Bien que les voitures autonomes et les robots sophistiqués utilisent des caméras avancées, des algorithmes informatiques et l’intelligence artificielle (IA) pour percevoir leur environnement, ces yeux artificiels peinent à rester performants dans des conditions d’éclairage mixtes. Une équipe de chercheurs, codirigée par un ingénieur de l’Université de Penn State, a proposé une solution qui imite le fonctionnement de l’œil humain pour s’adapter en quelques secondes à une forte luminosité puis à une faible intensité lumineuse.
Ils y sont parvenus en modifiant la conception d’un des principaux composants électriques de ces systèmes optiques, grâce à un nouveau dispositif qui se dilate ou se contracte en fonction de l’intensité lumineuse. Cette approche, décrite en détail dans un article publié aujourd’hui (9 juin) dans Nature Communications , ouvre la voie à la conception de systèmes capables de traiter les données lumineuses plus rapidement et de manière plus adaptative que l’être humain.
Les composants améliorés sont appelés résistances à mémoire, ou « memristors » : de minuscules dispositifs électriques capables de stocker des informations ou des données dans un système, même en l’absence de la source d’alimentation initiale. Ces dispositifs imitent le fonctionnement complexe des neurones dans le cerveau, qui traitent et stockent les données. Les photomemristors sont un type de memristor capable de détecter et de collecter des informations lumineuses, puis de les convertir en courant électrique, un processus qui pourrait alimenter plus efficacement les appareils photo et les systèmes optiques de pointe.
Selon Larry Cheng , professeur agrégé de génie mécanique et de sciences de l’ingénieur à Penn State et co-auteur de l’article, les photomemristors traditionnels sont calibrés et optimisés pour des conditions d’éclairage constantes. Bien que cela permette aux systèmes de fonctionner correctement dans des environnements lumineux comme dans l’obscurité, maintenir la précision de la reconnaissance dans des conditions d’éclairage variables ou mixtes peut s’avérer complexe.
« Les voitures autonomes sont exposées à des niveaux de luminosité très variables lorsqu’elles sont en circulation — imaginez le contraste entre le ciel sombre et les phares des autres voitures la nuit », explique Cheng. « Dans ces conditions d’éclairage mixte, il peut être difficile pour un système optique artificiel de distinguer des détails, comme la lueur d’une lumière rouge. »
À l’intérieur de l’œil humain, une série de bâtonnets et de cônes permettent d’adapter la vision aux différentes conditions d’éclairage. Des pigments spécifiques présents dans les bâtonnets permettent à l’œil de distinguer les détails, même dans l’obscurité. En pleine lumière, ces pigments « blanchissent » avant de se régénérer lentement, tandis que les cônes restent actifs, permettant ainsi à l’œil de percevoir les contrastes. L’équipe a émis l’hypothèse que ce processus, reproduit dans un photomemristor, pourrait offrir une surveillance plus adaptative et plus précise que les systèmes traditionnels.
Pour ce faire, l’équipe a principalement utilisé deux matériaux pour la fabrication de ses photomemristors : un plastique extensible et gélatineux appelé PEDOT:PSS, et l’oxyde de titane (TiO₂), un composé blanc et poudreux dérivé du titane. Selon Cheng, le TiO₂ capte la lumière ambiante et la convertit en courant électrique, appelé photocourant. Cette tension traverse ensuite la surface conductrice du PEDOT:PSS et module la quantité d’eau absorbée par le plastique.
Cheng a expliqué que le matériau absorbe rapidement l’eau dans l’obscurité et la désorbe à la lumière, asséchant ainsi le PEDOT:PSS. Cet effet permet au dispositif d’autoréguler sa sensibilité en fonction des informations lumineuses captées dans l’environnement.
« Cette différence de conception fondamentale nous permet de nous adapter dynamiquement aux variations de luminosité, contrairement aux systèmes traditionnels généralement conçus pour un scénario statique », explique Cheng. « En imitant le fonctionnement de l’œil, nous pouvons créer des photomemristors beaucoup plus fiables pour les applications en environnements lumineux mixtes. »
L’équipe a d’abord testé ses dispositifs en les exposant à différentes intensités de lumière ultraviolette (UV). Les tests ont montré que les nouveaux photomemristors pouvaient détecter l’intensité de la lumière UV de manière plus efficace et précise, tout en fournissant des mesures constantes quelle que soit l’humidité ambiante. Cette flexibilité et cette utilité sont réunies dans un format compact : chaque photomemristor ne mesure qu’un demi-millimètre de diamètre, soit légèrement moins que l’épaisseur d’une carte de crédit.
« En principe, leur taille peut être adaptée à l’application », a déclaré Cheng. « En connectant des photomemristors individuels pour former un réseau, nous pouvons mieux reconnaître les grandes configurations lumineuses dans l’environnement sans augmenter la taille du photomemristor, ce qui préserve sa flexibilité. »
Pour évaluer plus en détail les composants, l’équipe a conçu une expérience similaire à un test ophtalmologique. Un réseau de quatre par quatre photomemristors a été intégré à un réseau neuronal, une forme d’intelligence artificielle qui imite le traitement des données par les neurones pour identifier des formes, afin de créer un système de vision rudimentaire comparable à ceux utilisés dans les voitures et les robots.
L’équipe a ensuite placé une série de LED en forme de « F » devant un fond LED plus grand, dont elle pouvait ajuster la luminosité. Selon Cheng, cela s’explique par la ressemblance entre le « F » et le « E » utilisé dans les tests de vision classiques, tout en étant légèrement plus facile à distinguer. Après avoir ajusté l’éclairage, l’équipe a programmé le système de vision pour qu’il identifie précisément le « F » sur le fond.
Après seulement sept cycles d’entraînement, le dispositif associé au réseau neuronal pouvait identifier des motifs de lettres avec une précision supérieure à 95 % dans un environnement à éclairage mixte.
La figure du haut illustre le dispositif expérimental : les chercheurs ont éclairé intensément un « F » par une LED sur un fond LED légèrement plus sombre et à intensité variable. La figure du bas visualise les informations lumineuses traitées par le réseau neuronal durant l’expérience. En quelques secondes seulement, le réseau neuronal s’adapte aux conditions d’éclairage mixtes pour distinguer avec précision le « F » présenté. Crédit : Jia Zhu . Tous droits réservés .
« Nos yeux s’adaptent mieux aux variations de luminosité, mais cette adaptation peut prendre de 20 à 30 minutes pour être complète », explique Cheng. « Ces photomemristors s’adaptent beaucoup plus rapidement aux conditions d’éclairage que l’œil humain, tout en capturant des informations détaillées sur l’environnement extérieur. »
À l’avenir, l’équipe prévoit de perfectionner les photomemristors afin de créer un système de détection multimodal plus vaste, capable d’interpréter simultanément les données visuelles et tactiles de l’environnement. L’intégration de plusieurs modes de détection dans un seul dispositif permettrait de réduire considérablement la consommation énergétique de ces systèmes.
« À plus long terme, cette technologie pourrait permettre aux personnes malvoyantes de voir grâce à l’optique artificielle », a déclaré Cheng, expliquant qu’une autre application potentielle résiderait dans les systèmes existants qui alimentent les voitures autonomes. « Elle pourrait également jouer un rôle majeur dans l’interaction et la collaboration homme-robot, permettant à des systèmes comme les robots industriels de mieux fonctionner dans l’obscurité ou dans des environnements en constante évolution. »
Cheng est également affilié à des organismes tels que le génie mécanique, le génie biomédical, le génie architectural, le génie industriel et de production, la science et le génie des matériaux, ainsi qu’à l’ Institut de recherche sur les matériaux . Des informations complémentaires sur les collaborateurs et le financement sont disponibles dans l’article. L’équipe a déposé une demande de brevet provisoire pour cette technologie.
