L'IA au volant : comment l'intelligence artificielle stimule l'évolution des véhicules autonomes

Alors qu'il y a environ 200 ans, les véhicules de haute qualité dotés de caractéristiques uniques étaient inimaginables pour une personne ordinaire, nous avons parcouru un long chemin depuis, les véhicules électriques et hybrides faisant désormais partie de notre vie quotidienne. 

Aujourd'hui, les véhicules autonomes (VA) sont à la pointe de l'innovation automobile et ont fait leur entrée dans le grand public avec beaucoup de spectacle et d'attentes. Mais de quoi s'agit-il et comment transforment-ils le monde des véhicules ? Voyons voir !

Un regard sur l’automatisation dans l’automobile 

Les véhicules autonomes (AV) sont le type de véhicules qui utilisent la technologie pour remplacer partiellement ou totalement le conducteur humain et se diriger vers une destination prédéterminée en mode « pilote automatique ». Dans le même temps, ces véhicules utilitaires réagissent aux conditions de circulation, évitent les dangers de la route et offrent plus de sécurité.

Différents types de technologies utilisées par ces véhicules comprennent des capteurs, des lasers, des radars, un régulateur de vitesse adaptatif, une direction active, des systèmes de freinage antiblocage et une technologie de navigation GPS.

Selon la Society of Automotive Engineers (SAE), il existe six niveaux de véhicules autonomes basés sur l’intervention humaine. Cette classification, également utilisée par la National Highway Traffic Safety Administration (NHTSA) des États-Unis, est la suivante :

Niveau 0: Le véhicule n’a aucun contrôle sur son fonctionnement, le conducteur humain se chargeant de la conduite.
Niveau 1: Le système avancé d'assistance à la conduite (ADAS) du véhicule permet d'assister le conducteur dans la direction et le freinage.
Niveau 2: L'ADAS du véhicule supervise l'accélération et le freinage dans certaines conditions, bien que le conducteur humain soit tenu d'effectuer les tâches nécessaires et de prêter une attention totale à l'environnement tout au long de son trajet.
Niveau 3: Dans certaines conditions, le système ADAS du véhicule peut effectuer toutes les tâches de conduite, mais si nécessaire, le conducteur doit prendre le contrôle. Ce niveau d'autonomie est actuellement atteint par les véhicules autonomes.
Niveau 4: Le système avancé d’aide à la conduite du véhicule peut effectuer toutes les tâches sans avoir besoin d’attention ou d’assistance humaine dans certaines conditions.
Niveau 5: L'ADAS du véhicule peut effectuer absolument toutes les tâches liées à la conduite et dans toutes les conditions sans aucune assistance à la conduite de la part du conducteur humain. À ce stade, une automatisation complète est atteinte. 

Les véhicules autonomes offrent un confort accru et une meilleure qualité de vie. De plus, les personnes handicapées et les personnes âgées peuvent gagner en indépendance. Ils offrent également le potentiel de réduire les embouteillages, de diminuer les coûts de transport, de libérer des places de stationnement et de diminuer considérablement les émissions de CO2. 

Cependant, malgré tout le tapage autour des véhicules autonomes, ils n'ont pas encore rencontré le succès escompté. Alors, quel est le problème ?

Les défis auxquels sont confrontés les véhicules autonomes

Les véhicules autonomes ont généré des milliards de dollars d'investissement ces dernières années, mais leur lancement a été freiné par de nombreux obstacles et leur adoption par les consommateurs a été retardée. Examinons donc quelques-uns des principaux défis auxquels ces véhicules sont confrontés. 

Environnement de conduite complexe 

Les systèmes utilisés par les véhicules utilitaires pour suivre les panneaux de signalisation, les feux de circulation et le mouvement des objets sur la route ne sont pas infaillibles. Ils ne parviennent surtout pas à comprendre les scénarios du monde réel. 

Par exemple, si une volée d'oiseaux est assise sur la route, les conducteurs humains comprennent que les oiseaux s'envoleront à mesure que le véhicule avance, mais les véhicules utilitaires s'arrêteront inutilement ou freineront brusquement. Les AV ne parviennent pas non plus à détecter les interactions sociales complexes comme le mouvement de la main ou le contact visuel d'un autre conducteur, vous signalant d'aller de l'avant. 

De plus, les véhicules autonomes ne peuvent pas encore fonctionner en toute sécurité en l'absence de panneaux de signalisation. Ils ne peuvent donc pas encore fonctionner avec une précision optimale, quel que soit l'endroit où ils se trouvent dans différents pays. 

Si un passager souhaite visiter un endroit non inclus dans le système cartographique, cela peut également lui être très difficile car les AV peuvent être désorientés. Cela nécessite de disposer de cartes routières complexes en trois dimensions (3D) pour guider le véhicule, ce qui est un processus long si l'on veut obtenir une couverture et une précision.

Mauvais temps

Les intempéries constituent un défi majeur pour les véhicules autonomes. Ces véhicules utilisent un large éventail de capteurs : des caméras pour visualiser et identifier l'objet, un laser pour en mesurer la distance et un radar pour mesurer sa vitesse et la direction de son déplacement. 

Une fois les données collectées, le système prend une décision. Cependant, la neige, le brouillard ou les fortes pluies compromettent le bon fonctionnement des capteurs. Ainsi, les intempéries impactent négativement la précision de la détection des véhicules autonomes, ce qui peut compromettre la sécurité des usagers. À cela s'ajoutent les fortes précipitations et la présence de substances comme l'eau, l'huile, la glace ou les débris qui masquent le marquage au sol.

Prix

Un autre gros problème avec les AV est le coût ; les capteurs utilisés par ces véhicules, comme le Lidar et le radar, sont coûteux. De plus, Lidar essaie toujours de trouver le bon équilibre entre portée et résolution. Cela soulève donc la question : si plusieurs AV circulent sur la même route, leurs signaux lidar se gênent-ils mutuellement ?  

Responsabilité

Une autre question importante concernant les véhicules autonomes est celle de la responsabilité en cas d'accident : qui est responsable des accidents causés par ces véhicules ? Ce point sera encore plus crucial pour les véhicules autonomes entièrement autonomes, dépourvus de volant permettant à un humain de prendre le contrôle du véhicule en cas d'urgence. L'assurance est également un point névralgique pour ces véhicules.

Lois et règlements

Bien que les AV soient de plus en plus répandus, les lois et réglementations qui les entourent sont encore rares. Récemment, le processus de réglementation des VA aux États-Unis est passé des directives fédérales aux mandats état par état. 

Pour empêcher la montée des « voitures zombies », certains États ont même proposé de les taxer au kilomètre. Les législateurs ont également rédigé des projets de loi proposant que tous les AV soient équipés d'un bouton de panique. 

Cybersécurité 

Compte tenu du système de transport hautement connecté et du déploiement de la 5G, la confidentialité des données et la cybersécurité constituent d’autres problèmes liés à ces véhicules. Par exemple, en 2015, Fiat Chrysler a rappelé 1.4 million de ses véhicules Pour corriger les bugs, car ils pourraient être piratés et contrôlés à distance. Les antivirus doivent non seulement garantir qu'ils ne portent pas atteinte à la confidentialité des données des consommateurs, mais aussi les protéger des pirates informatiques. 

Infrastructure 

Pour que les véhicules autonomes puissent circuler sur les routes, des investissements massifs dans les infrastructures sont nécessaires. Ces véhicules nécessitent souvent un marquage au sol clair, des emplacements pour stocker les données et un réseau de recharge plus robuste. Cela aura un impact sur le budget de la ville. Il est donc nécessaire d'engager un dialogue sur les investissements publics, ainsi que de mobiliser les communautés et les acteurs du secteur afin de développer les infrastructures existantes.

L’IA ouvre la voie aux véhicules autonomes

Face à tous ces défis, intelligence artificielle (IA) prend les choses en main et ouvre la voie aux véhicules autonomes.

Le fait est que l’industrie automobile a progressé rapidement ces dernières années avec l’avènement des nouvelles technologies. L’IA est l’une de ces technologies qui aident l’industrie automobile à se transformer. Essentiellement, l’IA vise à rendre les machines plus intelligentes. Il s’agit de simuler l’intelligence humaine dans des machines afin de les faire penser et agir comme nous, les humains.

L’IA permet aux véhicules de reconnaître des objets, de prédire ce qui pourrait se passer ensuite, voire de réagir à des situations inattendues, et d’être meilleurs que les conducteurs humains pour conduire dans des situations de circulation complexes. Selon Statista, le marché mondial de l’IA automobile devrait atteindre une taille de 74.5 milliards de dollars. 

Selon l'étude de la NHTSALes erreurs humaines, comme les troubles de la vue et de l'ouïe, sont à l'origine d'environ 93 % des accidents de la route. L'utilisation de l'IA dans les véhicules autonomes, sous forme de capteurs et d'algorithmes, peut permettre de rendre les moyens de transport plus sûrs et plus sécurisés, réduisant ainsi considérablement le nombre de victimes d'erreurs humaines. La capacité de l'IA à apprendre l'environnement et à s'y adapter rend la technologie plus performante pour gérer les routes et les situations complexes.

L’IA est utilisée dans les AV de plusieurs manières :

• Cette technologie peut aider les véhicules utilitaires autonomes à prédire le comportement des autres conducteurs et piétons en équipant le véhicule de la capacité d'utiliser des analyses, de prédire tout problème, puis de l'empêcher de se produire.
• En utilisant l’apprentissage automatique, dans le cadre duquel un modèle est formé sur des ensembles de données étiquetés pour mapper correctement les entrées aux sorties, les IA peuvent aider les AV dans la reconnaissance et la modélisation d’objets. Pendant ce temps, un modèle formé sur des ensembles de données non étiquetés peut aider les AV à détecter les anomalies, à comprendre des situations complexes et à extraire des fonctionnalités.
• Les AV s'appuient sur des capteurs tels que des caméras, des Lidar, des radars et des capteurs à ultrasons pour obtenir des informations sur leur environnement. Ici, les algorithmes d’IA peuvent analyser ces données pour générer des cartes détaillées, permettant aux AV de prendre des décisions éclairées.
• En tirant parti du traitement du langage naturel (NLP), les AV peuvent utiliser la reconnaissance vocale pour interagir avec les passagers. De cette façon, l’IA peut aider les véhicules à comprendre les demandes humaines et à y répondre efficacement. 
• En permettant des décisions sur place basées sur les données des capteurs en temps réel, l'IA aide les AV à décider si la meilleure réponse est de ralentir ou de s'arrêter. De cette façon, l’IA aide les AV dans les situations dangereuses où les humains sont enclins à commettre des erreurs. La technologie le fait en analysant les flux de données via ses capteurs. Il fonctionne en fait bien mieux en matière de détection du trafic transversal, de surveillance active des angles morts, de synchronisation avec les feux de circulation et de contrôle d'urgence du véhicule.

Dans l’ensemble, l’IA dans les véhicules utilitaires peut aider à collecter des données en temps réel, à détecter et identifier des objets, à optimiser la trajectoire, à naviguer dans les conditions routières et à prédire les pannes. Tous ces cas d’utilisation de l’IA aident les véhicules autonomes à réduire le trafic, à accélérer les économies d’énergie, à améliorer l’accessibilité, à améliorer l’efficacité et à accroître la sécurité. 

Cette technologie est déjà utilisée par des constructeurs automobiles du monde entier. Par exemple, le pilote automatique de Tesla. parcouru plus de 3 milliards de kilomètres dans ce mode depuis près d'une décennie. La Tesla d'Elon Musk exploite des algorithmes d'IA sophistiqués pour un contrôle précis. 

Waymo en est un autre qui utilise un système de conduite autonome basé sur l'IA pour une planification d'itinéraire complexe et des réactions intelligentes à son environnement. L’entreprise a testé ses véhicules en parcourant des dizaines de milliards de kilomètres en simulation.

L'assistant numérique de Daimler, le SUV R10 e-tron d'Audi et le système de conduite autonome EQR4 de Mercedes-Benz en sont d'autres exemples. Parmi les autres contributeurs majeurs à l'IA dans les véhicules autonomes figurent BMW, GM, Nissan, Uber, Volvo, Bosch, Mobileye, Valeo, Continental, Velodyne, Nvidia et Ford.

Cliquez ici pour découvrir en quoi 2023 a été l’année décisive pour l’IA et à quoi pouvons-nous nous attendre pour l’avenir. 

Les avancées les plus importantes en matière d’IA dans le domaine des véhicules autonomes

2023 a été une année faste pour les avancées de l'IA, qui ont eu un impact sur de nombreux domaines, de l'art à la finance, en passant par la santé, l'éducation, le changement climatique, la recherche, le financement et les véhicules autonomes. Examinons donc quelques-unes des avancées les plus importantes de l'IA en 2023 dans le domaine des véhicules autonomes.

Plus récemment, des chercheurs de l'Université nationale d'Incheon (INU) en Corée développé un nouveau système de détection d'objets 3D de bout en bout, qui est basé sur l'apprentissage profond et compatible avec l'Internet des objets. Ce système confère aux AV des capacités de détection améliorées, même dans des conditions défavorables. 

Répondant à la difficulté des capteurs tels que les caméras, les lidars et les radars étant vulnérables aux obstacles, aux intempéries et aux routes désorganisées, cette étude a adapté l'algorithme YOLOv3 (You Only Look Once) pour identifier les objets 3D en incorporant l'IoT car il permet aux objets d'échanger des données et communiquer sur Internet. 

Le système proposé est conçu pour traiter des images RVB et des données de nuages ​​de points comme entrées. Il génère ensuite des cadres de délimitation classés et étiquetés pour identifier les obstacles. Ce système est capable de détecter un large éventail d’objets et est capable de gérer les variations d’échelle et de rotation.

L'étude a testé le système à l'aide de l'ensemble de données Lyft et a constaté qu'il démontrait une précision plus élevée et une latence plus faible. Selon l'équipe, la polyvalence du système proposé s'étend au-delà des véhicules autonomes, trouvant également des applications potentielles dans la surveillance, la robotique et les jeux.

Un autre projet, Helm.ai, a fait une percée en matière d'IA qui prédit l'intention du conducteur et planifie les chemins optimaux. La société qui crée des logiciels d'IA pour l'automatisation des robots et des véhicules a annoncé que cela permettra à Helm.ai de disposer de déploiements évolutifs L2/L3 et L4. 

Les modèles de base basés sur DNN de la société sont formés à l'aide de sa technologie propriétaire, Deep Teaching, qui utilise des données de conduite réelles pour des environnements de conduite complexes. 

Désormais, son modèle analyse également les véhicules et les piétons environnants afin de prédire avec précision leurs actions probables dans diverses situations urbaines et, sur cette base, de générer le chemin le plus efficace et le plus sûr pour les véhicules autonomes. La plateforme de l'entreprise fonctionne de manière transparente avec différentes configurations matérielles et permet un apprentissage et une validation efficaces.

« Notre plate-forme logicielle répond aux défis critiques de perception des environnements urbains, ouvrant la voie au développement et à la validation évolutifs de la prédiction d'intention et de la planification de chemin basées sur l'IA. » 

– Vladislav Voroninski, PDG de Helm.ai

Cette année, le pionnier du véhicule électrique Tesla a également progressé dans son logiciel Full Self-Driving (FSD). Sa dernière version, 12 (v12), permet à l'entreprise de faire un pas de plus vers l'atteinte du niveau 4 ou du niveau 5 d'autonomie avec ses voitures. 

In Août, Musk a démontré que le FSD v12 conduisait le véhicule de manière autonome et effectuait des tâches telles que le stationnement en créneau, le respect des feux de circulation et la navigation dans les ronds-points. Ce qui distingue cette version des précédentes est la forte dépendance de FSD v12 aux réseaux neuronaux d’auto-entraînement alimentés par l’IA. 

Cela signifie qu'au lieu de demander aux programmeurs humains de coder en dur les réponses pour différents scénarios de conduite, l'IA analysera des tonnes de données collectées à partir des véhicules Tesla et choisira ensuite la réponse la plus appropriée.

Ce développement rapproche Tesla de son objectif général de devenir une entreprise de taxis robots, qui, selon Ark Invest, même dans un scénario baissier, génère 200 milliards de dollars (plus de 600 milliards de dollars selon sa projection la plus optimiste) de revenus annuels.

Plus tôt cette année, une autre avancée a eu lieu pour les AV sous la forme d'un système d'imagerie par caméra, HADAR, ou « détection et télémétrie assistées par la chaleur ».Des chercheurs de l'Université d'État du Michigan et de l'Université Purdue ont utilisé l'IA pour développer HADAR, qui interprète les signatures thermiques pour fournir des images détaillées et nettes tout en éliminant le fouillis optique. 

Leur modèle d'IA a exploité des algorithmes d'apprentissage automatique qui collectent des données provenant de caméras infrarouges commerciales pour reconnaître les propriétés physiques des objets et de leur environnement, permettant ainsi à HADAR de reconstruire des scènes nocturnes claires. 

Étant donné que le système peut détecter avec beaucoup de succès les diagrammes de rayonnement thermique, la formation de matériaux et la température, il présente un vaste potentiel, notamment pour les contrôles de sécurité publique sans contact et même pour surmonter la peur de l'obscurité. Cependant, HADAR fait face à des défis en termes de coût de l'équipement et de nécessité d'un étalonnage en temps réel.

Ford Motor Company a également créé une filiale en propriété exclusive appelé Latitude AI développer un système de conduite automatisée mains libres et sans yeux hors de la route. Le géant de l’automobile a déjà parcouru plus de 50 millions de kilomètres de conduite mains libres dans sa Ford BlueCruise. 

Avec Latitude, l'idée est d'automatiser les moments de conduite fastidieux, stressants et désagréables, comme les longs trajets sur autoroute ou les embouteillages. Doug Field, directeur technique de Ford, a déclaré à propos de la conduite automatisée :

« Nous considérons la technologie de conduite automatisée comme une opportunité de redéfinir la relation entre les gens et leurs véhicules. » 

Réflexions finales

Ainsi, comme nous l'avons vu, en fonction du niveau d'aide humaine nécessaire, les véhicules autonomes relèvent de différentes catégories, à savoir. automatisation pour l'assistance à la conduite, la conduite partiellement automatisée, la conduite hautement automatisée, la conduite entièrement automatisée et le véhicule entièrement automatisé. Avec l’avènement de l’IA, la possibilité que les AV atteignent enfin leurs étapes finales est plus proche que jamais.

L’avenir du marché de l’IA dans l’industrie automobile est clairement prometteur. Il s’élevait à plus de 6 milliards de dollars en 2022 et devrait croître à un TCAC de 55 % d’ici 2032. 

Les progrès des algorithmes d’IA, tels que les technologies de capteurs, la puissance de calcul et les solutions de maintenance prédictive, aideront davantage les véhicules autonomes à relever leurs défis et à être adoptés par le grand public !

Cliquez ici pour tout savoir sur l’investissement dans l’intelligence artificielle.