Une nouvelle technologie aide les voitures sans conducteur à naviguer dans le mauvais temps – IoT World Today

Un nouveau système d’intelligence artificielle a été développé qui permet aux véhicules autonomes (VA) de mieux naviguer par mauvais temps.

Des chercheurs du Département d’informatique de l’Université d’Oxford ont travaillé aux côtés d’une équipe de l’Université Bogazici, à Istanbul, en Turquie, sur le projet. Leurs découvertes ont été publié dans la revue scientifique à comité de lecture, Nature Machine Intelligence.

Le résumé explique ce que les chercheurs espéraient aborder : “La capacité de connaître leur emplacement précis sur la carte est une condition préalable difficile pour des véhicules audiovisuels sûrs et fiables en raison des imperfections des capteurs dans des conditions environnementales et météorologiques défavorables, ce qui constitue un obstacle formidable à leur utilisation généralisée. .”

Essentiellement, les véhicules audiovisuels courent un risque accru de se détecter dans une position incorrecte dans des conditions météorologiques extrêmes telles que de fortes pluies, du grésil ou de la neige, ce qui pourrait affecter les capteurs. Cela pourrait avoir des conséquences dangereuses dans certains scénarios, si, par exemple, l’AV s’est détecté dans une voie incorrecte avant un virage ou à la mauvaise position à une intersection, où il pourrait ne pas s’arrêter à temps.

Pour résoudre ce problème, les chercheurs ont développé une nouvelle méthode auto-supervisée modèle d’apprentissage en profondeur pour ce que l’on appelle “l’estimation des mouvements de l’ego”. Il s’agit d’un composant clé d’une pile algorithmique de conduite autonome qui estime la position de déplacement de la voiture par rapport aux obstacles observés depuis le véhicule.

Le modèle a pris en compte les informations provenant de capteurs tels que des caméras, des lidars et des radars – qui sont tous affectés de différentes manières par différentes conditions météorologiques, telles qu’une faible luminosité ou des précipitations – afin que les avantages de chacun puissent être utilisés dans des conditions variables.

Une sélection d’ensembles de données AV accessibles au public a été utilisée pour générer des algorithmes capables de recréer la géométrie d’une scène et de calculer la position d’une voiture à partir de nouvelles données. Des tests dans diverses conditions, y compris le brouillard, la neige et la pluie, ont prouvé la robustesse du modèle.

L’équipe estime que ses recherches marquent une percée importante, avec le résumé concluant : “Nous prévoyons que notre travail rapprochera les VA d’une conduite autonome sûre et fiable par tous les temps.

Et le professeur Andrew Markham, du département d’informatique de l’Université d’Oxford, qui a co-supervisé 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 complémentaires de différents capteurs pour aider les véhicules audiovisuels à naviguer dans des scénarios quotidiens difficiles”, a-t-il déclaré.

Un nouveau système d’intelligence artificielle a été développé qui permet aux véhicules autonomes (VA) de mieux naviguer par mauvais temps.

Des chercheurs du Département d’informatique de l’Université d’Oxford ont travaillé aux côtés d’une équipe de l’Université Bogazici, à Istanbul, en Turquie, sur le projet. Leurs découvertes ont été publié dans la revue scientifique à comité de lecture, Nature Machine Intelligence.

Le résumé explique ce que les chercheurs espéraient aborder : “La capacité de connaître leur emplacement précis sur la carte est une condition préalable difficile pour des véhicules audiovisuels sûrs et fiables en raison des imperfections des capteurs dans des conditions environnementales et météorologiques défavorables, ce qui constitue un obstacle formidable à leur utilisation généralisée. .”

Essentiellement, les véhicules audiovisuels courent un risque accru de se détecter dans une position incorrecte dans des conditions météorologiques extrêmes telles que de fortes pluies, du grésil ou de la neige, ce qui pourrait affecter les capteurs. Cela pourrait avoir des conséquences dangereuses dans certains scénarios, si, par exemple, l’AV s’est détecté dans une voie incorrecte avant un virage ou à la mauvaise position à une intersection, où il pourrait ne pas s’arrêter à temps.

Pour résoudre ce problème, les chercheurs ont développé une nouvelle méthode auto-supervisée modèle d’apprentissage en profondeur pour ce que l’on appelle “l’estimation des mouvements de l’ego”. Il s’agit d’un composant clé d’une pile algorithmique de conduite autonome qui estime la position de déplacement de la voiture par rapport aux obstacles observés depuis le véhicule.

Le modèle a pris en compte les informations provenant de capteurs tels que des caméras, des lidars et des radars – qui sont tous affectés de différentes manières par différentes conditions météorologiques, telles qu’une faible luminosité ou des précipitations – afin que les avantages de chacun puissent être utilisés dans des conditions variables.

Une sélection d’ensembles de données AV accessibles au public a été utilisée pour générer des algorithmes capables de recréer la géométrie d’une scène et de calculer la position d’une voiture à partir de nouvelles données. Des tests dans diverses conditions, y compris le brouillard, la neige et la pluie, ont prouvé la robustesse du modèle.

L’équipe estime que ses recherches marquent une percée importante, avec le résumé concluant : “Nous prévoyons que notre travail rapprochera les VA d’une conduite autonome sûre et fiable par tous les temps.

Et le professeur Andrew Markham, du département d’informatique de l’Université d’Oxford, qui a co-supervisé 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 complémentaires de différents capteurs pour aider les véhicules audiovisuels à naviguer dans des scénarios quotidiens difficiles”, a-t-il déclaré.

— to www.iotworldtoday.com