Les véhicules autonomes révolutionnent l'industrie automobile
Mouser présente les composants clés et les innovations de communication nécessaires à l'adoption d'un véhicule entièrement autonome.
Nous nous pencherons également sur quelques-unes des préoccupations d’ordre éthique qui font encore obstacle à l’acceptation sociale des véhicules autonomes. Quels seront les thèmes abordés par cette série d’articles de blog ?
- Dans quelle mesure la conduite autonome transforme-t-elle le paysage de l’industrie automobile ?
- Surmonter les perceptions et adopter les technologies de conduite autonome.
- Automatisation des véhicules : les étapes clés.
- Les technologies de capteurs pour véhicules autonomes.
- V2V et V2I : des données critiques pour les véhicules autonomes.
- Établissement d’un cadre éthique pour les véhicules autonomes.
Les constructeurs automobiles doivent aujourd’hui faire face à de nombreux défis à l’échelle mondiale. L’un d’entre eux est bien sûr de proposer désormais des versions électriques de leurs modèles phares, mais le plus compliqué de tous est sans doute de poursuivre l’objectif de figurer parmi les leaders sur le marché des technologies pour véhicules autonomes. De nombreux véhicules sont déjà dotés de systèmes avancés d’aide à la conduite (ADAS) dont les plus répandus sont le détecteur d’angles morts et le régulateur de vitesse adaptatif, mais il y a encore un grand pas à franchir avant que la machine ne remplace entièrement le conducteur.
Il faut bien plus qu’un ADAS pour remplacer le facteur humain par des algorithmes d’apprentissage automatique dans une situation telle que traverser un carrefour encombré. Outre ces considérations techniques, la conduite autonome suscite diverses réactions et émotions révélatrices de préoccupations profondément sociales.
Les constructeurs automobiles ne sont pas les seuls à souhaiter l’avènement des véhicules autonomes, c’est évidemment aussi un grand enjeu pour les organisations nationales et régionales de sécurité routière. L’Union européenne dénombre en moyenne 25 000 morts sur les routes chaque année. Selon une opinion largement partagée, les véhicules autonomes parviendront à réduire considérablement la mortalité routière. Dotés de plusieurs méthodes de détection, les systèmes de conduite autonomes sont censés détecter les risques de façon beaucoup plus fiable et rapide que n’importe quel humain.
Les véhicules autonomes présentent en outre l’avantage de pouvoir communiquer instantanément entre eux, notamment pour éviter tout accident causé par l’incompréhension entre conducteurs humains. L’identification des risques de collision est donc un aspect particulièrement important des technologies de conduite autonome, mais cela implique que les systèmes autonomes doivent d’abord apprendre le comportement des usagers humains de la route. C’est un long apprentissage qui échoit aux algorithmes d’apprentissage automatique. Mais on le sait, les réseaux de neurones profonds (DNN) aiment être alimentés en données. Énormément de données. Plus ils disposeront d’informations, plus les systèmes de conduite autonome seront sûrs.
Grâce à la connectivité sans fil, le véhicule recevra aussi en permanence des mises à jour concernant la sécurité routière, établies à partir de l’expérience des autres véhicules autonomes. Le concept d’intelligence collective repose sur la capacité des véhicules à transmettre en flux continu des informations vers des systèmes de gestion basés dans le cloud de façon à créer une importante base de connaissances.
Les données transmises par les véhicules individuels peuvent ainsi être partagées avec tous les véhicules autonomes existants et à venir au moyen de mises à jour logicielles. C’est l’approche adoptée par Tesla, par exemple. L’entreprise collecte et analyse les données d’activité de ses véhicules depuis leur mise en circulation et les utilise dans le cadre du développement continu de ses systèmes autonomes.
Il est indéniable que cette collecte de données permet entre autres avantages d’améliorer les connaissances acquises, mais la méthode suscite des interrogations quant à la confidentialité des données. Qui est autorisé à collecter, analyser et distribuer les données d’un véhicule et comment cela est-il réglementé ? Qu’en est-il du respect de la vie privée des occupants du véhicule ? Qui s’assure de la présence des mécanismes de contrôle et qui les surveille ? Une approche consiste à traiter les données de façon anonyme en retirant toute information permettant d’identifier des personnes, mais en conservant l’accès aux activités du véhicule afin de pouvoir en dégager des tendances. De nombreux aspects liés à l’accès aux données et à la confidentialité des données doivent être régis par des autorités légales et réglementaires.
Extraire l’intelligence à partir des données collectées
Il est encore heureux que les accidents de la route soient des événements relativement rares au regard du temps que passe un véhicule sur la route, mais cela ne facilite pas le travail des spécialistes des données chargés de créer des réseaux de neurones pour la conduite autonome. Pour que de tels réseaux neuronaux soient efficaces, les algorithmes ont besoin de grandes quantités de données afin d’en déduire comment les accidents se produisent et pour qu’ils puissent ainsi, une fois déployés, identifier instantanément un événement potentiellement mortel qui se présente en cours de déplacement et y réagir en conséquence.
Dès lors, puisque la quantité d’accidents réels n’est pas suffisante, la simulation revêt un rôle prépondérant dans la formation des systèmes d’apprentissage automatique. Des chercheurs de l’Université de la Sarre en Allemagne ont en effet développé une solution grâce à laquelle il n’est pas nécessaire de provoquer des accidents réels pour alimenter les algorithmes. Dans cette solution, les réseaux de neurones sont formés à l’aide de simulations : des scénarios d’accidents ou d’éventuels événements que des systèmes autonomes auront peine à identifier et à résoudre.
Cependant, et même si l’on dispose pour cela de riches bases de connaissances, la vérification basée sur la simulation pose encore un problème, qui est celui de décider de la probabilité de chaque scénario. Il convient en outre de simuler des situations résultant de la défaillance d’un composant du système, par exemple d’un capteur. Imaginons qu’un capteur tombe en panne. Le système pourrait croire qu’une collision est imminente alors que la route est dégagée, mais lorsque plusieurs capteurs transmettent simultanément leurs données au réseau de neurones, celui-ci est en mesure de s’autodiagnostiquer et, le cas échéant, d’avertir les occupants du véhicule et de mettre le véhicule en mode de sécurité.
Le fait d’enregistrer les expériences des véhicules facilite le processus d’apprentissage en permettant aux véhicules autonomes d’apprendre de leurs propres erreurs et de celles enregistrées par les autres véhicules. Les données qui permettent aux constructeurs de former à nouveau leurs réseaux de neurones peuvent être téléchargées chaque nuit si nécessaire. D’aussi fréquentes mises à jour devraient permettre de maintenir un niveau de sûreté élevé des véhicules autonomes. Nous l’avons déjà souligné plus haut, la confidentialité des données est un point important, car la vie privée des occupants de ces véhicules doit être respectée et protégée. Le traitement anonymisé des données permet de le garantir, mais il doit s’effectuer dans un cadre légal clairement établi et faire l’objet d’un accord entre propriétaires et constructeurs des véhicules.
D’autre part, concernant le développement et la mise à jour de véhicules autonomes sûrs et fiables, les constructeurs peuvent envisager la possibilité de développer une solution collaborative plutôt que de créer des systèmes propriétaires. En mettant en commun leurs scénarios de formation, les constructeurs automobiles augmentent la probabilité que toutes les situations possibles aient été identifiées, ce qui serait un avantage pour eux, mais surtout bénéfique pour la sécurité des utilisateurs. En outre, il est également envisageable qu’afin d’identifier un maximum d’incidents potentiels, les organismes nationaux de sécurité routière et les acteurs de l’industrie automobile décident d’unir leurs efforts pour définir ensemble des programmes de formation normalisés.
Les systèmes de conduite autonome reposent aussi sur les données fournies par une myriade de capteurs pour assurer des déplacements en toute sécurité. Il convient à cette fin d’établir un cadre de protocoles de haut niveau définissant comment réagir lorsqu'un accident ne peut être évité. Or, ce concept « d’arbre de décision » est un sujet déjà controversé, car la sécurité des occupants des véhicules et des autres usagers de la route est une priorité absolue. Préparer un tel cadre de sécurité est une opération complexe et très sensible qui relève du dilemme juridique et social. C’est ce que nous examinerons plus en détail dans un prochain épisode de cette série d’articles de blog.
www.mouser.com
