Outils de sécurité de véhicules autonomes évolutifs développés par des chercheurs

À mesure que la vitesse de fabrication et de déploiement de véhicules autonomes augmente, la sécurité de ces véhicules devient de plus en plus importante. Pour cette raison, les chercheurs investissent dans la création de métriques et d’outils pour suivre la sécurité des véhicules autonomes. Selon 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 d’analyse de sécurité de véhicules autonomes évolutives, en utilisant à la fois des améliorations matérielles et logicielles pour ce faire.

L’amélioration de la sécurité des véhicules autonomes est restée l’une des tâches les plus difficiles dans le domaine de l’intelligence artificielle, en raison du grand nombre de variables impliquées dans cette tâche. Non seulement les capteurs et les algorithmes impliqués dans le véhicule sont extrêmement complexes, mais il y a également de nombreuses conditions externes qui sont constamment en flux, telles que les conditions routières, la topographie, le temps, l’éclairage et la circulation.

Le paysage et les algorithmes des véhicules autonomes changent constamment, et les entreprises ont besoin d’un moyen de suivre ces changements et de répondre à de nouveaux problèmes. L’équipe de recherche de l’Illinois travaille sur une plate-forme qui permet aux entreprises d’aborder les préoccupations de sécurité récemment identifiées de manière rapide et rentable. Cependant, la complexité des systèmes qui alimentent les véhicules autonomes rend cette tâche massive. L’équipe de recherche conçoit un système qui sera en mesure de suivre et de mettre à jour les systèmes de véhicules autonomes qui contiennent des dizaines de processeurs et d’accélérateurs exécutant des millions de lignes de code.

En général, les véhicules autonomes conduisent de manière très sûre. Cependant, lorsqu’une défaillance ou un événement imprévu se produit, un véhicule autonome est actuellement plus susceptible de être impliqué dans un accident que les conducteurs humains, car le véhicule a souvent du mal à négocier les situations d’urgence soudaines. Il est admis que il est difficile de quantifier la sécurité des véhicules autonomes et déterminer la cause des accidents, il est évident que les défaillances d’un véhicule circulant à 70 mph sur une route pourraient s’avérer extrêmement dangereuses, d’où la nécessité d’améliorer la gestion des situations d’urgence par les véhicules autonomes.

Saurabh Jha, un candidat au doctorat et l’un des chercheurs impliqués dans le programme, a expliqué à ScienceDaily la nécessité d’améliorer la gestion des défaillances dans les véhicules autonomes. Jha a expliqué:

“Si le conducteur d’une voiture ordinaire détecte un problème tel qu’un dérapage ou un tir, le conducteur peut ajuster son comportement et guider la voiture jusqu’à un point d’arrêt sûr. Cependant, le comportement du véhicule autonome peut être imprévisible dans une telle situation, 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 les données issues des rapports de sécurité soumis par les 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 miles, répartis sur 144 véhicules différents. Selon les résultats de l’équipe de recherche, lorsqu’on les compare à la même distance parcourue par les conducteurs humains, les accidents étaient 4000 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 contrôle.

Il est difficile de diagnostiquer les erreurs potentielles dans le matériel ou le logiciel du véhicule autonome, car de nombreuses erreurs ne se manifestent que dans les conditions appropriées. Il n’est pas non plus réalisable de mener des tests dans toutes les conditions possibles qui pourraient survenir sur la route. Au lieu de collecter des données sur des centaines de milliers de miles réels parcourus par les véhicules autonomes, l’équipe de recherche utilise des environnements simulés pour réduire considérablement le temps et les coûts nécessaires pour générer des données pour la formation des véhicules autonomes.

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