Pour conduire dans la neige, regardez sous la route

Les constructeurs automobiles travaillent fébrilement à l’amélioration des technologies qui se cachent derrière les voitures à conduite autonome. Mais jusqu’à présent, même les véhicules les plus sophistiqués échouent encore lorsqu’il s’agit de naviguer en toute sécurité sous la pluie et la neige.

En effet, ces conditions météorologiques font des ravages sur les méthodes de détection les plus courantes, qui font généralement appel à des capteurs lidar ou à des caméras. Dans la neige, par exemple, les caméras ne peuvent plus reconnaître le marquage des voies et les panneaux de signalisation, tandis que les lasers des capteurs lidar fonctionnent mal lorsqu’il y a, par exemple, des objets qui descendent du ciel.

Les chercheurs du MIT se sont récemment demandé si une approche entièrement différente pourrait fonctionner. Plus précisément, que se passerait-il si nous regardions plutôt sous la route ?

Une équipe du MIT Laboratoire d’informatique et d’intelligence artificielle (CSAIL) a développé un nouveau système qui utilise une technologie existante appelée radar à pénétration du sol (GPR) pour envoyer des impulsions électromagnétiques sous terre qui mesurent la combinaison spécifique du sol, des roches et des racines de la zone. Plus précisément, l’équipe du CSAIL a utilisé une forme particulière d’instrumentation de RPM développée à Laboratoire Lincoln du MIT appelé radar de localisation à pénétration du sol, ou LGPR. Le processus de cartographie crée une sorte d’empreinte digitale unique que la voiture peut utiliser plus tard pour se localiser lorsqu’elle retourne sur cette parcelle de terrain.

« Si vous ou moi avons pris une pelle et l’avons enfoncée dans le sol, nous ne verrons qu’un tas de terre », explique Teddy Ort, doctorant du CSAIL, auteur principal d’un nouvel article sur le projet qui sera publié dans le Lettres de l’IEEE sur la robotique et l’automatisation plus tard dans le mois. « Mais la LGPR peut quantifier les éléments spécifiques qui s’y trouvent et les comparer à la carte qu’elle a déjà créée, afin de savoir exactement où elle se trouve, sans avoir besoin de caméras ou de lasers ».

Lors de tests, l’équipe a constaté que par temps de neige, la marge d’erreur moyenne du système de navigation n’était que de l’ordre d’environ un pouce par rapport au temps clair. Les chercheurs ont été surpris de constater qu’elle avait un peu plus de mal avec les conditions pluvieuses, mais qu’elle n’était toujours que de 5,5 pouces en moyenne. (En effet, la pluie entraîne une plus grande quantité d’eau qui s’infiltre dans le sol, ce qui entraîne une plus grande disparité entre la lecture originale de la LGPR cartographiée et l’état actuel du sol).

Les chercheurs ont déclaré que la robustesse du système était encore validée par le fait que, sur une période de six mois de tests, ils n’ont jamais eu à intervenir de manière inattendue pour prendre le volant.

Notre travail démontre que cette approche est en fait un moyen pratique d’aider les voitures à se déplacer par mauvais temps sans avoir à être capable de « voir » au sens traditionnel du terme à l’aide de scanners laser ou de caméras », déclare le professeur Daniela Rus du MIT, directeur de CSAIL et auteur principal de ce nouveau document, qui sera également présenté en mai à la Conférence internationale sur la robotique et l’automatisation à Paris.

Bien que l’équipe n’ait testé le système qu’à basse vitesse sur une route de campagne fermée, M. Ort a déclaré que les travaux existants du Lincoln Laboratory suggèrent que le système pourrait facilement être étendu aux autoroutes et autres zones à grande vitesse.

C’est la première fois que les concepteurs de systèmes d’autopropulsion utilisent un radar à pénétration du sol, qui a déjà été utilisé dans des domaines tels que la planification de la construction, la détection des mines terrestres et même l’exploration lunaire. L’approche ne pourrait pas fonctionner complètement seule, car elle ne peut pas détecter les choses en surface. Mais sa capacité à se localiser par mauvais temps signifie qu’il se couplerait bien avec les approches lidar et vision.

« Avant de mettre en circulation des véhicules autonomes sur la voie publique, la localisation et la navigation doivent être totalement fiables à tout moment », explique Roland Siegwart, professeur de systèmes autonomes à l’ETH Zurich qui n’a pas participé au projet. « Le concept novateur et original de l’équipe CSAIL a le potentiel de rapprocher les véhicules autonomes du déploiement dans le monde réel ».

L’un des principaux avantages de la cartographie d’une zone avec le LGPR est que les cartes souterraines ont tendance à mieux résister au temps que les cartes créées à l’aide de la vision ou du lidar, puisque les caractéristiques d’une carte en surface sont beaucoup plus susceptibles de changer. Les cartes LGPR ne prennent également qu’environ 80 % de l’espace utilisé par les cartes traditionnelles à capteurs 2D que de nombreuses entreprises utilisent pour leurs voitures.

Bien que le système représente une avancée importante, M. Ort note qu’il est loin d’être prêt pour la route. Les travaux futurs devront se concentrer sur la conception de techniques de cartographie permettant d’assembler des ensembles de données LGPR pour pouvoir traiter les routes à plusieurs voies et les intersections. En outre, le matériel actuel est encombrant et fait 1,80 m de large, de sorte que des progrès majeurs en matière de conception doivent être réalisés avant qu’il ne soit suffisamment petit et léger pour être intégré dans les véhicules commerciaux.

Ort et Rus ont co-écrit l’article avec Igor Gilitschenski, post-doc au CSAIL. Le projet a été soutenu, en partie, par le laboratoire Lincoln du MIT.