Comment s’assurer que les véhicules autonomes parviennent à anticiper les comportements aléatoires des humains ? La start-up Drive.ai a sans doute trouvé comment s’y prendre : grâce au deep learning et à un système de signalétique original.
Pourquoi Drive.ai est un sérieux client
Pour tenir tête aux géants de l’automobile comme Ford et GM et aux géants du web comme Google et Uber, qui vient tout juste de lancer ses propres essais à Pittsburgh, la jeune Drive.ai a plusieurs cordes à son arc.
D’abord, elle émane directement du monde académique. La startup a été co-fondée par huit personnes. Dont six sont des anciens du laboratoire de recherche en intelligence artificielle de l’Université de Stanford. Les deux professeurs ont par la suite été rejoints par 18 autres chercheurs.
Ensuite, leur approche, développée dans le laboratoire de la prestigieuse université, n’est pas anodine. Elle s’appuie sur les techniques en vogue du deep learning.
Bien que l’on ne dispose que de très peu d’éléments sur la technologie des véhicules de la société, il y a toutes les raisons de croire dans son savoir-faire. Cela fait une dizaine d’années que nombre de ses membres travaille sur le deep learning et l’automation au sein de l’université. Et s’ils ont choisi de quitter le monde universitaire pour fonder leur entreprise aussi brusquement, c’est parce qu’ils estiment que leur technologie est suffisamment mature pour être exploitable et rentable.
Au-delà de l’amélioration des technologies courantes qui habitent les véhicules sans conducteur comme les capteurs et les algorithmes, l’approche de Drive.ai consiste à développer un logiciel entraîné grâce au deep learning. Cette technique leur permettrait de créer un programme plus intelligent et plus à même de comprendre les comportements humains, caractérisés par leur imprévisibilité et leur contingence.
Pour finir, à cette équipe déjà particulièrement capable, il faut ajouter des scientifiques de Google, de GM et de Nissan. Enfin, l’entreprise peut compter sur Steve Girsky, son nouveau conseiller, et accessoirement ancien cadre dirigeant de General Motors et membre de son conseil d’administration. Conseil qu’il a d’ailleurs quitté en avril après sept ans de bons et loyaux services pour rejoindre celui de US. Steel Corp et de Drive.ai.
Dans une interview accordée à IEEE Spectrum, Tamdon explique les avantages de son approche : « lorsque vous développez une voiture autonome, la partie la plus difficile est de parvenir à gérer les situations et cas exceptionnels, comme la pluie ou la neige par exemple. Actuellement, les gens programment des règles spécifiques pour que leur véhicule fonctionne dans ces conditions. L’approche basée sur le deep learning permet au logiciel de savoir comment réagir en apprenant fondamentalement des données qu’il récolte. »
Autrement dit, le deep learning permettrait à un programme informatique de réellement comprendre une situation et d’y apporter une réponse adéquate plutôt que d’engager des développeurs pour créer une règle spécifique pour chacune d’entre elles. Cela veut également dire que le logiciel est en mesure d’apprendre et donc d’improviser et d’améliorer toujours plus la conduite, et ce, en continu.
En avril dernier, Drive.ai devenait la treizième entreprise à recevoir l’autorisation du gouvernement américain d’expérimenter ses véhicules sans conducteur sur les routes de Californie. Confirmant par la même, le statut de pionnier joué par l’état le plus riche des Etats-Unis dans la course au véhicule autonome. En début d’année, seuls la Californie, le Nevada, le Michigan et la Floride autorisaient les tests sur leurs routes. Mais 19 autres sont en train d’étudier la question. En France, le Conseil des Ministres a adopté le mois dernier une ordonnance autorisant les essais sur routes publiques, si la décision se fait tardive en comparaison de certains états américains, elle pourrait toutefois permettre de dépasser considérablement l’ensemble des Etats-Unis puisqu’elle s’appliquerait à la totalité du territoire français.
Une machine communicante
« Les humains sont généralement imprévisibles. Les gens se comportent chacun à leur manière autour des voitures » explique Carol Reily, co-fondatrice de la société.
Un constat que partageait non sans humour le direction technique de la Google Car, Chris Urmson, en mars. Lors du dernier SXSW et pour faire oublier le premier accident causé par une google car, le CTO a souhaité rappeler les difficultés auxquelles ses véhicules doivent faire face. Il listait alors toute une série de situations loufoques et absurdes auxquelles les voitures de Google avaient pu être confrontées : « Nous avons eu des groupes de jeunes qui traversaient la rue à quatre pattes, en sautant comme des grenouilles » ; « Un jour une femme en chaise roulante électrique poursuivait des canards en tournant en rond sur la route« . Des cas particuliers « qui ne figurent pas dans le code de la route » insistait-il avec humour.
Aussi, pour dompter ces imprévisibles humains, la machine doit elle-même soit être extrêmement prudente, ce qui limiterait trop fortement son efficacité puisqu’elle ne pourrait plus rouler convenablement, soit apprendre à les comprendre et à communiquer avec eux.
Car les capteurs et les algorithmes, aussi fins et réactifs soient-ils, ne pourront jamais anticiper tous les comportements étranges des humains. Pour les comprendre, il faut développer sa partie sociale. Une approche déjà utilisée dans le cadre du projet JackRabbot, un robot parcourant les allées du campus de Stanford pour apprendre des trajectoires et comportements de ses étudiants.
Pour développer cette partie sociale, les chercheurs de Drive.ai ont conçu le fameux Retrofit Kit. Un système de signalétique visuelle (et potentiellement sonore) qui indique aux piétons aux alentours les intentions du véhicule. A l’instar d’un conducteur qui ferait un signe de la main à un piéton qui veut traverser, le véhicule informera les humains de ses intentions. Cette communication se fera à travers un affichage positionné sur le toit de la voiture.
L’entreprise à but non-lucratif espère que son dispositif, ou un autre du même acabit, sera adopté mondialement par les constructeurs pour restituer la confiance et la transparence qui existent entre les usagers de la route, qu’ils soient conducteurs ou piétons. Un moyen, surtout, d’étouffer la méfiance de la société civile à l’égard des machines dont les intentions seraient inconnues et donc potentiellement néfastes. Avec un tel système de communication, le véhicule est en mesure de mieux s’intégrer à la circulation et les piétons de mieux anticiper les déplacements du véhicule.
Cet article Drive.ai, la petite start-up qui a trouvé comment sécuriser les voitures autonomes est apparu en premier sur Humanoides.fr.