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

En raison des récentes mesures de quarantaine adaptative imposées dans virtuellement toutes les parties du monde, les voyages aériens, les transports publics et de nombreux autres secteurs ont subi un coup vraiment important en 2020. Cependant, le monde automobile et les véhicules autonomes, en particulier, ont montré 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 allouant 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. Ainsi, Ford rejoint General Motors, Tesla, Baidu et d’autres constructeurs automobiles pour investir lourdement dans les véhicules autonomes. Dans cet article, nous allons vous expliquer 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 ?

Lorsque nous examinons 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 des polices d’assurance coûteuses, cela accélérera leurs déplacements quotidiens, améliorera l’économie de carburant et apportera de nombreux autres avantages. Pour les entreprises, une telle automatisation ouvre la porte à des économies plus importantes. Un excellent exemple en est le transport routier de longue distance autonome, qui pourra réduire les coûts d’exploitation de 45 %, selon un rapport de la société McKinsey & Company.

Le principal avantage doit être une sécurité accrue. Selon la NHTSA, 94 % des accidents graves sont le résultat d’erreurs humaines. Les voitures autonomes peuvent réduire considérablement le nombre d’accidents puisqu’elles n’ont pas besoin d’entrée de conducteur et ont une vue à 360 degrés en permanence. De plus, les systèmes avancés de sécurité pour conducteurs (ADAS) peuvent prendre en charge les fonctions de sécurité critiques dans des situations dangereuses telles que le freinage et la direction. Il y a beaucoup de valeur ajoutée que les véhicules autonomes offrent à la société, 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 dans la vie entière du véhicule par rapport à celles d’un véhicule conventionnel. Maintenant que nous connaissons tous les avantages que les voitures autonomes ont à offrir, voyons comment elles sont formées pour reconnaître le monde qui les entoure.

Comment les VA fonctionnent-elles et comment les VA peuvent-elles devenir une réalité

Un véhicule autonome doit suivre les règles de la route et pour cela, il doit reconnaître tous les différents signaux de circulation, les marquages routiers, détecter d’autres véhicules et piétons, et de nombreux autres objets. Ces véhicules IA reposent sur l’apprentissage automatique pour « calculer » ce qui doit être fait dans toutes sortes de situations de conduite. Commençons par un exemple basique. Une personne est dans son VA en conduisant 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 de devant et, lorsqu’elle entre dans une zone résidentielle, elle devra reconnaître les piétons et les laisser traverser la route.

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

« Ces projets incluent des projets tels que la reconnaissance faciale sur des vidéos pour former des voitures autonomes à identifier le comportement d’autres conducteurs sur la route, l’étiquetage et l’annotation de vidéos 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 a consisté 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 chansons, les animaux et même le silence ».

Considérons un scénario complexe. Imaginez que le véhicule autonome conduit dans un quartier résidentiel et qu’il y a des adolescents avec des planches à roulettes qui attendent pour traverser la route. Selon les règles, la voiture a la priorité, mais il y a une bonne chance que les adolescents n’attendent pas que le feu passe au vert et essaient de traverser la route prématurément. Un conducteur humain sera bien conscient de ce 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 prendre avec les véhicules autonomes et simplement plus de données annotées peut être la solution.

Comment les VA voient-elles le monde physique ?

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

Le fonctionnement de la LiDAR est qu’elle envoie un signal lumineux à tous les objets qui l’entourent et, en fonction du temps qu’il faut au signal pour revenir, elle 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. Un des bâtiments environnants peut être rouge ou orange en fonction de la distance qui le sépare.
Il est important de noter que la LiDAR n’est pas la seule technologie disponible. Par exemple, Tesla utilise quelque chose appelé Hydrant, qui est une combinaison de huit caméras qui assemblent une image complète de la route. D’autres entreprises, comme Waymo et Voyage, utilisent la LiDAR. Une raison possible pour laquelle Tesla peut éviter la LiDAR est qu’elle est très encombrante et gâche l’apparence générale de la voiture. Après tout, les Teslas sont très coûteuses et les conducteurs ne voudront probablement pas d’une grande boîte posée sur le toit de leur voiture. Les entreprises qui développent des robotaxis, comme Waymo, peuvent être en mesure de se permettre d’utiliser la LiDAR.

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

Avoir des données de formation de haute qualité est l’une des choses les plus essentielles dont vous avez besoin pour créer une voiture autonome. Cependant, l’obtention de ces données n’est pas suffisante. Les jeux de données de formation doivent être préparés via l’annotation de données afin que le système IA puisse apprendre à partir de ceux-ci. Même si ce processus est 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 ou même à 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.