Actualité web & High tech sur Usine Digitale

Recevez chaque jour toute l'actualité du numérique

x

Comment la simulation rend plus intelligents les véhicules autonomes... et vice versa

Pour permettre aux véhicules de se sortir seuls d’une situation, les ingénieurs apprennent à tout simuler.

Twitter Facebook Linkedin Flipboard Email
×

Comment la simulation rend plus intelligents les véhicules autonomes... et vice versa
Le défi, pour les chercheurs, consiste à intégrer dans un modèle unique des données hétérogènes.

En 2015, une demi-douzaine de voitures paradaient en mode automatique aux abords du salon des systèmes et services de transport intelligents (ITS) de Bordeaux. Constructeurs, équipementiers, ingénieristes, chacun y est allé de son démonstrateur. La course vers le véhicule autonome n’en est pas terminée pour autant. De nombreux défis restent à relever, notamment dans le domaine de la simulation, car le véhicule autonome n’est pas encore prêt à passer entre les mains de monsieur Tout-le-monde. « Les technologies d’automatisation existent. Ce qu’il reste à faire, c’est réduire leur coût, mais aussi s’assurer qu’elles fonctionnent dans toutes les situations », résume Marc Charlet, le directeur général du pôle de compétitivité Mov’eo.

 

Certes, la plupart des fonctions d’un véhicule autonome sont aujourd’hui disponibles sous la forme d’aides à la conduite. Et tous les modèles haut de gamme actuels en proposent, du freinage d’urgence au régulateur adaptatif, en passant par l’assistant embouteillage. Mais ces fonctions correspondent à une automatisation de niveau 3, selon la norme SAE J3016 qui régit la conduite automatisée à l’échelle internationale. Le véhicule est capable de piloter seul dans certaines situations, mais le conducteur doit être prêt à reprendre la main à tout moment. Il faut aujourd’hui atteindre le niveau 4, celui où le véhicule peut se sortir seul d’une situation, même si le conducteur ne reprend pas le volant. Ingénieurs et chercheurs en simulation sont largement mis à contribution. "Pour que les véhicules autonomes acquièrent une autonomie décisionnelle, nous travaillons dans trois directions : connaître son environnement, ­comprendre les situations et calculer des trajectoires sûres et qui respectent certains critères de confort et d’économie d’énergie", expose Frédéric Mathis, le directeur du programme Véhicules à l’institut Vedecom. Un défi qui oblige les spécialistes de la simulation à franchir un nouveau palier.

 

1 Comprendre l’environnement

Pour se repérer, le véhicule autonome est équipé de capteurs et d’algorithmes de reconnaissance d’images qui identifient le marquage au sol, les feux et les panneaux routiers. Cela ne suffit pas. Pour anticiper au maximum les situations, il devra échanger avec les autres usagers et avec l’infrastructure. Les standards de communication existent, il reste à les appliquer. "Nous développons des plates-formes de simulation pour les communications entre véhicules, confirme Bruno Grandjean, le directeur de programmes pour le pôle de compétitivité Véhicule du futur. L’idée est de mettre des véhicules réels dans un environnement virtuel, qui a l’avantage d’être maîtrisé, donc reproductible. Puis nous testons les communications entre des modèles de marques différentes et nous simulons la montée en charge, lorsque des milliers de véhicules échangeront simultanément."

 

2 Identifier les situations à risque

Dès lors que le véhicule parvient à se repérer dans son environnement, il lui faut être capable d’identifier les situations à risque. "Il y a de véritables enjeux autour de la perception, car le véhicule peut rencontrer tout type d’objet sur la route et il doit faire la différence entre les vrais obstacles et ceux qui n’en sont pas, afin de ne pas surréagir, assure Vincent Abadie, le responsable innovation et technologies des aides à la conduite chez PSA Peugeot Citroën. Pour ces questions, nous faisons appel à la fusion de ­capteurs." Celle-ci est devenue le nerf de la guerre ces dernières années, d’après Sébastien Glaser, chargé du projet Véhicule à conduite déléguée à l’institut Vedecom.

 

"Les accidents arrivent quand plusieurs facteurs sont réunis, par exemple quand la route est mouillée et que le conducteur a le soleil en face de lui, explique l’expert. Il nous faut donc acquérir des bases de données de signaux reçus par les ­capteurs dans toutes ces situations, puis les appliquer dans nos modèles de simulation afin de vérifier que l’un des ­capteurs au moins sera capable de détecter les obstacles dans ces conditions dégradées."

 

3 Définir des arbres de décision

Une fois l’environnement connu et les situations identifiées, le véhicule doit pouvoir prendre la bonne décision. "Pour définir les règles, nous développons des systèmes experts à base d’arbres de décision, expose Fawzi Nashashibi, directeur de recherche à l’Institut national de recherche en informatique et en automatique (Inria). Nous y intégrons des techniques mathématiques avancées, comme la logique floue, car pour prendre des décisions simples en apparence (accélérer, freiner, dépasser), la voiture doit se poser beaucoup de questions : suis-je en accord avec le code la route ? Ma consommation est-elle raisonnable ? Le freinage sera-t-il confortable pour les passagers ? C’est une optimisation multicritères en temps réel permanent."

 

Ces technologies d’optimisation constantes sont très gourmandes en ressources informatiques. "Notre choix est de faire de la simulation par étapes, indique Sébastien Glaser. D’abord, nous simulons une fonction en considérant l’environnement comme parfait. Puis nous ajoutons de l’erreur via un autre simulateur. Enfin, nous utilisons un troisième simulateur pour comparer le résultat avec la trajectoire choisie par un humain dans une situation similaire." Pour Dominique Gruyer, le directeur du Laboratoire sur les interactions véhicules-infrastructure-conducteurs (Livic) de l’institut Ifsttar, la principale difficulté vient de la diversité des phénomènes à représenter. "Simuler chaque scène, c’est modéliser les caractéristiques de la route, des autres usagers, des obstacles, de l’environnement, sans oublier le conducteur avec son niveau d’attention ou la direction de son regard, et ce sont à chaque fois des moteurs de simulation différents", indique-t-il. Les constructeurs ont encore du travail à accomplir s’ils veulent proposer leurs premiers véhicules autonomes de niveau 4 à partir de 2018.

 

Pourquoi est-ce si difficile de tout simuler ?

Pour évaluer la réponse du véhicule autonome dans une situation à risque, il faut représenter virtuellement un très grand nombre d’objets : les obstacles (vulnérables, comme les piétons, ou non vulnérables, comme les autres véhicules), la route (avec son revêtement, une certaine adhérence, des marquages plus ou moins bien dessinés), le véhicule (son comportement, ses caractéristiques mécaniques, son état de santé, sa localisation), l’environnement (niveau de visibilité, présence de pluie, panneaux routiers) et le conducteur (niveau d’attention, direction du regard, état de fatigue…). Ces objets ont tous leurs modèles de simulation, dans des langages et des logiciels différents. Le défi, pour les chercheurs, consiste à intégrer dans un modèle unique toutes ces données hétérogènes, ce qui demande d’énormes ressources de calcul. 

 

Réagir

* Les commentaires postés sur L’Usine Digitale font l’objet d’une modération par l’équipe éditoriale.

 
media
Suivez-nous Suivre l'Usine Digitale sur twitter Suivre l'Usine Digitale sur facebook Suivre l'Usine Digitale sur Linked In RSS Usine Digitale