Intelligence artificielle
IA au volant : comment l’intelligence artificielle conduit l’évolution des véhicules autonomes
Il y a environ 200 ans, des véhicules de haute qualité avec des caractéristiques uniques étaient inimaginables pour une personne ordinaire, mais nous avons parcouru un long chemin depuis, les véhicules électriques et hybrides faisant désormais partie de notre quotidien.
Aujourd’hui, les véhicules autonomes (VA) sont à la pointe de l’innovation automobile qui est entrée dans le grand public avec beaucoup de spectacle et d’attentes. Mais qu’est-ce que c’est, et comment changent-ils le visage des véhicules ? Voyons cela !
Un regard sur l’automatisation dans l’automobile
Les véhicules autonomes (VA) sont des véhicules qui utilisent la technologie pour remplacer partiellement ou complètement le conducteur humain et se conduire eux‑mêmes vers une destination prédéterminée en mode « pilote automatique ». En même temps, ces VA réagissent aux conditions de circulation, évitent les dangers sur la route et offrent davantage de sécurité.
Différents types de technologies utilisées par ces véhicules comprennent des capteurs, des lasers, le radar, le régulateur de vitesse adaptatif, la direction active, les systèmes de freinage antiblocage et la 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:
Level 0: Le véhicule n’a aucun contrôle sur son fonctionnement, le conducteur humain effectuant toute la conduite.Level 1: Le système avancé d’aide à la conduite (ADAS) du véhicule offre la capacité de soutenir le conducteur en matière de direction et de freinage.Level 2: L’ADAS du véhicule supervise l’accélération et le freinage dans certaines conditions, bien que le conducteur humain doive effectuer les tâches nécessaires et rester pleinement attentif à l’environnement tout au long du trajet.Level 3: L’ADAS du véhicule peut exécuter toutes les parties de la tâche de conduite dans certaines conditions, mais lorsque nécessaire, le conducteur humain doit reprendre le contrôle. Ce niveau d’autonomie est actuellement atteint par les VA.Level 4: Le système avancé d’aide à la conduite du véhicule peut accomplir toutes les tâches sans nécessiter l’attention ou l’assistance humaine dans certaines conditions.Level 5: L’ADAS du véhicule peut accomplir absolument toutes les tâches liées à la conduite et dans toutes les conditions sans aucune assistance du conducteur humain. À ce stade, l’automatisation complète est atteinte.
Les véhicules autonomes offrent l’avantage de la commodité et d’une meilleure qualité de vie. De plus, les personnes handicapées et les personnes âgées peuvent gagner en indépendance. Il existe également un potentiel de réduction de la congestion routière, de diminution des coûts de transport, de libération des places de stationnement et de réduction spectaculaire des émissions de CO₂.
Cependant, malgré tout le battage médiatique autour des véhicules autonomes, ils n’ont pas encore atteint le succès escompté. Alors, quel est le problème ?
Défis auxquels sont confrontés les véhicules autonomes
Les véhicules autonomes ou sans conducteur ont suscité des milliards de dollars d’investissements ces dernières années, mais de nombreux revers ont également retardé le lancement des VA ainsi que l’adoption par les clients. Alors, examinons certains des défis les plus importants auxquels ces véhicules sont confrontés.
Environnement de conduite complexe
Les systèmes utilisés par les VA pour suivre les panneaux de signalisation, les feux de circulation et le mouvement des objets sur la route ne sont pas infaillibles. Ils échouent notamment à comprendre les scénarios du monde réel.
Par exemple, si un vol d’oiseaux est posé sur la route, les conducteurs humains comprennent que les oiseaux s’envoleront lorsque le véhicule avancera, mais les VA s’arrêteront soit inutilement, soit freineront brutalement. Les VA échouent également à détecter des interactions sociales complexes comme le geste de la main ou le contact visuel d’un autre conducteur, signalant de passer.
Sans oublier que les VA, à ce jour, ne peuvent pas se comporter en toute sécurité lorsqu’il n’y a aucun panneau de signalisation sur la route. Cela signifie que les VA ne peuvent pas encore fonctionner avec une précision maximale dans n’importe quel lieu, quel que soit le pays.
Si un passager souhaite se rendre à un endroit non inclus dans le système de cartographie, il peut également rencontrer de grandes difficultés car les VA peuvent se désorienter. Cela nécessite des cartes d’itinéraires tridimensionnelles (3D) complexes pour guider le véhicule, ce qui est un processus chronophage si l’on veut atteindre une couverture et une précision adéquates.
Mauvais temps
Un grand défi pour les VA est le mauvais temps. Ces véhicules utilisent une large gamme de capteurs : des caméras pour visualiser et identifier les objets, des lasers pour mesurer leur distance, et le radar pour mesurer la vitesse de l’objet et la direction de son mouvement.
Une fois les données capturées, le système prend une décision, mais la neige, le brouillard ou de fortes pluies rendent difficile le bon fonctionnement des capteurs. Ainsi, les conditions météorologiques défavorables affectent négativement la précision des capacités de détection des VA, ce qui peut compromettre la sécurité des utilisateurs. De plus, les fortes précipitations et des substances comme l’eau, l’huile, la glace ou les débris masquent les marquages de voie.
Coût
Un autre problème majeur avec les VA est le coût ; les capteurs utilisés par ces véhicules, comme le Lidar et le radar, sont coûteux. De plus, le Lidar cherche encore à trouver le bon équilibre entre portée et résolution. Cela soulève donc la question: si plusieurs VA circulent sur la même route, leurs signaux Lidar se gênent‑ils entre eux?
Responsabilité
Une autre grande question concernant les VA est celle de la responsabilité en cas d’accident; qui est responsable des accidents causés par les VA? Cela prendra encore plus d’importance pour les VA de niveau entièrement autonome qui n’auront pas de volant permettant à un humain de reprendre le contrôle du véhicule en cas d’urgence. Ensuite, il y a l’assurance, qui constitue également un domaine flou pour ces véhicules.
Lois et réglementations
Bien que les VA soient entrés dans le grand public, les lois et réglementations qui les entourent restent rares et dispersées. Récemment, le processus réglementaire pour les VA aux États‑Unis est passé d’une orientation fédérale à des mandats au niveau des États.
Pour empêcher l’apparition de « voitures zombies », certains États ont même proposé une taxe au kilomètre. Les législateurs ont également rédigé des projets de loi proposant que tous les VA doivent être équipés d’un bouton de panique.
Cybersécurité
Étant donné le système de transport hautement connecté et le déploiement de la 5G, la confidentialité des données et la cybersécurité sont d’autres problèmes pour ces véhicules. Par exemple, en 2015, Fiat Chrysler a rappelé 1,4 million de ses véhicules pour corriger des bugs car ils pouvaient être piratés et contrôlés à distance. Les VA doivent s’assurer non seulement de ne pas violer la confidentialité des données des consommateurs, mais aussi de protéger les données contre les pirates.
Infrastructure
Afin de mettre les VA sur la route, d’importants investissements doivent être réalisés dans les infrastructures. Les VA nécessitent souvent des marquages de voie clairs, des espaces de stockage des données et un réseau de recharge plus robuste. Cela aura un impact sur le budget de la ville. Ainsi, il faut un dialogue sur les investissements publics ainsi que sur la sensibilisation des communautés et de l’industrie afin d’étendre les infrastructures existantes.
L’IA ouvre la voie aux véhicules autonomes
Face à tous ces défis, l’intelligence artificielle (IA) prend les rênes et ouvre la voie aux véhicules autonomes.
Le fait est que l’industrie automobile a progressé rapidement ces dernières années avec l’avènement de nouvelles technologies. L’IA est l’une de ces technologies qui aide l’industrie automobile à se transformer. Essentiellement, l’IA consiste à rendre les machines plus intelligentes. Elle implique la simulation de l’intelligence humaine dans les machines afin de les faire penser et agir comme nous, les humains.
L’IA permet aux véhicules de reconnaître les objets, de prédire ce qui pourrait se passer ensuite, même de réagir à des situations inattendues, et d’être meilleurs que les conducteurs humains dans la conduite en trafic complexe. Selon Statista, le marché mondial de l’IA automobile devrait atteindre une taille de 74,5 milliards de dollars.
Selon l’étude de la NHTSA, les erreurs humaines comme la vision et l’audition altérées sont à l’origine d’environ 93 % des accidents de la route. Utiliser l’IA dans les VA sous forme de capteurs et d’algorithmes peut permettre des moyens de transport plus sûrs et plus sécurisés, ce qui peut réduire considérablement les victimes causées par les erreurs humaines. La capacité de l’IA à apprendre l’environnement puis à s’adapter rend la technologie plus performante dans la gestion des routes et situations complexes.
L’IA est utilisée dans les VA de plusieurs manières:
- La technologie peut aider les VA à prédire le comportement des autres conducteurs et piétons en équipant le véhicule de la capacité d’utiliser l’analyse, de prévoir les problèmes et de les empêcher de se produire.
- En utilisant l’apprentissage automatique, où un modèle est entraîné sur des ensembles de données étiquetées pour mapper correctement les entrées aux sorties, l’IA peut aider les VA à la reconnaissance et à la modélisation d’objets. Par ailleurs, un modèle entraîné sur des ensembles de données non étiquetées peut aider les VA à la détection d’anomalies, à la compréhension de situations complexes et à l’extraction de caractéristiques.
- Les VA s’appuient sur des capteurs tels que les caméras, le Lidar, le radar et les capteurs ultrasoniques pour obtenir des informations sur leur environnement. Ici, les algorithmes d’IA peuvent analyser ces données pour générer des cartes détaillées, permettant aux VA de prendre des décisions éclairées.
- En tirant parti du traitement du langage naturel (NLP), les VA peuvent utiliser la reconnaissance vocale pour interagir avec les passagers. Ainsi, l’IA peut aider les véhicules à comprendre les questions humaines et à y répondre efficacement.
- En permettant des décisions instantanées basées sur les données des capteurs en temps réel, l’IA aide les VA à décider si la meilleure réponse est de ralentir ou de s’arrêter. Ainsi, l’IA aide les VA dans les situations dangereuses où les humains sont susceptibles de commettre des erreurs. La technologie le fait en analysant les flux de données de ses capteurs. Elle performe réellement beaucoup mieux dans la détection du trafic croisé, la surveillance active des angles morts, la synchronisation avec les feux de circulation et le contrôle d’urgence du véhicule.
Dans l’ensemble, l’IA dans les VA peut aider à collecter des données en temps réel, détecter et identifier les objets, optimiser la trajectoire, naviguer dans les conditions routières et prédire les pannes. Tous ces cas d’utilisation de l’IA aident les véhicules autonomes à réduire le trafic, accélérer les économies d’énergie, améliorer l’accessibilité, augmenter l’efficacité et renforcer la sécurité.
Déjà, la technologie est utilisée par les constructeurs automobiles du monde entier. Par exemple, l’Autopilote de Tesla a parcouru plus de 3 milliards de miles dans ce mode pendant près d’une décennie. La Tesla d’Elon Musk exploite des algorithmes d’IA sophistiqués pour un contrôle précis.
Waymo est un autre acteur qui utilise un système de conduite autonome basé sur l’IA pour la planification d’itinéraires complexes et des réactions intelligentes à son environnement. L’entreprise a testé ses véhicules en simulant des dizaines de milliards de miles.
L’assistant numérique de Daimler, le SUV R10 e-tron d’Audi et le système de conduite autonome EQR4 de Mercedes‑Benz sont d’autres exemples. D’autres contributeurs majeurs à l’IA dans les VA comprennent BMW, GM, Nissan, Uber, Volvo, Bosch, Mobileye, Valeo, Continental, Velodyne, Nvidia et Ford.
Les percées d’IA les plus importantes dans le domaine des véhicules autonomes
2023 a été une excellente année pour les avancées de l’IA, qui ont eu un impact sur tout, de l’art, la finance, la santé et l’éducation au changement climatique, la recherche, le financement et les VA. Ainsi, examinons quelques-unes des percées d’IA les plus importantes de 2023 dans le domaine des véhicules autonomes.
Plus récemment, des chercheurs de l’Incheon National University (INU) en Corée ont 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 offre aux VA des capacités de détection améliorées, même dans des conditions défavorables.
En répondant à la difficulté des capteurs tels que les caméras, lidars et radars qui sont vulnérables aux obstructions, aux conditions météorologiques et aux routes désorganisées, cette étude a adapté l’algorithme YOLOv3 (You Only Look Once) pour identifier les objets 3D en incorporant l’IoT, ce qui permet aux objets d’échanger des données et de communiquer via Internet.
Le système proposé est conçu pour traiter des images RGB et des données de nuage de points comme entrées. Il génère ensuite des boîtes englobantes évaluées et étiquetées pour identifier les obstacles. Ce système est capable de détecter une grande variété d’objets et de gérer les variations d’échelle et de rotation.
L’étude a testé le système en utilisant le jeu de données Lyft et a constaté qu’il présentait une précision supérieure et une latence plus faible. Selon l’équipe, la polyvalence du système proposé s’étend au-delà des véhicules autonomes, trouvant des applications potentielles dans la surveillance, la robotique et les jeux vidéo.
Un autre projet, Helm.ai, a réalisé une percée en IA qui prédit l’intention du conducteur et planifie des trajectoires optimales. L’entreprise qui crée des logiciels d’IA pour l’automatisation des robots et des véhicules a annoncé que cela permettra à Helm.ai d’avoir des déploiements évolutifs de niveaux L2/L3 et L4.
Les modèles de base de l’entreprise, basés sur les réseaux de neurones profonds (DNN), sont entraînés à l’aide de sa technologie propriétaire, Deep Teaching, qui utilise des données de conduite réelles pour des environnements de conduite complexes.
Aujourd’hui, son modèle analyse également les véhicules et piétons environnants afin de prédire avec précision leurs actions probables dans diverses situations urbaines et, sur cette base, génère le trajet le plus efficace et le plus sûr pour les VA. La plateforme de l’entreprise fonctionne de manière fluide avec différentes configurations matérielles et permet un entraînement et une validation efficaces.
“Notre plateforme logicielle répond aux défis critiques de perception des environnements urbains, ouvrant la voie à un développement et une validation évolutifs de la prédiction d’intention et de la planification de trajectoire alimentées par l’IA.”
– Vladislav Voroninski, PDG de Helm.ai
Cette année, le pionnier des véhicules électriques Tesla a également réalisé des avancées dans son logiciel Full Self-Driving (FSD). Sa dernière version, 12 (v12), permet à l’entreprise de se rapprocher davantage de l’atteinte du niveau 4 ou 5 d’autonomie avec ses voitures.
En août, Musk a démontré le FSD v12 en conduisant le véhicule de manière autonome et en effectuant 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 de ses précédentes, c’est sa forte dépendance aux réseaux neuronaux d’auto‑apprentissage alimentés par l’IA.
Cela signifie qu’au lieu de nécessiter que des programmeurs humains codent en dur les réponses pour différents scénarios de conduite, l’IA analysera d’énormes quantités de données collectées auprès des véhicules Tesla et choisira ensuite la réponse la plus appropriée.
Ce développement rapproche Tesla d’un pas de son objectif large de créer une activité de robotaxi, qui, selon Ark Invest, même dans un scénario baissier, génère 200 milliards de dollars (plus de 600 milliards selon sa projection la plus optimiste) de revenus annuels.
Plus tôt cette année, une autre percée est survenue pour les VA sous la forme d’un système d’imagerie par caméra, HADAR, ou « détection et télémétrie assistées par la chaleur ». Des chercheurs de la Michigan State University et de la Purdue University ont utilisé l’IA pour développer le HADAR, qui interprète les signatures thermiques afin de fournir des images détaillées et nettes tout en perçant le bruit optique.
Leur modèle d’IA a exploité des algorithmes d’apprentissage automatique qui collectent des données provenant de caméras infrarouges commerciales afin de reconnaître les propriétés physiques des objets et de leur environnement, permettant au HADAR de reconstruire des scènes nocturnes claires.
Étant donné que le système peut détecter avec succès les motifs de rayonnement thermique, la formation de matériaux et la température, il possède un vaste potentiel, incluant les contrôles de sécurité publics sans contact et même la surmontée de la peur du noir. Cependant, le HADAR fait face à des défis en termes de coût de l’équipement et de besoin de calibration en temps réel.
Ford Motor Company a également créé une filiale entièrement détenue appelée Latitude AI pour développer un système de conduite automatisée mains‑libres, les yeux hors de la route. Le géant automobile a déjà accumulé plus de 50 millions de miles de conduite mains‑libres avec son Ford BlueCruise.
Aujourd’hui, avec Latitude, l’idée est d’automatiser la conduite pendant les périodes fastidieuses, stressantes et désagréables, comme les longs tronçons d’autoroute ou les embouteillages. En parlant de conduite automatisée, le directeur technologique de Ford, Doug Field, a déclaré:
“Nous voyons la technologie de conduite automatisée comme une opportunité de redéfinir la relation entre les personnes et leurs véhicules.”
Réflexions finales
Ainsi, comme nous l’avons vu, selon le niveau d’aide humaine nécessaire, les véhicules autonomes se classent dans différentes catégories, à savoir l’automatisation pour l’assistance au conducteur, la conduite partiellement automatisée, la conduite hautement automatisée, la conduite entièrement automatisée et le véhicule totalement automatisé. Avec l’avènement de l’IA, la possibilité que les VA atteignent enfin leurs dernières étapes 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 avancées des algorithmes d’IA, telles 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 obtenir une adoption généralisée !
Cliquez ici pour tout savoir sur l’investissement dans l’intelligence artificielle.
