Des chercheurs du Département d'informatique de l'Université d'Oxford, en collaboration avec des collègues de l'Université de Bogazici, en Turquie, ont mis au point un nouveau système d'intelligence artificielle (IA) pour permettre aux véhicules autonomes (VA) d'atteindre une capacité de navigation plus sûre et plus fiable, en particulier dans des conditions météorologiques défavorables et Scénarios de conduite sans GPS. Les résultats ont été publiés aujourd'hui dans Nature Machine Intelligence .

Yasin Almalioglu, qui a terminé la recherche dans le cadre de son doctorat au département d'informatique, a déclaré :"La difficulté pour les véhicules audiovisuels d'obtenir un positionnement précis lors de conditions météorologiques difficiles est l'une des principales raisons pour lesquelles ils ont été limités à des essais à relativement petite échelle jusqu'à Par exemple, des conditions météorologiques telles que la pluie ou la neige peuvent amener un AV à se détecter dans la mauvaise voie avant un virage, ou à s'arrêter trop tard à une intersection en raison d'un positionnement imprécis."

Pour surmonter ce problème, Almalioglu et ses collègues ont développé un nouveau modèle d'apprentissage en profondeur auto-supervisé pour l'estimation des mouvements de l'ego, un composant crucial du système de conduite d'un AV qui estime la position de déplacement de la voiture par rapport aux objets observés depuis la voiture elle-même. Le modèle a réuni des informations riches en détails provenant de capteurs visuels (qui peuvent être perturbés par des conditions défavorables) avec des données provenant de sources résistantes aux intempéries (telles que des radars), afin que les avantages de chacun puissent être utilisés dans différentes conditions météorologiques.

Le modèle a été formé à l'aide de plusieurs ensembles de données AV accessibles au public qui comprenaient des données provenant de plusieurs capteurs tels que des caméras, des lidars et des radars dans divers paramètres, y compris des niveaux de lumière/obscurité variables et des précipitations. Ceux-ci ont été utilisés pour générer des algorithmes pour reconstruire la géométrie de la scène et calculer la position de la voiture à partir de nouvelles données. Dans diverses situations de test, les chercheurs ont démontré que le modèle présentait des performances robustes par tous les temps, y compris des conditions de pluie, de brouillard et de neige, ainsi que de jour comme de nuit.

L'équipe prévoit que ce travail rapprochera les VA d'une conduite autonome sûre et fluide par tous les temps, et finalement d'une utilisation plus large au sein des sociétés.

Le professeur Niki Trigoni, du Département d'informatique de l'Université d'Oxford, qui a co-supervisé l'étude, a déclaré :« La capacité de positionnement précis fournit une base pour de nombreuses fonctionnalités essentielles des véhicules audiovisuels telles que la planification des mouvements, la prédiction, la connaissance de la situation et l'évitement des collisions. . Cette étude fournit une solution complémentaire passionnante pour la pile logicielle audiovisuelle afin d'atteindre cette capacité."

Le professeur Andrew Markham (Département d'informatique, Université d'Oxford), également codirecteur de l'étude, a ajouté :« L'estimation de l'emplacement précis des véhicules audiovisuels est une étape cruciale pour parvenir à une conduite autonome fiable dans des conditions difficiles. Cette étude exploite efficacement les aspects de différents capteurs pour aider les véhicules audiovisuels à naviguer dans des scénarios quotidiens difficiles." + Explorer plus loin

Les mauvaises données météorologiques pourraient aider les véhicules autonomes à voir