Un lundi matin de janvier de cette année, un homme est monté dans sa berline Tesla, tiré sur une autoroute à l'extérieur de Los Angeles, et engagé le mode "Autopilot" semi-autonome du véhicule. La voiture jonglait avec les entrées de 8 caméras, 12 capteurs à ultrasons et un radar pour naviguer sur l'autoroute, éviter les autres véhicules et rester dans les lignes pointillées. Puis, il a foncé droit à l'arrière d'un camion de pompiers arrêté.
La technologie des véhicules autonomes est souvent louée pour sa capacité à rendre les routes plus sûres, et pour cause. Mais des situations comme celle décrite ci-dessus démontrent que même les véhicules semi-autonomes d'aujourd'hui ont de sérieux problèmes à régler. Heureusement, des chercheurs comme Xin Li travaillent d'arrache-pied pour résoudre certains des problèmes les plus fondamentaux actuellement rencontrés par la technologie des voitures autonomes afin de réduire à terme les décès liés aux véhicules à moteur.
"Il y a quelques années, j'ai commencé à parler à quelques constructeurs automobiles aux États-Unis des problèmes auxquels ils étaient confrontés avec les voitures autonomes, " dit Li, professeur au Département de génie électrique et informatique des universités Duke et Duke Kunshan. En raison de sa double nomination, Li passe beaucoup de temps en Chine, où il a poursuivi la conversation sur la voiture autonome avec les constructeurs automobiles chinois.
Li dit qu'il y a actuellement deux problèmes principaux qui entravent la technologie de conduite entièrement autonome :le problème de vérification et le problème d'intégration.
Le problème de vérification se résume au dilemme suivant :pour que quelque chose soit prouvé sûr, vous devez d'abord apprendre quelles circonstances le font échouer. « Si vous demandez à votre client de conduire une voiture autonome sur la route, le taux d'échec doit être très, très petit, " dit Li. Comprendre comment calculer ce taux et, par extension, comment alors corriger ces échecs - est devenu une question de recherche centrale pour Li.
Alors comment calculer le taux d'échec ? Une solution consiste simplement à laisser la voiture autonome naviguer dans une zone jusqu'à ce qu'elle fasse une erreur - ne pas s'arrêter à un panneau d'arrêt, par exemple. Mais la plupart de ces échecs se produisent dans de très rares circonstances appelées « cas du coin » (pensez, un rocher dégringolant sur une route de montagne), ce qui signifie que cette approche prendrait un temps prohibitif.
"Il est difficile d'observer physiquement tous les scénarios possibles sur tous les cas de coin, alors nous avons pensé, 'Pourquoi n'utilisons-nous pas un ordinateur et ne demandons-nous pas à l'ordinateur de générer synthétiquement ces cas possibles ?' », explique Li. Au lieu d'attendre qu'une voiture sur la route découvre chaque confluence bizarre de conditions météorologiques et de conducteurs mal lu un feu rouge, L'approche unique de l'équipe de Li crée ces scénarios à l'aide de programmes informatiques intelligents. Ces programmes utilisent des modèles statistiques et des algorithmes pour générer des situations synthétiques permettant au système autonome de naviguer.
Dans un article récent publié dans le numéro de novembre 2017 de Computer-Aided Design, son équipe a montré que des circuits à haute température et vieillissants peuvent dégrader les images recueillies par les caméras d'une voiture autonome. L'équipe a utilisé une technique d'apprentissage automatique appelée Cycle-Consistent Generative Adversarial Networks pour générer des données d'images synthétiques comme si elles étaient recueillies à haute température ou à l'aide d'anciens circuits. Lorsqu'ils ont introduit ces images dégradées dans le système autonome, il a eu du mal à identifier correctement les panneaux d'arrêt. En créant des cas d'échec synthétiques comme celui-ci, Les recherches de Li permettent aux constructeurs automobiles de vérifier plus précisément à quelle fréquence et, plus important, dans quels scénarios un système peut échouer. Li travaille ensuite avec ses collaborateurs de l'industrie pour mettre en œuvre cette nouvelle technologie dans du matériel et des logiciels qui rendent les véhicules autonomes plus sûrs.
Malheureusement, le plus de composants ajoutés à un véhicule autonome, plus les chances que quelque chose se passe mal sont élevées. C'est le paradigme du deuxième obstacle pour les véhicules autonomes :le problème de l'intégration. Les voitures autonomes doivent combiner de manière transparente toutes sortes de systèmes complexes, des modules d'évitement de collision à la détection des feux de circulation, tout en naviguant dans un environnement à 60 miles par heure. Déterminer comment garantir que les composants fonctionnent ensemble rapidement et efficacement constituera la prochaine phase des recherches de Li.
"Franchement, c'est un problème très difficile et nous n'avons pas encore de bonne solution, " dit Li, bien qu'il espère que le développement d'un système informatique plus centralisé pour la voiture pourrait grandement contribuer à l'intégration des fonctionnalités du véhicule.
Li dit qu'il y a aussi un problème plus fondamental auquel est confronté le domaine du développement de voitures autonomes :l'éducation. Alors que la conception de véhicules conventionnels est du domaine des ingénieurs mécaniciens, la construction de véhicules autonomes nécessitera une large expertise en intelligence artificielle, conception de logiciels et ingénierie système. Pour affronter les problèmes de demain, il faudra une nouvelle approche interdisciplinaire. "Je pense qu'il est très important pour un établissement d'enseignement comme Duke de former des étudiants avec la bonne formation afin qu'ils puissent s'engager dans ces domaines émergents lorsqu'ils obtiennent leur diplôme, " dit Li.
Faire des recherches fondamentales sur les voitures autonomes a des enjeux incroyablement élevés. "Lorsque l'industrie adopte ma solution, J'ai la responsabilité de m'assurer que cela va fonctionner… S'il y a une erreur, des gens pourraient être tués, " dit Li. En même temps, travailler sur certaines des plus grandes questions du développement de voitures autonomes est une opportunité incroyable. « À l'heure actuelle, la conduite autonome est un domaine émergent avec de nombreux problèmes ouverts. Cela en fait une période très excitante pour les universitaires comme moi, " dit Li.
