Le récent décès d'Uber dans une voiture autonome souligne le fait que la technologie n'est toujours pas prête pour une adoption généralisée. L'une des raisons est qu'il n'y a pas beaucoup d'endroits où les voitures autonomes peuvent réellement conduire. Des entreprises comme Google ne testent leurs flottes que dans les grandes villes où elles ont passé d'innombrables heures à étiqueter méticuleusement les positions 3D exactes des voies, bordures, les bretelles de sortie et les panneaux d'arrêt.

En effet, si vous vivez le long des millions de kilomètres de routes américaines non pavées, éteint ou marqué de manière non fiable, Vous n'avez pas de chance. Ces rues sont souvent beaucoup plus compliquées à cartographier, et obtenez beaucoup moins de trafic, il est donc peu probable que les entreprises développent des cartes 3D pour elles de si tôt. Du désert de Mojave en Californie aux montagnes blanches du Vermont, il y a d'énormes pans de l'Amérique pour lesquels les voitures autonomes ne sont tout simplement pas prêtes.

Une solution consiste à créer des systèmes suffisamment avancés pour naviguer sans ces cartes. Dans une première étape importante, une équipe du Laboratoire d'informatique et d'intelligence artificielle (CSAIL) du MIT a développé MapLite, un nouveau cadre qui permet aux voitures autonomes de conduire sur des routes qu'elles n'ont jamais empruntées auparavant sans cartes 3D.

MapLite combine des données GPS simples que vous trouverez sur Google Maps avec une série de capteurs qui observent les conditions routières. En tandem, ces deux éléments ont permis à l'équipe de rouler de manière autonome sur plusieurs routes de campagne non goudronnées à Devens, Massachusetts, et détecter de manière fiable la route plus de 100 pieds à l'avance. (Dans le cadre d'une collaboration avec le Toyota Research Institute, les chercheurs ont utilisé une Toyota Prius qu'ils ont équipée d'une gamme de capteurs LIDAR et IMU.)

« La raison pour laquelle ce type d'approche « sans carte » n'a pas vraiment été fait auparavant est qu'il est généralement beaucoup plus difficile d'atteindre la même précision et la même fiabilité qu'avec des cartes détaillées, " déclare Teddy Ort, étudiant diplômé du CSAIL, qui était l'auteur principal d'un article connexe. "Un système comme celui-ci qui peut naviguer uniquement avec des capteurs embarqués montre le potentiel des voitures autonomes capables de gérer réellement les routes au-delà du petit nombre que les entreprises technologiques ont cartographié."

Le papier, qui sera présenté en mai à l'International Conference on Robotics and Automation (ICRA) à Brisbane, Australie, a été co-écrit par Daniela Rus, professeure au MIT, et Liam Paull, diplômé de doctorat, qui est maintenant professeur adjoint à l'Université de Montréal.

Comment ça fonctionne

Pour tous les progrès réalisés avec les voitures autonomes, leurs compétences de navigation sont encore pâles par rapport à celles des humains. Réfléchissez à la façon dont vous vous déplacez :si vous essayez de vous rendre à un endroit précis, vous branchez probablement une adresse sur votre téléphone puis la consultez occasionnellement en cours de route, comme lorsque vous approchez des intersections ou des sorties d'autoroute.

Cependant, si vous deviez vous déplacer dans le monde comme la plupart des voitures autonomes, vous regarderiez essentiellement votre téléphone tout le temps que vous marchez. Les systèmes existants reposent encore fortement sur des cartes, en utilisant uniquement des capteurs et des algorithmes de vision pour éviter les objets dynamiques comme les piétons et autres voitures.

En revanche, MapLite utilise des capteurs pour tous les aspects de la navigation, en s'appuyant uniquement sur les données GPS pour obtenir une estimation approximative de l'emplacement de la voiture. Le système définit d'abord à la fois une destination finale et ce que les chercheurs appellent un "objectif de navigation locale", qui doit être à portée de vue de la voiture. Ses capteurs de perception génèrent alors un chemin pour y arriver, utilisant LIDAR pour estimer l'emplacement des bords de la route. MapLite peut le faire sans marquage routier physique en faisant des hypothèses de base sur la façon dont la route sera relativement plus plate que les zones environnantes.

"Notre approche minimaliste de la cartographie permet une conduite autonome sur les routes de campagne en utilisant l'apparence locale et des caractéristiques sémantiques telles que la présence d'une place de parking ou d'une route secondaire, " dit Rus.

L'équipe a développé un système de modèles « paramétrés », ce qui signifie qu'ils décrivent des situations multiples qui sont quelque peu similaires. Par exemple, un modèle peut être suffisamment large pour déterminer ce qu'il faut faire aux intersections, ou quoi faire sur un type de route spécifique.

MapLite diffère des autres approches de conduite sans carte qui reposent davantage sur l'apprentissage automatique en s'entraînant sur les données d'un ensemble de routes, puis en étant testées sur d'autres.

« En fin de compte, nous voulons pouvoir poser à la voiture des questions telles que 'Combien de routes fusionnent à cette intersection ?' », explique Ort. « En utilisant des techniques de modélisation, si le système ne fonctionne pas ou est impliqué dans un accident, on comprend mieux pourquoi."

MapLite est encore limité à bien des égards. Il n'est pas encore assez fiable pour les routes de montagne, car il ne tient pas compte des changements spectaculaires d'altitude. Comme prochaine étape, l'équipe espère étendre la variété de routes que le véhicule peut gérer. En fin de compte, ils aspirent à ce que leur système atteigne des niveaux de performances et de fiabilité comparables à ceux des systèmes cartographiés, mais avec une gamme beaucoup plus large.

"J'imagine que les voitures autonomes du futur utiliseront toujours des cartes 3D dans les zones urbaines, " dit Ort. " Mais lorsqu'il est appelé à faire un voyage hors des sentiers battus, ces véhicules devront être aussi bons que les humains pour conduire sur des routes inconnues qu'ils n'ont jamais vues auparavant. Nous espérons que notre travail est un pas dans cette direction."