Les véhicules autonomes peuvent suivre les règles générales des routes américaines, reconnaître les feux de circulation et les marquages ​​au sol, remarquer les passages pour piétons et autres caractéristiques régulières des rues. Mais ils ne fonctionnent que sur des routes bien balisées qui sont soigneusement scannées et cartographiées à l'avance.

De nombreuses routes goudronnées, bien que, avoir de la peinture fanée, des panneaux masqués derrière des arbres et des intersections inhabituelles. En outre, 1,4 million de miles de routes américaines - un tiers des routes publiques du pays - ne sont pas pavées, sans signaux routiers comme les marquages ​​au sol ou les lignes d'arrêt ici. Cela n'inclut pas les kilomètres de routes privées, allées non pavées ou sentiers hors route.

Que doit faire une voiture autonome respectant les règles lorsque les règles ne sont pas claires ou inexistantes ? Et que doivent faire ses passagers lorsqu'ils découvrent que leur véhicule ne peut pas les amener là où ils vont ?

Comptabilité de l'obscur

La plupart des défis dans le développement de technologies avancées impliquent la gestion de situations peu fréquentes ou peu courantes, ou des événements qui nécessitent des performances au-delà des capacités normales d'un système. C'est certainement vrai pour les véhicules autonomes. Certains exemples sur route peuvent être la navigation dans des zones de construction, rencontrer un cheval et un buggy, ou voir des graffitis qui ressemblent à un panneau d'arrêt. Hors route, les possibilités incluent toute la variété du monde naturel, comme des arbres au-dessus de la route, inondations et grandes flaques d'eau - ou même des animaux bloquant le chemin.

Au Centre des systèmes véhiculaires avancés de l'Université d'État du Mississippi, nous avons relevé le défi de former des algorithmes pour répondre à des circonstances qui n'arrivent presque jamais, sont difficiles à prévoir et complexes à créer. Nous cherchons à placer les voitures autonomes dans le scénario le plus difficile possible :conduire dans une zone dont la voiture n'a aucune connaissance préalable, sans infrastructure fiable comme la peinture routière et les panneaux de signalisation, et dans un environnement inconnu où il est tout aussi probable de voir un cactus qu'un ours polaire.

Notre travail combine la technologie virtuelle et le monde réel. Nous créons des simulations avancées de scènes extérieures réalistes, que nous utilisons pour entraîner des algorithmes d'intelligence artificielle à prendre un flux de caméra et à classer ce qu'il voit, étiqueter les arbres, ciel, voies ouvertes et obstacles potentiels. Ensuite, nous transférons ces algorithmes à un véhicule d'essai à traction intégrale spécialement conçu et l'envoyons sur notre piste d'essai tout-terrain dédiée, où nous pouvons voir comment nos algorithmes fonctionnent et collecter plus de données pour alimenter nos simulations.

Démarrage virtuel

Nous avons développé un simulateur qui peut créer un large éventail de scènes extérieures réalistes pour les véhicules à parcourir. Le système génère une gamme de paysages de différents climats, comme les forêts et les déserts, et peut montrer comment les plantes, les arbustes et les arbres poussent avec le temps. Il peut également simuler les changements météorologiques, la lumière du soleil et le clair de lune, et les emplacements précis de 9, 000 étoiles.

Le système simule également les lectures de capteurs couramment utilisés dans les véhicules autonomes, tels que le lidar et les caméras. Ces capteurs virtuels collectent des données qui alimentent les réseaux de neurones en tant que données d'entraînement précieuses.

Construire une piste d'essai

Les simulations sont aussi bonnes que leurs représentations du monde réel. Mississippi State University a acheté 50 acres de terrain sur lequel nous développons une piste d'essai pour les véhicules autonomes tout-terrain. La propriété est excellente pour les essais hors route, avec des pentes inhabituellement raides pour notre région du Mississippi - jusqu'à 60 pour cent de pentes - et une population de plantes très diversifiée.

Nous avons sélectionné certaines caractéristiques naturelles de ce terrain qui, selon nous, seront particulièrement difficiles pour les véhicules autonomes, et les a reproduits exactement dans notre simulateur. Cela nous permet de comparer directement les résultats de la simulation et les tentatives réelles de navigation sur le terrain réel. Finalement, nous allons créer des appariements réels et virtuels similaires d'autres types de paysages pour améliorer les capacités de notre véhicule.

Collecter plus de données

Nous avons également construit un véhicule d'essai, appelé le projet Halo, qui a un moteur électrique et des capteurs et des ordinateurs qui peuvent naviguer dans divers environnements hors route. La voiture Halo Project dispose de capteurs supplémentaires pour collecter des données détaillées sur son environnement réel, qui peut nous aider à créer des environnements virtuels dans lesquels exécuter de nouveaux tests.

Deux de ses capteurs lidar, par exemple, sont montés à angles d'intersection à l'avant de la voiture de sorte que leurs faisceaux balaient le sol qui s'approche. Ensemble, ils peuvent fournir des informations sur la rugosité ou le lissage de la surface, ainsi que la capture des lectures de l'herbe et d'autres plantes et objets sur le sol.

Nous avons vu quelques premiers résultats passionnants de nos recherches. Par exemple, nous avons montré des résultats préliminaires prometteurs selon lesquels les algorithmes d'apprentissage automatique entraînés sur des environnements simulés peuvent être utiles dans le monde réel. Comme pour la plupart des recherches sur les véhicules autonomes, il y a encore du chemin à faire, but our hope is that the technologies we're developing for extreme cases will also help make autonomous vehicles more functional on today's roads.

Cet article est republié à partir de The Conversation sous une licence Creative Commons. Lire l'article original.