Renforcer la sécurité des véhicules autonomes pour atteindre les prochains niveaux d'autonomie
Le développement des nouvelles technologies permettra d'atteindre rapidement les prochains niveaux d'autonomie automobile. Pour autant, la sécurité reste la clé de voute de toute innovation.
Les véhicules autonomes de demain promettent des gains considérables en matière de sécurité et d'efficacité des transports automobiles. Mais pour tenir cette promesse, les équipementiers automobiles doivent dès à présent innover au-delà du niveau actuel d'autonomie des véhicules. Pour y parvenir, il faudra surmonter toute une série de défis pour tester les capteurs radar automobiles dans les systèmes avancés d'aide à la conduite (ADAS) et les systèmes de conduite autonome. Il sera également nécessaire de développer de nouvelles méthodologies pour entraîner les algorithmes que les solutions conventionnelles ont de la peine à résoudre.
La SAE International (anciennement Society of Automotive Engineers) a établi six niveaux d'autonomie des véhicules, le niveau 0 correspondant à une conduite entièrement manuelle et le niveau 5 à une conduite entièrement autonome.
Les systèmes de véhicules autonomes actuels les plus avancés se classent seulement au niveau 3 : ils sont capables de prendre certaines décisions telles que l'accélération ou le freinage sans intervention humaine. Le passage du niveau 3 au niveau 5 nécessitera de nombreuses avancées, notamment la réduction de l'écart entre la simulation logicielle et les essais sur route, ainsi que la formation des algorithmes ADAS et de conduite autonome aux conditions réelles.
Comment rapprocher R&D des conditions de conduite réelles ?
Compte tenu de la complexité des environnements et des dangers inhérents aux différentes phases de tests dans des conditions réelles, la simulation logicielle est essentielle pour le développement de véhicules autonomes. En effet, elle peut aider à valider les capacités des systèmes d'assistance au conducteur et de conduite autonome. Mais elle ne peut pas reproduire entièrement les conditions de conduite réelles ou le potentiel de réponse imparfaite des capteurs - ce à quoi les véhicules entièrement autonomes devront inévitablement faire face.
Les équipementiers s'appuient sur les essais routiers pour valider les systèmes d'aide à la conduite et les systèmes de conduite autonome avant de les mettre sur le marché. Si les essais sur route sont et resteront un élément vital et nécessaire du processus de développement, ils prennent du temps, sont coûteux et difficiles à répéter, en particulier dans le domaine du contrôle des conditions environnementales. Il faudrait des décennies pour mettre au point des véhicules suffisamment fiables pour circuler en toute sécurité sur les routes urbaines et rurales en se fiant uniquement aux essais sur route. Pour que le développement se fasse dans un délai réaliste, il est nécessaire d’entraîner les algorithmes.
Accélérer les progrès grâce à l'IA
La validation des algorithmes de conduite autonome basés sur des radars est une tâche cruciale. Les capteurs reçoivent et enregistrent des informations sur les conditions de la route et du trafic et les transmettent à des processeurs et des algorithmes qui permettent de prendre des décisions sur la façon dont le véhicule doit réagir à une situation donnée. Sans un entraînement adéquat, les véhicules autonomes pourraient prendre des décisions qui compromettent la sécurité du conducteur, des passagers ou des piétons.
Tout comme les conducteurs s’améliorent avec le temps et l'expérience, les systèmes de conduite autonome perfectionnent leur capacité à faire face aux conditions de conduite réelles avec le temps et la formation. Pour atteindre le niveau 5 d'autonomie, il faudra des systèmes complexes qui dépasseront les capacités des meilleurs conducteurs humains.
Les essais routiers prématurés de systèmes ADAS et de systèmes de conduite autonome non expérimentés engendrent également des risques. Les équipementiers doivent pouvoir simuler des scénarios réels permettant de valider les capteurs réels, le code de l'unité de contrôle électronique, l'intelligence artificielle, etc.
Repenser les simulations pour atteindre les niveaux 4 et 5 d'autonomie
Les solutions actuelles de simulation en laboratoire ne fournissent pas une véritable reproduction des scénarios de conduite du monde réel. Elles ont un champ de vision limité et ne peuvent pas détecter les objets à des distances inférieures à 4 mètres. Certains de ces systèmes utilisent plusieurs simulateurs de cibles radar, chacun présentant des cibles ponctuelles aux capteurs et émulant la position horizontale et verticale en déplaçant mécaniquement les antennes. Cette automatisation mécanique ralentit la durée globale du test. D'autres solutions consistent à créer un mur d'antennes avec seulement quelques simulateurs de cibles, permettant à un objet d'apparaître n'importe où dans la scène, mais pas simultanément. Dans un environnement statique ou quasi-statique, cette approche permet de réaliser des tests avec un petit nombre de cibles se déplaçant latéralement à des vitesses qui sont limitées par la vitesse des bras robotiques.
Les simulateurs actuels ne peuvent émuler qu'un maximum de 32 objets, dont des véhicules, des infrastructures, des piétons, des obstacles et d'autres objets. Or, de manière empirique, un véhicule circulant sur la route peut rencontrer à tout moment tellement plus d’objets et de personnes. Tester les capteurs radar par rapport à un nombre limité d'objets donne une vision incomplète des scénarios de conduite et masque la complexité du monde réel.
Pour faire progresser la technologie de conduite autonome vers une autonomie de niveau 4 et 5, les équipementiers automobiles ont besoin de solutions de simulation capables de restituer un maximum d'objets, rapidement et à des distances très proches Pour aider à combler ces lacunes, il existe désormais des écrans d'émulation évolutifs qui combinent des centaines de simulateurs de radar cible miniatures et peuvent émuler jusqu'à 512 objets à des distances aussi proches que 1,5 mètre. On obtient ainsi un environnement réaliste pour tester en laboratoire des scènes complexes qui, auparavant, ne pouvaient être testées que sur la route.
Cette technologie contribuera à combler deux lacunes importantes dans le processus menant à l'autonomie des véhicules de niveau 5, qui permettra un transport plus sûr et plus efficace, une réduction du nombre d'accidents mortels et la diminution du temps perdu dans le trafic.