Les simulateurs de conduite d'aujourd'hui ont un gros problème :ils ne semblent pas assez réalistes, en particulier les objets d'arrière-plan, tels que les arbres et les marquages ​​routiers. Mais les chercheurs ont développé une nouvelle façon de créer des images photoréalistes pour les simulateurs, ouvrant la voie à de meilleurs tests de voitures sans conducteur.

L'infographie conventionnelle utilise des modèles, des maillages et des textures détaillés pour restituer des images 2D à partir de scènes 3D, un processus laborieux qui produit des images qui ne sont souvent pas réalistes, en particulier en arrière-plan. Pourtant, en utilisant un cadre d'apprentissage automatique appelé Generative Adversarial Network (GAN), les chercheurs ont pu former leur programme pour générer de manière aléatoire des environnements réalistes en améliorant la fidélité visuelle du programme, le niveau de représentation que l'infographie partage avec la réalité.

Ceci est particulièrement important lorsque l'on teste la façon dont les humains réagissent lorsqu'ils sont dans des véhicules sans conducteur ou, alternativement, sur la route avec eux.

"Lorsque les simulations de conduite ressemblent à des jeux informatiques, la plupart des gens ne les prennent pas au sérieux", a déclaré Ekim Yurtsever, auteur principal de l'étude et chercheur associé en génie électrique et informatique à l'Ohio State University. "C'est pourquoi nous voulons que nos simulations ressemblent le plus possible au monde réel."

L'étude a été publiée dans la revue IEEE Transactions on Intelligent Transportation Systems .

Les chercheurs ont commencé avec CARLA, un simulateur de conduite open source, comme base. Ils ont ensuite utilisé un synthétiseur d'images basé sur GAN pour restituer les éléments d'arrière-plan tels que les bâtiments, la végétation et même le ciel, et les combiner avec des objets au rendu plus traditionnel.

Yurtsever a déclaré que les simulations de conduite continueront de nécessiter des techniques de rendu graphique conventionnelles à forte intensité de main-d'œuvre pour afficher les principaux objets d'intérêt, tels que les voitures à proximité. Mais, grâce à l'intelligence artificielle, le GAN peut être formé pour générer des arrière-plans et des avant-plans réalistes à l'aide de données du monde réel.

L'un de ces défis auxquels les chercheurs ont été confrontés était d'apprendre à leur programme à reconnaître des modèles dans leur environnement, une compétence nécessaire pour détecter et créer des objets comme des véhicules, des arbres et des ombres, et pour distinguer ces objets les uns des autres.

"La beauté de cela est que ces motifs et textures dans notre modèle ne sont pas conçus par des ingénieurs", a déclaré Yurtsever. "Nous avons un modèle de reconnaissance de fonctionnalités, mais le réseau de neurones l'apprend par lui-même."

Leurs découvertes ont montré que le mélange d'objets de premier plan différemment du paysage d'arrière-plan améliorait le photoréalisme de l'image entière.

Pourtant, au lieu de modifier une simulation entière en une seule fois, le processus devait être effectué image par image. Mais comme nous ne vivons pas dans un monde image par image, la prochaine étape du projet consistera à améliorer la cohérence temporelle du programme, dans laquelle chaque image est cohérente avec celles d'avant et d'après afin que les utilisateurs vivent une expérience transparente et visuellement captivante. , dit Yurtsever.

Le développement de technologies photoréalistes pourrait également aider les scientifiques à étudier les subtilités de la distraction du conducteur et aider à améliorer les expériences avec de vrais conducteurs, a déclaré Yurtsever. And with access to larger datasets of roadside scenes, more immersive driving simulations could change how humans and AI begin to share the road.

"Our research is an extremely important step in conceptualizing and testing new ideas," Yurtsever said. "We can never actually replace real world testing, but if we can make simulations a little bit better, we can get better insight on how we can improve autonomous driving systems and how we interact with them." + Explorer plus loin

Technique enables real-time rendering of scenes in 3D