Pourquoi les voitures autonomes sont-elles l'avenir et comment sont-elles créées ?

En raison des récentes mesures de quarantaine adaptative imposées dans pratiquement toutes les régions du monde, les voyages en avion, les transports publics et de nombreux autres secteurs ont été durement touchés en 2020. Cependant, le monde de l'automobile et les véhicules autonomes, en particulier, ont fait preuve d'une résilience accrue. pendant cette période difficile. En fait, des entreprises comme Ford ont augmenté leurs investissements dans le développement de voitures électriques et autonomes en allouer 29 milliards de dollars au quatrième trimestre de l'année dernière. Plus précisément, 7 milliards de dollars de cet argent seront consacrés au développement de voitures autonomes. Ford rejoint donc General Motors, Tesla, Baidu et d’autres constructeurs automobiles pour investir massivement dans les véhicules autonomes. Dans cet article, nous vous expliquerons pourquoi les entreprises investissent dans les voitures autonomes et comment les algorithmes d'apprentissage automatique qui les alimentent sont formés.

Pourquoi tant d'entreprises investissent-elles dans les voitures autonomes ?

Quand on regarde tous les avantages offerts par les véhicules autonomes, il est facile de comprendre pourquoi tant d'entreprises investissent dans leur développement. Les conducteurs pourront économiser plus d'argent puisqu'ils n'auront pas à payer pour des régimes d'assurance coûteux, cela accélérera leurs déplacements quotidiens, améliorera l'économie de carburant et de nombreux autres avantages. Pour les entreprises, une telle automatisation ouvre la porte à de plus grandes économies. Un bon exemple de cela est le camionnage long-courrier autonome qui pourra réduire les coûts d'exploitation de 45 %, selon un rapport de McKinsey & Company.

Le principal avantage doit être une sécurité accrue. Selon la NHTSA, 94 % des accidents graves sont le résultat d’une erreur humaine. Les voitures autonomes peuvent réduire considérablement le nombre d’accidents car elles ne nécessitent aucune intervention du conducteur et offrent à tout moment une vue à 360 degrés. En outre, les systèmes avancés de sécurité du conducteur (ADAS) peuvent prendre en charge des fonctions critiques pour la sécurité dans des situations dangereuses telles que le freinage et la direction. Les véhicules autonomes offrent à la société de nombreuses valeurs ajoutées, comme la réduction des émissions. En fait, un cas de base a montré une réduction de 9 % de l'énergie et des émissions de GES sur toute la durée de vie du véhicule par rapport à celles d'un véhicule conventionnel. Non pas que nous connaissions tous les avantages que les voitures autonomes ont à offrir, voyons comment elles sont formées pour reconnaître le monde qui les entoure.

Comment fonctionnent les AV et comment les AV peuvent devenir une réalité

Un véhicule autonome doit suivre les règles de la route et pour ce faire, il doit reconnaître tous les différents panneaux de signalisation, marquages ​​routiers, détecter les autres véhicules et les piétons, et d'innombrables autres objets. Ces véhicules IA s'appuient sur l'apprentissage automatique pour "calculer" ce qui doit être fait dans toutes sortes de situations de conduite. Commençons par un exemple de base. Une personne est dans son AV et roule sur l'autoroute pour se rendre au travail. La voiture devra identifier correctement la limite de vitesse affichée, maintenir une distance de sécurité avec la voiture qui la précède et, lorsqu'elle entre dans une zone résidentielle, elle doit reconnaître les piétons et les laisser traverser la route.

Cela nécessite des milliers et des milliers d'images à annoter par des techniques allant de l'étiquetage jusqu'à la segmentation sémantique. En fait, Evgenia Khimenko, PDG de Assistance Mindy, une entreprise qui fournit des services d'annotation de données pour le secteur automobile, affirme qu'il existe un large éventail de projets d'annotation de données pour l'industrie automobile :

"Celles-ci comprennent des projets comme la reconnaissance faciale sur vidéos pour entraîner les voitures autonomes à identifier le comportement des autres conducteurs sur la route, l'étiquetage vidéo et l'annotation pour détecter le mouvement et la direction du véhicule (nous avons annoté plus de 545 millions de séquences d'images). Une autre tâche d'annotation audio sophistiquée consistait à identifier l'horodatage et à étiqueter la parole humaine ainsi que tous les bruits de fond se produisant à l'intérieur du véhicule, tels que la radio, les rires, les cris, les chants, les animaux et même le silence ».

Considérons un scénario complexe. Imaginez que le véhicule autonome roule dans un quartier résidentiel et qu'il y ait des adolescents avec des planches à roulettes qui attendent de traverser la route. Selon le règlement, la voiture a la priorité, mais il y a de fortes chances que les adolescents n'attendent pas que le feu passe au vert et tentent de traverser la route prématurément. Un conducteur humain sera bien conscient d'un tel risque et ralentira pour anticiper un tel événement, mais pour une machine, cela serait très difficile à calculer. C'est la prochaine étape que les chercheurs tentent de franchir avec les véhicules autonomes et des données simplement plus annotées pourraient être la réponse.

Comment les AV voient-ils le monde physique ?

Les véhicules autonomes s’appuient sur la technologie LiDAR pour les aider à voir le monde qui les entoure. LiDAR crée un nuage de points 3D qui est une représentation numérique de la façon dont le système d'IA perçoit le monde. Cette technologie n’est pas réservée uniquement aux véhicules autonomes, elle est également utilisée pour d’autres tâches d’automatisation des processus robotiques, comme la création d’un robot capable de récolter des récoltes pour le secteur agricole. Le nuage de points 3D devra également être annoté afin que la machine sache exactement ce qu'elle voit. Cela se fait généralement à l'aide de techniques telles que l'étiquetage, les boîtes 3D et la segmentation sémantique. Une forme d'annotation plus avancée consisterait à coder en couleur le nuage de points 3D afin que le véhicule comprenne la distance de l'objet.

La façon dont LiDAR fonctionne est qu'il envoie un signal de lumière à tous les objets qui l'entourent et en fonction du temps qu'il faut à la lumière pour revenir, il donne à l'IA une compréhension de la distance de l'objet. Par exemple, le sol sur le nuage de points 3D sera toujours bleu car c'est le point le plus bas, la lumière rebondira rapidement et le bleu a une longueur d'onde très courte. L'un des bâtiments environnants peut être rouge ou orange selon sa distance.

Il convient de noter que LiDAR n'est pas le seul jeu en ville. Par exemple, Tesla utilise quelque chose appelé la bouche d'incendie, qui est une combinaison de huit caméras qui assemblent une image complète de la route. D'autres sociétés, comme Waymo et Voyage, utilisent LiDAR. Une raison possible pour laquelle Tesla évite le LiDAR est qu'il est très volumineux et ruine l'apparence générale de la voiture. Après tout, les Tesla sont très chères et les conducteurs ne voudront probablement pas d'une boîte géante sur le toit de leur voiture. Les entreprises développant des robotaxis, comme Waymo, peuvent peut-être s'en tirer en utilisant LiDAR.

Pourquoi les données de formation de qualité sont-elles si importantes ?

Disposer de données d'entraînement de qualité est l'une des choses les plus essentielles dont vous avez besoin pour créer une voiture autonome. Cependant, il ne suffit pas d'obtenir ces données. Les ensembles de données de formation doivent être préparés via l'annotation des données afin que le système d'IA puisse en tirer des enseignements. Bien qu'il s'agisse d'un processus très long et fastidieux, le succès de l'ensemble du projet en dépend. Après tout, les voitures autonomes sont l'avenir et peuvent potentiellement nous aider à réduire, voire éliminer, certains des problèmes que nous rencontrons en termes d'accidents de voiture et de victimes, de problèmes environnementaux et d'embouteillages sur les routes.