Les prédictions étaient fausses: les voitures autonomes ont encore un long chemin à parcourir

Il y a plusieurs années, les voitures autonomes semblaient presque prêtes à conquérir les routes.

"À partir de 2020, vous serez un conducteur permanent à l'arrière", a déclaré The Guardian en 2015. Des véhicules entièrement autonomes conduiront d'un point A à un point B et rencontreront toute la gamme de scénarios sur route sans aucune interaction de la part du conducteur, Business Insider a écrit en 2016.

Il est clair maintenant que beaucoup de ces estimations ont été exagérées; Il suffit de regarder les problèmes qu'Uber avait en Arizona. Les voitures sans conducteur rendront sûrement nos routes plus sûres, mais il est difficile de retirer les êtres humains de derrière le volant. Avant d'atteindre l'utopie sans conducteur et sans accident dont nous rêvons depuis des décennies, nous devons surmonter plusieurs obstacles, qui ne sont pas tous techniques.

Navigation dans les environnements ouverts

Les voitures autonomes doivent naviguer dans des environnements imprévisibles et variés.

"Je pense que l'important quand on pense aux voitures est ce qu'il faut pour que ces choses-là soient autonomes. C'est là que le langage de l'autonomie nous met vraiment en difficulté, parce que l'autonomie ne s'applique que dans un système donné", a déclaré Jack Stilgoe., sociologue à l'University College London et chef du projet Driverless Futures.

D'autres segments de l'industrie des transports, y compris les trains et les avions, ont déjà mis en œuvre l'autonomie à un niveau de réussite supérieur à celui des voitures, a-t-il déclaré.

"Un pilote automatique d'avion ne fonctionne que parce que l'espace aérien est un environnement hautement contrôlé. Si vous montez votre montgolfière dans la trajectoire d'un 747, il se frayera un chemin à travers vous et il sera très clair de qui il s'agira, " Fit remarquer Stilgoe. "La même chose avec les trains. Être sans conducteur n'a de sens que parce qu'il est très clair que le système est fermé."

En revanche, les voitures circulent sur les routes, qui sont des systèmes très complexes et ouverts - beaucoup moins prévisibles que les chemins de fer où les trains ont des voies exclusives interdites aux voitures, aux animaux et aux piétons. Une voiture autonome doit trouver son chemin dans les rues achalandées, réagir aux panneaux de signalisation, faire face aux autres embouteillages aux intersections et conduire dans des conditions variées où le marquage peut ne pas être clair. Il doit apprendre à contourner les obstacles, à réagir aux mouvements des autres véhicules et des autres conducteurs et, surtout, à éviter de tomber sur des piétons. Tout ceci complique la tâche de créer des voitures autonomes sécuritaires.

"Il y aura toujours des choses qui nous surprendront", a déclaré Stilgoe.

Donner des yeux et des cerveaux aux voitures

L'une des principales technologies qui a contribué à propulser la technologie automobile autonome est l'apprentissage en profondeur, un sous-ensemble de l'intelligence artificielle qui crée des modèles comportementaux basés sur des exemples. Des algorithmes d'apprentissage en profondeur étudient les flux vidéo provenant de caméras installées autour de la voiture autonome pour déterminer les dimensions de la route, lire les panneaux de signalisation et détecter les obstacles, les voitures et les piétons.

Anthony Levandowski, l'ingénieur qui était au cœur d'un procès entre Waymo et Uber, a récemment publié une vidéo et des détails de performance d'une technologie autonome qui parcourt 3 100 milles, du pont Golden Gate Bridge de San Francisco au pont George Washington à New York., sans jamais céder le contrôle à un conducteur humain et en utilisant uniquement des caméras vidéo et des réseaux de neurones.

Bien que conduire sur des autoroutes entre États soit considérablement plus facile que de naviguer dans des environnements urbains, les réalisations de Levandowski sont remarquables. Pronto.ai, sa nouvelle startup, prévoit de mettre cette technologie à la disposition des semi-remorques commerciales, qui passent le plus clair de leur temps sur les autoroutes.

Bien que des réseaux de neurones bien entraînés puissent surpasser les humains en matière de détection d'objets, ils peuvent néanmoins échouer de manière irrationnelle et dangereuse, notamment le fatal crash de Tesla Model S en 2016 et celui de 2018 en Modèle X. D'autres études montrent que les algorithmes de vision par ordinateur des véhicules autonomes peuvent être facilement trompés lorsqu'ils voient des objets connus dans des positions inconfortables.

Pour être juste, les technologies d'auto-conduite ont permis d'éviter les accidents dans plusieurs cas, mais ces cas font rarement la une des journaux.

Complément de réseaux de neurones

Pour contourner les limites des réseaux de neurones, certaines entreprises ont équipé leurs voitures de Lidar, les dispositifs de rotation souvent vus sur les voitures autonomes. Les appareils Lidar émettent de nombreux rayons lumineux invisibles dans différentes directions et créent des cartes 3D détaillées de la zone entourant la voiture en mesurant le temps nécessaire à ces rayons pour se refléter sur un objet et pour revenir.

Le lidar peut détecter des objets et des obstacles que les algorithmes de classificateur d'images pourraient manquer. Il peut également permettre aux voitures de voir dans le noir et est plus détaillé et précis que le radar, qui convient mieux à la détection d'objets en mouvement.

La plupart des entreprises proposant des programmes de conduite autonome utilisent Lidar, notamment Waymo et Uber. Mais la technologie est encore naissante. D'une part, les appareils Lidar ne sont pas géniaux avec les nids-de-poule ou les intempéries.

Le lidar est également très coûteux; selon diverses estimations, le prix d'une voiture peut atteindre 85 000 $. Les coûts annuels pourraient être bien au nord de 100 000 dollars, selon un sondage d’Axios. L'acheteur de voiture moyen ne peut probablement pas se permettre cela, mais les géants de la technologie qui envisagent de déployer des services de taxi autonomes peuvent le faire.

"Quelques personnes essaient de développer des additifs à faible coût, mais il semble que les avantages soient les plus évidents lorsque les voitures sont partagées et utilisées dans les villes", a déclaré Stilgoe. "Cela pourrait être une bonne chose pour les personnes qui n'ont actuellement pas de voiture ou une mauvaise chose pour les personnes de l'extérieur de la ville qui n'ont peut-être pas de service à proximité."

Stilgoe avertit qu'il existe un risque que les villes utilisent la promesse des flottes autonomes pour retarder leurs investissements dans les transports en commun. La recherche Axios a révélé qu'au moins deux localités américaines investissaient plusieurs centaines de milliers de dollars dans des services de navette autonomes.

Le besoin de connectivité et d'infrastructure

Les conducteurs humains font beaucoup plus que d'observer leurs environnements. Ils communiquent les uns avec les autres. Ils se regardent, se saluent et se font signe de la tête, puis se mettent lentement dans la direction voulue pour faire comprendre leurs intentions aux autres conducteurs. Ce sont des fonctions que les technologies d'auto-conduite actuelles fonctionnent très mal, voire pas du tout.

Au-delà de la cartographie de leur environnement et de la détection d'objets, les voitures autonomes ont également besoin d'une méthode pour communiquer entre elles et avec leur environnement. Dans un essai pour Harvard Business Review , des universitaires de la Business School de l'Université d'Édimbourg ont suggéré plusieurs solutions, notamment le déploiement de capteurs intelligents dans les voitures et les infrastructures.

"Pensez aux émetteurs radio qui remplacent les feux de signalisation, aux réseaux de données sans fil de plus grande capacité qui gèrent à la fois les communications entre véhicules et les infrastructures, et aux unités en bordure de route fournissant des données en temps réel sur les conditions météorologiques, la circulation, etc." les universitaires ont écrit.

Les technologies actuelles d'auto-conduite tentent d'adapter les ordinateurs aux infrastructures conçues pour les humains, telles que les feux de circulation, les panneaux de signalisation, les panneaux de signalisation, etc. Les algorithmes d’apprentissage automatique nécessitent des heures de formation et d’énormes quantités de données avant de pouvoir reproduire les fonctions les plus élémentaires du système de vision humaine, telles que la détection d’autres voitures ou la lecture de panneaux de signalisation sous différents angles et sous différentes conditions météorologiques et d’éclairage.

L'amélioration des voitures et des routes avec des capteurs intelligents facilitera la communication et la gestion de différentes conditions de route pour les voitures autonomes. Cette approche devient de plus en plus viable à mesure que les coûts des processeurs diminuent et que des technologies telles que la 5G permettent une connectivité omniprésente et plus abordable.

Séparation des voitures autonomes

L'ajout de capteurs intelligents à 4 millions de kilomètres de routes américaines est une tâche ardue, voire impossible. C'est l'une des raisons pour lesquelles les constructeurs automobiles auto-conducteurs préfèrent se concentrer sur l'amélioration de la voiture plutôt que sur l'environnement.

"Le scénario le plus probable à court terme que nous verrons est constitué de diverses formes de ségrégation spatiale: des voitures autonomes fonctionneront dans certaines zones et pas d'autres. Nous le constatons déjà, car les premiers essais de la technologie ont lieu dans des pays désignés. zones d’essai ou dans des environnements relativement simples et par beau temps ", ont suggéré les universitaires d’Édimbourg dans leur essai.

Dans l'intervalle, ils ont suggéré: "Nous pourrions également voir des voies réservées ou des zones réservées aux véhicules autonomes, à la fois pour leur donner un environnement plus structuré pendant que la technologie est perfectionnée et pour protéger les autres usagers de la route de leurs limitations."

D'autres experts ont fait des suggestions similaires. En août, Andrew Ng, chercheur en intelligence artificielle et cofondateur de Google Brain, a déclaré que, pour résoudre les problèmes de sécurité liés à l'auto-conduite, nous devrions changer le comportement des piétons et des autres usagers qui partagent les mêmes routes. "Si vous regardez l'émergence des chemins de fer, la plupart du temps, les gens ont appris à ne pas rester devant un train sur les rails", a déclaré Ng.

La suggestion de Ng contribuerait certainement à réduire les risques pour la sécurité des voitures autonomes alors que la technologie évoluait, mais elle n’est pas à la hauteur des autres experts de l’IA, notamment le pionnier de la robotique Rodney Brooks. "La grande promesse des voitures autonomes est d'éliminer les morts sur la route. Maintenant, on dit qu'elles élimineront les morts sur les routes aussi longtemps que tous les humains seront entraînés à changer leur comportement?" Brooks a écrit dans un article de blog.

• Autour de Miami dans les voitures d'essai auto de Ford Autour de Miami dans les voitures d'essai auto de Ford
• Le CTO de Ford sur les scooters, l'IA et les voitures autonomes à Miami Le CTO de Ford sur les scooters, l'IA et les voitures autonomes à Miami
• Dans les voitures autonomes de Lyft, lente et stable gagne la course Dans les voitures autonomes de Lyft, lente et stable gagne la course

Gary Marcus, professeur à l'Université de New York, critique acerbe d'exagérer les acquis de l'apprentissage en profondeur, décrit la proposition de Ng comme "redéfinissant les objectifs pour faciliter le travail".

Mais Stilgoe croit que nous pouvons tirer d'importantes leçons de l'histoire. "Lorsque les voitures sont arrivées dans les villes américaines au début du XXe siècle, on a demandé aux piétons de s’écarter afin de sécuriser les routes. Jaywalking a été inventé comme un délit, et les routes ont été conçues pour favoriser les voitures", a déclaré Stilgoe.

Stilgoe pense que si nous sommes sérieux au sujet des avantages des voitures autonomes, nous allons voir la même chose se reproduire. Par exemple, les constructeurs automobiles pourraient commencer à faire pression sur les villes pour améliorer leurs infrastructures et enseigner aux piétons le comportement à adopter vis-à-vis des voitures autonomes. "Pour que les voitures autonomes fonctionnent comme promis, le système dans lequel elles fonctionnent devra être contrôlé", a déclaré Stilgoe.

Obstacles sur la route

Malgré ses difficultés, l’industrie automobile autonome progresse à un rythme soutenu et nos routes seront sûrement plus sûres.

Mais les questions et les défis restent. Par exemple, qui sera tenu pour responsable lorsqu'un accident de voiture se produit? "Il est assez facile de dire que, dans un système totalement autonome, l'entreprise devrait être responsable dans presque toutes les circonstances. Les choses se compliquent lorsque les humains et les ordinateurs partagent la conduite à des moments différents", a déclaré Stilgoe.

En outre, comment une voiture autonome devrait-elle décider quand elle se trouve dans une situation où la perte de vies humaines est inévitable? C'est ce que l'on appelle le "problème des chariots" et il peut être hypothétique, mais cela montre que les voitures autonomes devront être conçues pour prendre des décisions dans des situations où les règles ne sont pas bien définies.

"Il existe de véritables dilemmes éthiques dans la conception de ces systèmes", a déclaré Stilgoe. "Les voitures autonomes ne seront pas omniscientes."