Des outils évolutifs de sécurité des véhicules autonomes développés par des chercheurs

À mesure que la vitesse de fabrication et de déploiement des véhicules autonomes augmente, la sécurité des véhicules autonomes devient encore plus importante. Pour cette raison, les chercheurs investissent dans la création de mesures et d'outils pour suivre la sécurité des véhicules autonomes. Tel que rapporté par ScienceDaily, une équipe de recherche de l'Université de l'Illinois à Urbana-Champaign a utilisé des algorithmes d'apprentissage automatique pour créer une plate-forme évolutive d'analyse de la sécurité des véhicules autonomes, en utilisant pour ce faire des améliorations matérielles et logicielles.

L'amélioration de la sécurité des véhicules autonomes est restée l'une des tâches les plus difficiles de l'IA, en raison des nombreuses variables impliquées dans la tâche. Non seulement les capteurs et les algorithmes impliqués dans le véhicule sont extrêmement complexes, mais il existe de nombreuses conditions externes qui changent constamment, telles que les conditions routières, la topographie, la météo, l'éclairage et la circulation.

Le paysage et les algorithmes des véhicules autonomes sont en constante évolution, et les entreprises ont besoin d'un moyen de suivre les changements et de répondre aux nouveaux problèmes. Les chercheurs de l'Illinois travaillent sur une plate-forme qui permet aux entreprises de résoudre les problèmes de sécurité récemment identifiés de manière rapide et rentable. Cependant, la complexité même des systèmes qui pilotent les véhicules autonomes en fait une entreprise colossale. L'équipe de recherche conçoit un système capable de suivre et de mettre à jour les systèmes de véhicules autonomes contenant des dizaines de processeurs et d'accélérateurs exécutant des millions de lignes de code.

En général, les véhicules autonomes roulent en toute sécurité. Cependant, lorsqu'une panne ou un événement inattendu se produit, un véhicule autonome est actuellement plus susceptible d'avoir un accident que les conducteurs humains, car le véhicule a souvent difficulté à négocier des urgences soudaines.  S'il est certes difficile de quantifier la sécurité des véhicules autonomes ainsi que qu'est-ce qui est à blâmer pour les accidents, il est évident que les pannes d'un véhicule roulant à 70 km/h sur une route pourraient s'avérer extrêmement dangereuses, d'où la nécessité d'améliorer la gestion des urgences par des véhicules autonomes.

Saurabh Jha, doctorant et l'un des chercheurs impliqués dans le programme, a expliqué à ScienceDaily la nécessité d'améliorer la gestion des pannes dans les véhicules autonomes. Jha a expliqué :

"Si le conducteur d'une voiture typique détecte un problème tel que la dérive ou la traction du véhicule, le conducteur peut ajuster son comportement et guider la voiture vers un point d'arrêt sûr. Cependant, le comportement du véhicule autonome peut être imprévisible dans un tel scénario à moins que le véhicule autonome ne soit explicitement formé pour de tels problèmes. Dans le monde réel, il existe un nombre infini de tels cas.

Les chercheurs visent à résoudre ce problème en rassemblant et en analysant des données impliquant des rapports de sécurité soumis par des entreprises de véhicules autonomes. Des entreprises comme Waymo et Uber sont tenues de soumettre des rapports au DMV en Californie au moins une fois par an. Ces rapports contiennent des données sur des statistiques telles que la distance parcourue par les voitures, le nombre d'accidents survenus et les conditions dans lesquelles les véhicules fonctionnaient.

L'équipe de recherche de l'Université de l'Illinois a analysé des rapports couvrant les années 2014 à 2017. Au cours de cette période, les véhicules autonomes ont parcouru environ 1,116,000 144 4000 miles répartis sur XNUMX véhicules différents. Selon les conclusions de l'équipe de recherche, par rapport à la même distance parcourue par des conducteurs humains, les accidents étaient XNUMX fois plus susceptibles de se produire. Les accidents peuvent impliquer que l'IA du véhicule n'a pas réussi à se désengager correctement et à éviter l'accident, s'appuyant plutôt sur le conducteur humain pour prendre le relais.

Il est difficile de diagnostiquer les erreurs potentielles dans le matériel ou le logiciel du véhicule autonome, car de nombreuses erreurs ne se manifesteront que dans les bonnes conditions. Il n'est pas non plus possible d'effectuer des tests dans toutes les conditions possibles pouvant survenir sur la route. Au lieu de collecter des données sur des centaines de milliers de kilomètres réels parcourus par des véhicules autonomes, l'équipe de recherche utilise des environnements simulés pour réduire considérablement le temps et l'argent consacrés à la génération de données pour la formation des VA.

L'équipe de recherche utilise les données générées pour explorer les situations où des pannes AV peuvent se produire et des problèmes de sécurité peuvent survenir. Il semble que l'utilisation des simulations puisse véritablement aider les entreprises à détecter les risques de sécurité qu'elles ne pourraient pas détecter autrement. Par exemple, lorsque l'équipe a testé l'Apollo AV, créé par Baidu, ils ont isolé plus de 500 cas où l'AV n'a pas réussi à gérer une situation d'urgence et un accident s'est produit en conséquence. L'équipe de recherche espère que d'autres entreprises utiliseront leur plateforme de test et amélioreront la sécurité de leurs véhicules autonomes.