voiture_autonome_mit_2018

Dans le domaine des voitures autonomes, les algorithmes de contrôle de changements de voies constituent un sujet d’étude important. Mais la plupart des algorithmes déjà existant ont l’un de ces deux inconvénients : soit ils reposent sur des modèles statistiques détaillés de l’environnement, ce qui est parfois difficile à assembler ou trop complexes à analyser en temps réel, ou ils sont si simples qu’ils peuvent mener à des décisions peu pratiques, comme ne jamais changer de voie.

Lors de la conférence internationale sur la robotique et l’automatisation de demain, les chercheurs du laboratoire d’informatique et d’intelligence artificielle (CSAIL) du MIT présenteront un nouvel algorithme de changement de voies qui sera différent. Il permet des changements de voie plus agressifs que les modèles simples, mais ne repose que sur des informations en temps réel sur les directions et les vitesses des autres véhicules pour prendre des décisions.

Comment faire mieux avec moins ?

Les chercheurs du MIT se sont posé cette question : « Que pouvons-nous faire avec le moins d’informations possible? », Explique Alyssa Pierson, première auteure de cette nouvelle étude. « Comment pouvons-nous avoir un véhicule autonome se comportant comme un conducteur humain pourrait se comporter? Quelle est la quantité minimale d’informations dont la voiture a besoin pour provoquer ce comportement humain? »

«La solution d’optimisation assurera une navigation avec des changements de voies pouvant modéliser toute une gamme de styles de conduite, du conservateur à l’agressif, avec des garanties de sécurité», explique Rus, qui est le directeur de CSAIL.

Un moyen habituellement utilisé par les véhicules autonomes pour ne pas faire de collisions est de calculer des zones tampons autour des autres véhicules dans l’environnement. Ces zones tampons décrivent non seulement les positions actuelles des véhicules, mais aussi leurs probables futures positions dans un certain laps de temps. Cette planification des changements de voies devient alors simplement une question de rester en dehors des zones tampons des autres véhicules.

Des zones tampons optimales calculées à l’avance

Pour toute méthode donnée de calcul des zones tampons, les concepteurs d’algorithmes doivent prouver qu’il garantit que des collisions ne se produiront pas, dans le contexte du modèle mathématique utilisé pour décrire les modèles de trafic. Cette preuve peut être complexe, de sorte que les zones tampons optimales sont généralement calculées à l’avance. En fonctionnement, le véhicule autonome appelle alors les zones tampons pré-calculées correspondant à sa localisation.

Le problème est que si le trafic est suffisamment rapide et dense, les zones tampons pré-calculées peuvent être trop restrictives. Un véhicule autonome ne parviendra pas à changer de voie, tandis qu’un conducteur humain glissera facilement autour de la route.

 Une distribution gaussienne probabiliste

Avec le système des chercheurs du MIT, si les zones tampons par défaut conduisent à des performances bien pires que celles d’un pilote humain, le système calculera de nouvelles zones tampons en temps réel – avec la preuve d’une prévention des collisions.

Cette approche dépend d’une méthode mathématiquement efficace pour décrire les zones tampons, de sorte que la preuve qu’il ne se produira pas de collision peut être exécutée rapidement, et c’est ce que les chercheurs du MIT ont développé.

Ils commencent par une distribution dite gaussienne – une distribution de probabilité familière de la courbe en cloche. Cette distribution représente la position actuelle de la voiture, en tenant compte à la fois de sa longueur et de l’incertitude de son estimation de l’emplacement.
photo_1Une distribution probabiliste

Ensuite, sur la base des estimations de la direction et de la vitesse de la voiture, le système des chercheurs construit une fonction dite logistique. La multiplication de la fonction logistique par la distribution gaussienne fausse la distribution dans la direction du mouvement de la voiture, avec des vitesses plus élevées augmentant l’inclinaison.

Une nouvelle zone tampon mathématiquement très simple

La distribution asymétrique définit la nouvelle zone tampon du véhicule. Mais sa description mathématique est très simple – en utilisant seulement quelques variables d’équation – que le système peut l’évaluer en temps réel.

Les chercheurs ont testé leur algorithme dans une simulation comprenant jusqu’à 16 voitures autonomes conduisant dans un environnement avec plusieurs centaines d’autres véhicules.

«Les véhicules autonomes n’étaient pas en communication directe, mais ils ont exécuté l’algorithme proposé en parallèle sans conflit ni collision», explique Pierson. « Chaque voiture a utilisé un seuil de risque différent qui a produit un style de conduite différent, ce qui nous a permis de créer des pilotes conservateurs et agressifs. L’utilisation des zones tampons statiques et pré-calculées ne permettrait qu’une conduite prudente, alors que notre algorithme dynamique permet une plus large gamme de styles de conduite.  »

Ce projet a été soutenu, en partie, par la Toyota Research Institute et l’Office of Naval Research.

Source : MIT