Des chercheurs du Département d’informatique de l’Université d’Oxford , en collaboration avec des collègues de l’Université de Bogazici, en Turquie, ont développé un nouveau système d’intelligence artificielle (IA) pour permettre aux véhicules autonomes (VA) d’obtenir une capacité de navigation plus sûre et plus fiable, en particulier dans des conditions météorologiques défavorables.
Yasin Almalioglu , qui a terminé la recherche dans le cadre de son doctorat au département d’informatique, a déclaré: «La difficulté pour les véhicules audiovisuels d’obtenir un positionnement précis lors de conditions météorologiques difficiles est l’une des principales raisons pour lesquelles ceux-ci ont été limités à des essais à relativement petite échelle jusqu’à jusqu’à maintenant. Par exemple, des conditions météorologiques telles que la pluie, le brouillard ou la neige peuvent amener un AV à se détecter dans la mauvaise voie avant un virage, ou à s’arrêter trop tard à une intersection en raison d’un positionnement imprécis ».
Pour surmonter ce problème, Almalioglu et ses collègues ont développé un nouveau modèle d’apprentissage en profondeur auto-supervisé pour l’estimation des mouvements de l’ego, un composant crucial du système de conduite d’un AV qui estime la position de déplacement de la voiture par rapport aux objets observés depuis la voiture elle-même. Le modèle a réuni des informations richement détaillées provenant de capteurs visuels (qui peuvent être perturbés par des conditions défavorables) avec des données provenant de sources résistantes aux intempéries (telles que des radars), de sorte que les avantages de chacun peuvent être utilisés dans différentes conditions météorologiques.
Le modèle a été formé à l’aide de plusieurs ensembles de données audiovisuels accessibles au public, qui comprenaient des données provenant de plusieurs capteurs tels que des caméras, des lidars et des radars dans divers paramètres, y compris des variations de lumière/obscurité et de précipitations. Ceux-ci ont été utilisés pour générer des algorithmes pour reconstruire la géométrie de la scène et calculer la position de la voiture à partir de nouvelles données. Dans diverses situations de test, les chercheurs ont démontré que le modèle présentait des performances robustes par tous les temps, y compris des conditions de pluie, de brouillard et de neige, ainsi que de jour comme de nuit.
L’estimation de l’emplacement précis des VA est une étape cruciale pour parvenir à une conduite autonome fiable dans des conditions difficiles. Cette étude exploite efficacement les aspects complémentaires de différents capteurs pour aider les AV à naviguer dans des scénarios quotidiens difficiles
Professeur Andrew Markham, Département d’informatique, Université d’Oxford
L’équipe prévoit que ce travail rapprochera les VA d’une conduite autonome sûre et fluide par tous les temps, et finalement d’une utilisation plus large au sein des sociétés.
Le professeur Niki Trigoni , du département d’informatique d’Oxford, qui a co-supervisé l’étude avec le professeur Andrew Markham , a déclaré: «La capacité de positionnement précis fournit une base pour de nombreuses fonctionnalités essentielles des VA telles que la planification de mouvement, la prédiction, la connaissance de la situation, et évitement des collisions. Cette étude fournit une solution complémentaire passionnante pour la pile logicielle audiovisuelle afin d’atteindre cette capacité.
L’article complet, Positionnement robuste basé sur l’apprentissage profond pour la conduite autonome par tous les temps, est publié dans Nature Machine Intelligence .
