Le but est de développer un système capable de diriger un véhicule sur une route qu’il ne connaît pas.

Crédit photo : CSAIL (MIT)
Crédit photo : CSAIL (MIT)

L’Institut de technologie du Massachussetts (MIT) vient de présenter un système de navigation pour véhicules autonomes, baptisé MapLite. Il diffère de la majorité des systèmes existants actuellement en test sur les routes du monde entier par le fait qu’il ne s’appuie pas sur une cartographie 3D complexe. En effet, la conduite autonome est aujourd’hui possible en grande partie parce que toutes les routes, intersections, panneaux de signalisation etc. sont déjà connus des véhicules autonomes. Il s’agit donc la plupart du temps de se baser sur un pré requis pour qu’il n’y ait plus d’humain impliqué dans la conduite. Lâchez une voiture autonome sur une route de campagne où le marquage au sol est inexistant et au mieux la voiture refusera de prendre la main sur le conducteur, au pire, si elle est mal conçue, c’est l’accident assuré.

C’est en partant de ce postulat qu’une équipe de chercheurs du MIT a décidé de développer un système utilisant uniquement un GPS basique et qui s’appuie essentiellement sur toute une batterie de capteur pour naviguer en temps réel sur des routes inconnues. Toyota s’est jointe à l’expérience en fournissant une Prius pour les besoins de l’équipe. MapLite est capable de détecter la route sur une distance annoncée à plus de 30 mètres. En ce sens, ses géniteurs estiment que MapLite est bien plus proche des réactions humaines qu’un système de conduite autonome classique. Il est vrai que lorsque nous nous déplaçons, nous ne prêtons attention au GPS que pour des points critiques tels que les intersections. Le reste du temps, ce sont nos observations qui nous aident à conduire. Les chercheurs estiment que « si nous nous déplacions dans le monde comme le font la plupart des systèmes de conduite autonome [concurrents], nous serions tout simplement les yeux rivés sur le GPS tout le temps. Les systèmes existants ne peuvent se passer d’une cartographie 3D complexe et ils utilisent leurs capteurs uniquement pour détecter des objets en mouvements comme des piétons ou des voitures ».

Capteurs et machine learning

Crédit photo : CSAIL (MIT)
Crédit photo : CSAIL (MIT)

Dans le cas de MapLite, les capteurs font le gros du travail. Ils ont pour tâche de détecter l’environnement de la voiture et de générer un tracé qui imite celui de la route pour arriver à destination. Pour MapLite, le point d’arrivée n’est donc pas suffisant et le système crée des « points d’arrivée locaux » (« local navigation goal ») constamment mis à jour, et qui correspondent à la portée maximale des capteurs installés sur la voiture. Quant à l’absence de marquage au sol, le système du MIT contourne le problème en se basant sur le fait que la toute est plus plate que ce qui l’entoure, ce qui donne donc un chemin à suivre à la voiture.

MapLite est encore loin d’une production en série et de longues heures de développement vont occuper l’équipe de l’Institut. Le système ne fonctionne par exemple pas sur des routes de montagne à cause de l’élévation. Toutefois, les chercheurs se basent sur le principe du machine learning qui permet à la voiture de retenir comment elle a abordé un certain type de route pour pouvoir reproduire son comportement sur d’autres routes totalement inconnues. Ainsi, on peut tabler sur le fait que plus les tests avancent, plus la fiabilité du système grandit. Malgré tout, la conduite autonome en générale n’en est encore qu’à ses balbutiements, il est donc pour l’heure bien difficile de dire si le MIT pointe dans la bonne direction avec MapLite. Il est toutefois intéressant de noter que plusieurs pistes sont explorées et que plusieurs systèmes pourraient cohabiter : ceux qui reposent sur la cartographie 3D pour l’autopartage en ville et MapLite pour le réseau secondaire.