Passer au contenu principal

16 Mar, 2026

Des « yeux » supplémentaires pour les voitures autonomes : des capteurs radar en bord de route pourraient réduire les angles morts.

Des « yeux » supplémentaires pour les voitures autonomes : des capteurs radar en bord de route pourraient réduire les angles morts.

Le scientifique principal Kun Woo Cho avec un prototype d’appareil EyeDAR. Jared Jones/Université Rice

Les véhicules autonomes (VA) sont de plus en plus présents sur les routes, mais garantir leur sécurité optimale pourrait nécessiter, au-delà de leurs spécifications techniques, une modernisation de l’infrastructure routière.

EyeDAR, un capteur radar à ondes millimétriques basse consommation de la taille d’une orange, pourrait fournir aux VA équipés de radars des informations cruciales sur la circulation environnante, améliorant ainsi la précision de leurs détections.

Installés à des points stratégiques tels que les feux de signalisation et les intersections, ces capteurs discrets et peu coûteux permettraient aux VA de détecter en permanence les obstacles imprévus, même hors de portée de leurs capteurs embarqués ou en cas de visibilité fortement réduite.

Kun Woo Cho , chercheur postdoctoral à l’Université Rice et responsable du projet de recherche EyeDAR, a présenté cette technologie lors de HotMobile , l’atelier international sur les systèmes et applications informatiques mobiles, qui s’est tenu à Atlanta les 25 et 26 février.

Ashutosh Sabharwal et Kun Woo Cho (Photo de Jared Jones/Université Rice)

« Les systèmes de capteurs automobiles actuels, comme les caméras et les lidars, peinent à fonctionner en cas de faible visibilité, par exemple sous la pluie, dans le brouillard ou en faible luminosité », explique Cho, qui travaille au sein du laboratoire d’ Ashutosh Sabharwal , professeur titulaire de la chaire Ernest Dell Butcher en ingénierie et professeur de génie électrique et informatique à l’université Rice. « Le radar, en revanche, fonctionne de manière fiable par tous les temps et dans toutes les conditions d’éclairage, et peut même voir à travers les obstacles. »

Les systèmes radar émettent des signaux dans une direction donnée. Lorsqu’un obstacle se trouve sur leur trajectoire, une partie du signal est réfléchie vers la source, emportant avec elle des informations sur l’obstacle. Cependant, seule une petite fraction du signal radar émis est réfléchie, la majeure partie étant en réalité diffusée loin du dispositif émetteur.

Dans le contexte des véhicules autonomes, cela signifie qu’une grande partie du signal radar émis par leur système de détection se disperse, réduisant ainsi leur vision de l’environnement. Les piétons surgissant derrière de gros véhicules, les voitures avançant lentement aux intersections ou les cyclistes arrivant sous des angles inhabituels peuvent facilement passer inaperçus. Grâce à son placement sur les infrastructures routières telles que les feux de circulation, les panneaux stop ou les lampadaires, EyeDAR peut capter les réflexions radar qui seraient autrement perdues. La structure unique du dispositif lui permet de déterminer la direction des signaux réfléchis et de transmettre cette information aux véhicules autonomes.

« C’est comme ajouter une paire d’yeux supplémentaire aux systèmes radar automobiles », explique Cho, spécialiste de la conception d’antennes métamatérielles.

(Photos de Jared Jones/Université Rice)

EyeDAR se distingue par un design simple et élégant, inspiré d’un capteur réel d’une grande efficacité : l’œil humain. L’appareil se compose de deux éléments principaux : une lentille de Luneberg imprimée en 3D à partir de résine, qui fonctionne comme le cristallin de l’œil en focalisant les signaux entrants de toutes directions sur un point focal situé sur la surface opposée ; et un réseau d’antennes entourant la lentille à l’arrière, qui fonctionne comme une rétine, détectant le signal et déterminant sa direction.

Alors que les systèmes radar conventionnels s’appuient sur de grands réseaux d’antennes et des algorithmes complexes pour estimer les angles, la conception physique d’EyeDAR effectue la majeure partie des calculs généralement nécessaires à la radiogoniométrie, l’une des tâches les plus gourmandes en énergie et en données du traitement radar.

« Notre lentille est composée de plus de 8 000 éléments extrêmement petits, de formes uniques et à indice de réfraction variable », a expliqué Cho.

Grâce à une répartition ciblée de ces éléments, la structure de la lentille interagit intelligemment avec les signaux radar entrants, les acheminant vers l’emplacement précis sur le réseau d’antennes. Cette approche s’est avérée fructueuse : lors des tests, EyeDAR a permis de déterminer la direction des cibles plus de 200 fois plus rapidement que les radars traditionnels.

Kun Woo Cho tient un prototype de capteur EyeDAR dans la chambre anéchoïque où il est testé. (Photo : Jared Jones/Université Rice)

De plus, EyeDAR communique ce qu’il voit sans émettre de nouveaux signaux. Le capteur absorbe alternativement les ondes radar entrantes et les réfléchit vers le radar source sous une forme qu’il peut interpréter comme une séquence de 0 et de 1.

« Comme du morse clignotant », a déclaré Cho. « EyeDAR est un capteur interactif : c’est la première fois qu’une fonction de détection radar et de communication est intégrée dans un seul dispositif. »

Cette combinaison de détection et de communication, au sein d’une architecture compacte, économique et à faible consommation, permet de déployer un grand nombre de capteurs sur les routes. Dans le cas des véhicules autonomes, le système promet d’être particulièrement utile dans les environnements urbains denses et à fort trafic. Cependant, son champ d’application potentiel est bien plus vaste : EyeDAR pourrait être intégré à des robots, des drones et des plateformes portables. Les réseaux de ces capteurs pourraient également partager des informations entre eux, permettant à chaque appareil de voir bien au-delà de son propre champ de vision.

Cho a indiqué être particulièrement intéressée par ce que représente le système d’un point de vue informatique. Alors que les systèmes autonomes interagissent de plus en plus directement avec les humains, Cho soutient que la conception physique intelligente devra compléter l’intelligence artificielle.

« EyeDAR est un exemple de ce que j’aime appeler “l’informatique analogique” », a-t-elle conclu. « Ces vingt dernières années, l’accent a été mis sur les aspects numériques et logiciels du calcul, tandis que les aspects analogiques et matériels ont été négligés. Je souhaite explorer ce domaine de conception analogique encore inexploré. »

https://news.rice.edu/news/2026/extra-set-eyes-self-driving-cars-roadside-radar-sensors-could-reduce-blind-spots