Zenuity fait appel au CERN pour mieux traiter les vastes quantités de données des véhicules autonomes

C’est une alliance qui vise à améliorer les recherches en matière de véhicule autonome, et donc à accélérer leur développement. Zenuity, co-entreprise formée par Volvo et Autoliv, a annoncé le 29 août 2019 un partenariat avec le CERN, l'Organisation européenne pour la recherche nucléaire. Son objectif : accélérer la recherche sur les véhicules autonomes, plus précisément en matière de machine learning.

Le CERN développe des techniques d’apprentissage automatique qui pourraient "améliorer la technologie des véhicules autonomes", explique. Zenuity, basé en Suède, va s’appuyer sur les travaux du CERN afin de mieux gérer les volumes de données et réduire la consommation de mémoire.

De la physique des particules à la conduite autonome

Le centre de recherches franco-suisse analyse environ un milliard de collisions proton-proton se produisant chaque seconde dans le Grand collisionneur de hadrons (LHC). "Les expériences LHC ont besoin d’effectuer un tri rapide parmi un gros volume de données afin de sélectionner les collisions à analyser, précise le Cern. Afin de pouvoir traiter, à l’avenir, un nombre de collisions par seconde encore plus élevé, les scientifiques étudient des méthodes informatiques, et entre autres des techniques d’apprentissage automatique".

Ces techniques sont exécutées par des puces appelées dispositifs logiques programmables (FPGA). "Contrairement au processeur central d’un ordinateur (CPU), ces puces suivent des instructions simples et réalisent un grand nombre d’opérations en parallèle, détaille le Cern. Avec jusqu’à 100 liaisons en série à haute vitesse, elles peuvent supporter des entrées et des sorties à grande largeur de bande. Leur capacité à effectuer un traitement en parallèle et à être reprogrammées les rend appropriées pour des applications d’apprentissage automatique".

Etudier les données de conduite normale et anormale

Si les FPGA sont utilisés depuis de nombreuses années pour un grand nombre d’applications, le CERN s’intéresse désormais à la façon dont elles pourraient être appliquées à la conduite autonome. Il s’agit de "faire en sorte que le processus de prise de décision rapide utilisé pour les collisions de particules puisse contribuer à prévenir les collisions sur la route".

Pour ce faire, un logiciel spécifique a été développé pour les expériences basées au Cern, baptisé "hls4ml", pour réduire les algorithmes et produire des codes adaptés aux dispositifs logiques programmables sans perte de la précision ou de la performance. Cela "a permis aux puces d’exécuter des algorithmes de prise de décision en l’espace de quelques microsecondes". Cette approche n'est pas nouvelle. Microsoft a notamment équipé ses centres de calculs Azure de puces FPGA ces dernières années afin de proposer des services d'accélération de calcul pour le deep learning.

Améliorer les prises de décisions des systèmes de conduite

Zenuity, qui crée des logiciels de conduite autonome, va donc se pencher sur l’utilisation de techniques et logiciels développés par le CERN afin d’exécuter des modèles d’apprentissage profond (deep learning) sur FPGA. Ces modèles seront adaptés pour traiter non pas des données de physique des particules, mais pour interpréter les immenses quantités de données résultant des conditions de conduite normales.

Les informations fournies par les capteurs de la voiture vont par exemple permettre d’identifier les piétons et les véhicules, et à terme d’améliorer et de rendre plus rapides les décisions prises par les voitures autonomes, et donc d’éviter des collisions. Selon Intel, l’ensemble des données captées par un véhicule autonomes générerait 4000 gigaoctets de données chaque jour d'ici 2020.

Sélectionné pour vous

Grâce à l'IA, FireTracking détecte les feux de forêt en Indre-et-Loire

La France compte désormais 751 start-up dans l'IA, en hausse de 27% sur deux ans

DeepLife lève 10 millions de dollars pour ses modèles virtuels de cellules humaines