ESSAIS ET ERREURS. La startup spécialisée en intelligence artificielle Wayve est convaincue d’avoir découvert une méthode d’entraînement des véhicules autonomes (VA) plus efficace que les approches traditionnelles basées sur un matériel sophistiqué et des cartes 3D détaillées. Ce lundi, l’entreprise a publié une vidéo montrant un Renault Twizy, un véhicule électrique à deux places, capable d’apprendre à naviguer sur la route de manière autonome. Ceci a été réalisé grâce à un processus de **réapprentissage par renforcement**, un type d’apprentissage automatique où le système reçoit des “récompenses” pour les comportements souhaitables et des “pénalités” pour les comportements indésirables. Les détails de cette expérience figurent dans un document publié sur arXiv.
LES LIMITES DES CARTES. La majorité des systèmes de VA actuellement en développement dépendent de cartes 3D détaillées pour naviguer. Dans le monde entier, les entreprises s’efforcent de créer ces cartes en utilisant des capteurs et des caméras sophistiqués pour illustrer les rues et autoroutes. Ainsi, les véhicules autonomes nécessitent également des systèmes complexes de caméras et de capteurs pour se déplacer sur ces cartes.
Cependant, la création de cartes 3D est un processus **chronophage** et nécessite des mises à jour fréquentes pour intégrer des éléments tels que les chantiers de construction. De plus, les entreprises se concentrent principalement sur les routes empruntées par un grand nombre de véhicules, laissant de côté les zones rurales.
APPRENDRE À UN TWIZY. La méthode mise en œuvre par Wayve pourrait rendre ces cartes obsolètes. Dans la vidéo, le Twizy était équipé d’une seule caméra à l’avant, contrairement à d’autres VA qui intègrent souvent plusieurs caméras — par exemple, le système de conduite autonome de Tesla en intègre huit. Cette caméra unique transmettait des informations en temps réel à une unité de traitement graphique (GPU) installée dans le véhicule. Le GPU faisait fonctionner l’algorithme de réapprentissage par renforcement de Wayve, qui gérait l’accélération, le freinage et la direction du véhicule. Un conducteur humain supervisait le processus, arrêtant la voiture dès qu’elle quittait la route, engendrant ainsi une **pénalité** pour le système. Plus la voiture roulait sans intervention humaine, plus elle recevait de **récompenses**.
Environ 20 minutes après le début du processus, la voiture avait déjà maîtrisé l’art de suivre la route sinueuse sans interruption.
Si la méthode de Wayve pour la conduite autonome devient populaire, cela signifierait que les véhicules autonomes n’auraient plus besoin de se fier aux cartes 3D. Cela pourrait permettre à tous, peu importe leur localisation, de bénéficier de la technologie des véhicules autonomes.
POUR EN SAVOIR PLUS : L’algorithme d’IA apprend à faire conduire une voiture de zéro en 20 minutes [New Atlas]
FAQ
Qu’est-ce que le réapprentissage par renforcement ?
C’est une méthode d’apprentissage automatique où un système apprend à réaliser des tâches en recevant des récompenses pour ses succès et des pénalités pour ses erreurs.
Quels sont les avantages des véhicules autonomes ?
Les véhicules autonomes promettent de réduire les accidents de la route, d’améliorer l’efficacité du transport et de faciliter la mobilité pour les personnes ayant des difficultés à conduire.
Comment Wayve se distingue des autres entreprises de véhicules autonomes ?
Wayve met l’accent sur l’apprentissage autonome avec un besoin minimal de matériel coûteux ou de cartes détaillées, en utilisant plutôt des algorithmes d’apprentissage par renforcement.
Les cartes 3D sont-elles toujours importantes pour les véhicules autonomes ?
Bien qu’elles soient traditionnellement importantes pour la navigation, les avancées comme celles de Wayve montrent qu’il est possible de naviguer sans dépendre de ces cartes détaillées.
Quels pourraient être les défis de cette approche ?
Les défis incluent la gestion de scénarios de conduite complexe et la réaction appropriée à des variables en constante évolution sur la route.