Les Véhicules Tout-Terrain Autonomes Arrivent

Une équipe de chercheurs de l’Université Carnegie Mellon (CMU) nous rapproche un peu plus de la réalisation de véhicules tout-terrain autonomes (VTT). L’équipe a conduit un VTT à travers différents environnements, notamment de l’herbe haute, du gravier meuble et de la boue, pour recueillir des données sur la façon dont le VTT interagit avec ces types d’environnements tout-terrain.

Création du jeu de données TartanDrive

Le VTT a été conduit de manière agressive à des vitesses allant jusqu’à 30 miles par heure. Il a glissé dans les virages, est monté et descendu des collines et s’est embourbé dans la boue tout en recueillant des données importantes telles que des vidéos, la vitesse de chaque roue et le déplacement des amortisseurs de suspension à partir de sept types de capteurs.

Après avoir collecté toutes les données, elles ont été compilées dans un jeu de données appelé TartanDrive. Il contient environ 200 000 interactions réelles, et l’équipe pense qu’il s’agit du plus grand jeu de données multimodal de conduite tout-terrain réel. Les données pourraient plus tard être utilisées pour former un véhicule autonome pour la navigation tout-terrain.

Wenshan Wang est un scientifique de projet à l’Institut de robotique (RI).

« Contrairement à la conduite autonome en rue, la conduite tout-terrain est plus difficile car il faut comprendre la dynamique du terrain pour conduire en toute sécurité et pour conduire plus vite », a déclaré Wang.

Il y a eu quelques travaux précédents dans ce domaine, mais ils impliquaient souvent des cartes annotées qui fournissaient des étiquettes telles que boue, herbe, végétation et eau. Ces étiquettes ont aidé le robot à comprendre le terrain qu’il naviguait, mais le problème est que ces informations sont souvent difficiles à recueillir. Il s’agit également d’informations assez génériques. Par exemple, « boue » peut désigner un environnement qui est soit praticable, soit non.

Construction de modèles de prédiction

Avec les données de capteurs multimodaux que l’équipe a recueillies, ils ont pu construire des modèles de prédiction qui sont supérieurs aux modèles développés avec des données simples et non dynamiques. En conduisant le VTT de manière agressive, il est devenu crucial de comprendre la dynamique de ses performances.

Samuel Triest est un étudiant de deuxième année en robotique et auteur principal de l’article de recherche.

« La dynamique de ces systèmes tend à devenir plus difficile à mesure que vous augmentez la vitesse », a déclaré Triest. « Vous conduisez plus vite, vous rebondissez sur plus de choses. Beaucoup des données que nous voulions recueillir étaient liées à cette conduite plus agressive, à des pentes plus raides et à une végétation plus épaisse, car c’est là que certaines des règles plus simples commencent à se briser. »

Même si la plupart des recherches et des travaux sur les véhicules autonomes ciblent la conduite en rue, les chercheurs disent que les premières applications seront probablement des zones tout-terrain contrôlées. Cela permet de réduire le risque de collisions.

L’équipe a effectué tous ses tests sur un site contrôlé près de Pittsburgh, où le Centre national d’ingénierie robotique de CMU teste les véhicules tout-terrain autonomes.

Le VTT a été conduit par des humains à l’aide d’un système de conduite par fil pour contrôler le volant et la vitesse.

« Nous forçions l’humain à passer par la même interface de contrôle que le robot », a déclaré Wang. « De cette façon, les actions que l’humain prend peuvent être utilisées directement comme entrée pour savoir comment le robot devrait agir. »

La recherche doit être présentée à la Conférence internationale sur la robotique et l’automatisation (ICRA) à Philadelphie.