Les voitures robots peuvent apprendre à conduire sans quitter le garage

Les ordinateurs qui contrôlent les voitures autonomes acquièrent des connaissances précieuses sur le monde réel de manière surprenante, notamment en parcourant des cartes en ligne et en jouant à des jeux vidéo.

Des chercheurs de l'Université de Princeton ont récemment développé un système de vision et de cartographie par ordinateur qui a recueilli des informations utiles sur les propriétés physiques des routes en étudiant Google Street View et comparer les scènes aux informations fournies dans les données de cartographie open source. Cela lui a permis, par exemple, d'apprendre où les bords d'une intersection devraient être basés sur des images capturées par les voitures de cartographie de Google.

Dans des travaux séparés révélés mercredi, des chercheurs de OpenAI , une organisation à but non lucratif axée sur la recherche fondamentale sur l'IA, a créé un moyen pour que les agents logiciels apprennent la stratégie de conduite en expérimentant le jeu vidéo Grand Theft Auto V, via une plate-forme connue sous le nom d'Univers. Certains jeux vidéo sont maintenant si visuellement réalistes qu'ils peuvent laisser une vision par ordinateur en apprendre davantage sur le monde réel (voir Les voitures autonomes peuvent en apprendre beaucoup en jouant à Grand Theft Auto).

De nouvelles approches de formation aux voitures autonomes pourraient contribuer à démocratiser la technologie et à la rendre plus fiable. Les voitures autonomes étaient omniprésentes au Consumer Electronics Show de cette année à Las Vegas, et la technologie est au centre du North American Auto Show de Detroit, qui a débuté cette semaine. Mais tout le monde n'a pas les ressources de Ford, Google ou Uber, et les véhicules automatisés ont encore du mal dans de nombreuses situations (voir Ce qu'il faut savoir avant de monter dans une voiture autonome). Certains chercheurs proposent donc des moyens créatifs de collecter les données et de former des systèmes de conduite. Il y a même des efforts pour ouvrir la technologie requise pour la conduite automatisée.

Les chercheurs de Princeton ont exploité Google Street View et OpenStreetMap pour leurs données. Les éléments routiers dans les images Google Street View sont parfois masqués par un véhicule, quelqu'un traversant la route ou autre chose, de sorte que le système a dû apprendre à reconnaître, puis à éliminer, ces artefacts. Les chercheurs ont testé leur système sur de nouvelles images et ont constaté qu'il pouvait discerner assez précisément les caractéristiques de la route. Ils disent que cela pourrait offrir un moyen de démarrer un système de conduite autonome avec certaines des connaissances de base nécessaires pour naviguer sur les routes ordinaires. Les chercheurs ont formé leur système à l'aide de 150 000 panoramas Street View.

Sa précision devrait s'améliorer à mesure que l'ensemble de données de formation augmente, dit Ari Seff , un étudiant diplômé de Princeton qui a développé le système avec Jianxiong Xiao , un professeur qui a récemment quitté l'université pour fonder une startup automobile appelée AutoX.ai.

La création manuelle de cartes 3D haute définition pour la conduite autonome est fastidieuse et coûteuse, explique John Leonard, professeur au CSAIL du MIT, spécialisé dans la cartographie et la conduite automatisée. Si ce processus peut être automatisé à l'aide de réseaux profonds qui fonctionnent sur de grandes bases de données publiques, ce serait une grande victoire pour la technologie de conduite autonome.

L'approche offre également un moyen d'entraîner un système à reconnaître des situations qu'une vraie voiture autonome ne peut rencontrer que rarement, comme une intersection très complexe. Ces modèles pourraient potentiellement être utilisés dans le cadre d'un système de sauvegarde dans des véhicules autonomes, corroborant les informations fournies par des cartes 3D pré-scannées. Cependant, nous n'avons pas encore testé cela dans un vrai véhicule, dit Seff.

Les chercheurs suggèrent également que leur système pourrait fournir un avertissement sur l'infrastructure routière - par exemple, si le système conclut qu'une rue semble à sens unique alors qu'elle ne l'est pas, la signalisation devra peut-être être mise à jour. Les limites sont que le système ne peut pas identifier les objets qui ne sont pas identifiés sur une carte, comme les piétons ou d'autres véhicules, et il n'est pas assez précis pour localiser une voiture très précisément.

Apprendre cela de Google Street View est une bonne idée, déclare Craig Quiter, ingénieur chez Otto, une entreprise qui fabrique des camions autonomes et qui a été rachetée par Uber l'année dernière. Les sorties ne contiennent pas assez pour conduire une voiture, mais sont certainement utiles avec d'autres perceptions en tant qu'entrées pour un planificateur.

Quiter a développé le Grand Theft Auto V alors qu'il travaillait comme sous-traitant pour OpenAI l'année dernière. Le jeu peut entraîner des logiciels à reconnaître des éléments du monde réel.

GTA V donne aux chercheurs accès à un monde riche et diversifié pour tester et développer l'IA, écrit Quiter dans un article de blog publié par OpenAI. Son cadre insulaire représente près d'un cinquième de la taille de Los Angeles, donnant accès à un large éventail de scénarios pour tester les systèmes. Ajoutez à cela les 257 véhicules différents, sept types de vélos et 14 types de temps, et il est possible d'explorer un grand nombre de permutations à l'aide d'un seul simulateur.

Grâce à Universe, un agent peut également développer une stratégie de conduite en expérimentant dans le jeu et en affinant son propre comportement au fur et à mesure qu'il atteint certains objectifs, une approche connue sous le nom d'apprentissage par renforcement (voir Un nouvel outil permet à l'IA d'apprendre à faire presque n'importe quoi sur un ordinateur).

Quiter a ajouté dans un e-mail qu'en libérant la technologie nécessaire à la conduite automatisée, les chercheurs et les entreprises peuvent la démocratiser. Je pense qu'il est devenu beaucoup plus facile de tester l'IA des voitures autonomes, dit-il.

cacher