes. 

Un article sera présenté la semaine prochaine à la Conférence internationale sur les robots et les systèmes intelligents (IROS). Il contient des descriptions des expériences réussies menées par les chercheurs, notamment une voiture autonome qui contourne un garage de stationnement et s’arrête lorsqu’elle approche un autre véhicule.

Le système actuel est souvent le LIDAR, qui peut détecter des objets visibles avec plus d’une demi-seconde d’avance. Selon les chercheurs, des fractions de seconde peuvent faire une énorme différence dans les véhicules autonomes qui se déplacent rapidement.  

“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 qu’il y a quelqu’un qui tourne autour du coin, de sorte que le véhicule peut ralentir, adapter son chemin et se préparer à l’avance pour éviter une collision”, ajoute la co-auteure Daniela Rus, directrice du Laboratoire de science et d’intelligence artificielle informatique (CSAIL) et professeure d’électrotechnique et d’informatique Andrew et Erna Viterbi. “Le grand rêve est de fournir une sorte de ‘vision aux rayons X’ aux véhicules qui se déplacent rapidement dans les rues.”

Le nouveau système autonome n’a été testé qu’à l’intérieur. Dans ces conditions, les conditions de lumière sont plus faibles et les vitesses des robots sont plus lentes. Le système autonome peut analyser et détecter les ombres beaucoup plus facilement dans cet environnement. 

L’article a été rédigé par Daniela Rus ; le premier auteur Felix Naser, ancien chercheur au CSAIL ; Alexander Amini, étudiant diplômé au CSAIL ; Igor Gilitschenski, postdoctorant au CSAIL ; l’étudiant Christina Liao ; Guy Rosman de l’Institut de recherche Toyota ; et Sertac Karaman, professeur agrégé d’aéronautique et d’astronautique au MIT. 

Système ShadowCam

Avant les nouveaux développements, les chercheurs avaient déjà un système appelé “ShadowCam”. Le système est capable d’identifier et de classifier les changements d’ombre sur le sol à l’aide de techniques de vision par ordinateur. Les versions précédentes 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 leur travail a été présenté en 2017 et 2018. 

ShadowCam utilise des images vidéo à partir d’une caméra spécifique, et il est capable de détecter tout changement d’intensité lumineuse au fil du temps. Cela indique au système si quelque chose se déplace plus loin ou se rapproche, et il analyse ensuite les informations et classe chaque image comme un objet fixe ou en mouvement. Cela permet au système de procéder de la meilleure manière possible. 

ShadowCam a été modifié et adapté pour être utilisé sur des véhicules autonomes. À l’origine, il utilisait des étiquettes de réalité augmentée appelées “AprilTags”, qui étaient comme des codes QR. ShadowCam utilisait ces étiquettes pour se concentrer sur certains groupes de pixels pour déterminer s’il y avait des ombres présentes. Cependant, ce système s’est avéré impossible à utiliser dans des scénarios réels. 

En raison de cela, les chercheurs ont créé un nouveau processus qui utilise l’enregistrement d’images et une technique d’odométrie visuelle ensemble. L’enregistrement d’images superpose plusieurs images pour identifier les variations. 

La technique d’odométrie visuelle que les chercheurs utilisent s’appelle “Direct Sparse Odometry” (DSO), et elle fonctionne de manière similaire aux AprilTags. DSO utilise un nuage de points 3D, et il trace les différentes caractéristiques d’un environnement sur celui-ci. Un pipeline de vision par ordinateur localise ensuite une région d’intérêt telle qu’un sol. 

ShadowCam utilise DSO et l’enregistrement d’images, et il superpose toutes les images de la même perspective du robot. Le robot, en mouvement ou à l’arrêt, peut alors se concentrer sur le même patch de pixels où il y a une ombre. 

Qu’est-ce qui vient ensuite

Les chercheurs continueront à travailler sur ce système, et ils se concentreront sur les différences entre les conditions de lumière intérieure et extérieure. En fin de compte, l’équipe souhaite augmenter la vitesse du système ainsi que l’automatiser.