Le MIT fait passer les contrôleurs de voitures autonomes par des simulateurs pilotés par l’IA avant qu’elles ne prennent des routes réelles
Les simulateurs ont été utilisés pendant des années pour former des conducteurs humains, des pilotes et des astronautes, et maintenant ils sont également utilisés pour former des voutures autonomes – et un nouveau système développé par les chercheurs du MIT pourrait être le plus prometteur à ce jour.
Grâce au système de simulation VISTA (Virtual Image Synthesis and Transformation for Autonomy), les voitures n’ont pas à s’aventurer d’emblée dans des rues réelles. Au lieu de cela, elles peuvent se promener dans le monde virtuel créé pour elles, avec un nombre infini de possibilités de pilotage.
Ce système est particulièrement utile pour les cas extrêmes : les incidents rares comme un accident évité de justesse ou une sortie de route forcée, où il n’y a pas beaucoup de données du monde réel disponibles pour les voitures autonomes afin de les utiliser comme modèle de formation. Dans VISTA, ces événements peuvent être « vécus » en toute sécurité.
Lorsque le contrôleur de la voiture sans conducteur est déclenché dans la simulation, il ne reçoit qu’un petit ensemble de données sur la conduite humaine dans le monde réel pour se rendre au travail. Le contrôleur doit trouver lui-même comment se rendre de A à B en toute sécurité, et est récompensé pour avoir voyagé de plus en plus loin.
Lorsque des erreurs sont commises, le système utilise ce que l’on appelle l’apprentissage par renforcement pour apprendre au contrôleur de voiture autonome à faire un meilleur choix la prochaine fois. Progressivement, il peut conduire pendant des périodes de plus en plus longues sans avoir d’accident.
« Il est difficile de collecter des données dans ces cas extrêmes que les humains ne connaissent pas sur la route », explique Alexander Amini, doctorant du laboratoire d’informatique et d’intelligence artificielle du MIT (CSAIL). « Dans notre simulation, cependant, les systèmes de contrôle peuvent vivre ces situations, apprendre par eux-mêmes à s’en remettre et rester robustes lorsqu’ils sont déployés sur des véhicules dans le monde réel ».
Les moteurs de simulation ont déjà été utilisés pour préparer et entraîner la conduite autonome, mais il y a généralement des divergences entre le monde artificiel et simulé conçu par les artistes et les ingénieurs pour le simulateur, et le monde réel à l’extérieur.
Dans le cas de VISTA, le simulateur est piloté par des données, de sorte que de nouveaux éléments peuvent être synthétisés à partir de données réelles. Un réseau neuronal convolutionnel – le type d’IA généralement déployé pour traiter les images – est utilisé pour cartographier une scène en 3D et créer une représentation photoréaliste à laquelle le contrôleur autonome peut ensuite répondre.
Les réseaux de neurones qui alimentent VISTA peuvent également cartographier d’autres objets en mouvement dans la scène, notamment des voitures et des personnes. Il s’agit d’une rupture par rapport aux modèles de formation traditionnels, qui soit suivent des règles définies par l’homme, soit tentent d’imiter ce que feraient les conducteurs humains.
Nous disons essentiellement : « Voici un environnement. Vous pouvez faire ce que vous voulez. Il suffit de ne pas s’écraser sur les véhicules et de rester dans les voies », explique Alexander Amini.
Cela semble fonctionner aussi – un contrôleur transplanté avec 10 000 kilomètres de formation VISTA à une vraie voiture autonome a pu naviguer en toute sécurité dans des rues qu’il n’avait jamais vues auparavant, et se remettre de situations de quasi-collision (comme être à mi-chemin de la route). L’étape suivante consiste à introduire des complications, comme le mauvais temps ou le comportement erratique d’autres éléments dans une scène.
http://news.mit.edu/2020/system-trains-driverless-cars-simulations-0323
https://ieeexplore.ieee.org/document/8957584
