De petites caméras de tableau de bord intelligentes peuvent fournir des données cartographiques pour aider les voitures autonomes
Nexar
Dans le débat régulier entre les fans de Tesla et la communauté des conducteurs autonomes, l’un des problèmes les plus importants est le fait que presque tous les développeurs, à l’exception de Tesla, utilisent des cartes assez détaillées des routes afin d’améliorer leur conduite sur celles-ci. Tesla affirme qu’elle utilise uniquement des cartes de style de navigation comme celles que l’on trouve déjà dans les voitures et les téléphones aujourd’hui. Ceux qui n’utilisent pas de cartes estiment qu’il sera trop coûteux de les étendre et de les maintenir à l’échelle d’une région entière ou du monde entier. . Mais une jeune startup qui vend des dashcams et compte un demi-million d’utilisateurs pense que ses caméras peuvent créer et maintenir des cartes de partout à un prix très bas.
Les cartes aident les voitures à comprendre la route qui les entoure et la route à venir qu’elles ne peuvent pas encore voir, tandis que les prototypes de Tesla commettent souvent de graves erreurs qui ne seraient probablement pas commises avec de meilleures cartes. Les défenseurs de Tesla se moquent du fait que des équipes comme Cruise et Waymo n’exploitent des pilotes que dans les quelques villes où elles ont construit des cartes et certifié la sécurité. Le système de TeslaDans le débat régulier entre les fans de Tesla et la communauté des conducteurs autonomes, l’un des plus gros problèmes est le fait que presque tous les développeurs, à l’exception de Tesla, utilisent des cartes assez détaillées des routes afin d’améliorer leur conduite sur celles-ci. n’est pas du tout près de pouvoir conduire seul dans n’importe quelle ville, espère les faire tous le jour (probablement lointain) où il pourra le faire.
L’industrie de la conduite autonome est née dans les grands défis de la DARPA des années 2000. Les deux premières courses de grand défi décourageaient les cartes : on ne vous donnait même votre itinéraire que peu de temps avant le début de la course. Malgré cela, l’équipe de la CMU, qui allait se classer 2ème au concours de 2005, a essayé de cartographier à l’avance chaque piste de la zone du parcours afin qu’une fois le parcours révélé, elle soit prête. Lors de la troisième compétition en 2007, les équipes gagnantes ont toutes parcouru le petit parcours de manière approfondie pour le cartographier en détail. Il n’y aurait pas de surprises, du moins pas de la part du trottoir.
Les cartes ont fait une grande différence. Les gens les vantaient comme étant un capteur supplémentaire. Vous n’aviez pas besoin de sentir la route, vous la connaissiez à l’avance. Vous pouviez construire votre carte avec autant de calculs que vous le souhaitiez, vous pouviez la tester, vous pouviez demander à des humains de s’assurer qu’elle était correcte. Alors que les gens pensent parfois que les humains conduisent sans carte, nous savons que nous conduisons mieux lorsque nous connaissons déjà la route, et nous utilisons certainement tous les panneaux et marquages au sol qui nous indiquent ce qui s’en vient et ce que cela signifie – les mêmes choses que d’habitude. le robot fait avec sa carte. Une bonne carte ne se contente pas d’indiquer où se trouvent un marquage de voie, un trottoir ou un feu de circulation, elle indique également ce qu’ils signifient.
Au début, le problème était que construire une très bonne carte demandait pas mal de travail au début. Chez Google, qui a essayé cela le premier, la cartographie était une spécialité. En fait, l’équipe Chauffeur qui a construit la première voiture avait déjà travaillé sur les projets de cartographie Streetview et GroundTruth chez Google – elle en savait plus que presque quiconque dans le monde. Chez Google, si quelqu’un disait : « Cela nous obligerait à envoyer des voitures cartographiques dans toutes les rues du pays », il répondrait simplement : « nous l’avons fait le mois dernier, nous pouvons le refaire ».
Les premières approches cartographiques étaient coûteuses. En règle générale, une voiture de cartographie entièrement équipée parcourait la rue plusieurs fois pour la voir sous différents angles. Le logiciel analyserait les données et les transformerait en une carte avec des techniques d’IA – similaires, mais bien meilleures, à la façon dont une voiture pourrait essayer de comprendre la carte en conduisant. Ensuite, cette carte serait révisée par des humains qui s’assureraient que tout avait un sens. S’il y avait quelque chose dont l’IA n’était pas sûre, les humains le corrigeraient. Ensuite, une voiture sortait et parcourait la route avec un chauffeur de sécurité et s’assurait que la carte était exacte. Il était alors prêt à être utilisé en live. En raison des humains impliqués, cela avait un coût, bien qu’il soit bien inférieur à d’autres coûts d’infrastructure, comme la construction ou l’entretien d’une route, et il était minime lorsqu’il était réparti sur toutes les personnes qui utiliseraient la carte sur cette route jusqu’à ce qu’elle en ait besoin. un rafraîchissement.
Néanmoins, il était difficile de faire évoluer ce projet, même si cela était économique. C’est alors qu’est apparu le concept de cartes participatives. Des tonnes de voitures circulent en permanence sur toutes les routes, et de plus en plus d’entre elles sont équipées de capteurs – au minimum des caméras. À mesure que la technologie s’améliorait, il devenait de plus en plus possible de créer une bonne carte à partir de ces données de foule, ou de créer une première carte avec une voiture à capteur, puis de la suivre avec les données de foule.
Alors qu’une voiture sans carte doit déterminer la route uniquement à partir de ce qu’elle voit s’en approcher, en utilisant uniquement les processeurs présents dans la voiture, les voitures de foule parcourront la route plusieurs fois, dans les deux sens, sur toutes les voies, de jour comme de nuit. Ils voient tout depuis tous les points de vue, ce qui permet une cartographie beaucoup plus fiable.
Les cartes mobiles, recueillies à partir des données de millions de voitures équipées de puces et de caméras, attribuent un sens … [+]
MobilEye
Plusieurs entreprises ont commencé à utiliser cette technique. MobilEye s’est concentré sur la création d’une carte des foules à l’aide de téléchargements très compacts à partir des voitures des clients. MobilEye possède des caméras dans 50 millions de voitures, mais il n’a pas d’accès direct aux puces car celles-ci sont sous le contrôle du constructeur automobile qui utilise leurs puces. Ils doivent également dépendre du constructeur automobile pour le téléchargement des données et, en tant que tels, ont conçu le système pour utiliser une bande passante très minimale pour télécharger de nouvelles données et de très petites cartes. Malgré tout, MobilEye a démontré sa capacité à cartographier la quasi-totalité de l’Europe en une journée et le reste en un mois. MobilEye suit également ce que font réellement les conducteurs humains (ce qui diffère de ce que les marquages routiers peuvent leur indiquer) à chaque endroit de la route. Par exemple, si un arbre bloque la vue à une intersection afin que tout le monde s’avance un peu pour bien voir, leur carte l’inclut. Si tout le monde ralentit ou accélère dans certaines sections, ils le savent aussi.
D’autres crowdsourcers incluent DeepMap, qui était une société indépendante mais qui a été rachetée par NVIDIA en 2021. (Je les ai consultés avant cette acquisition.) DeepMap a commencé par utiliser des voitures cartographiques pour créer des cartes initiales, mais s’est rapidement adapté à l’utilisation des données de voitures ordinaires. pour remplir leurs cartes.
Nexar est une société de dashcams. J’ai rencontré le fondateur de Nexar, Eran Shir, alors qu’il était l’un de nos étudiants à la Singularity University en Californie, et je lui ai fait découvrir le monde de la conduite autonome. Nexar a commencé par créer une application pour smartphone pour créer une dashcam intelligente : il suffit de monter un téléphone standard sur le tableau de bord ou le pare-brise, et il peut à la fois enregistrer ce qu’il voit et faire des choses comme avertir d’éventuelles collisions. Plus tard, Nexar s’est étendu à la vente d’une dashcam dédiée dotée de fonctionnalités intelligentes. Ces millions de dashcams sont désormais capables de collecter et de mettre à jour en permanence des données sur l’état des routes, sans autre coût que la baisse rapide du coût des données mobiles.
De plus en plus de constructeurs automobiles disposent désormais de voitures dotées de suffisamment de calcul et de capteurs (principalement des caméras, et parfois des ultrasons) pour permettre à leur flotte de collecter en permanence des données sur la forme et l’état actuel des routes. Cela va de la détection des nids-de-poule (en suivant les bosses lorsque les voitures passent dessus) jusqu’à la détection des places de stationnement gratuites – c’est à quel point ces cartes sont proches du temps réel, le tout pour un coût quasiment gratuit. Tesla est en fait peut-être l’entreprise la mieux équipée pour que sa flotte cartographie les routes, et bien qu’ils déclarent ne pas utiliser de cartes très détaillées dans leurs systèmes FSD et Autopilot, beaucoup rapportent des preuves qu’ils construisent effectivement des cartes avec des fonctionnalités supplémentaires. détails à divers endroits complexes et problématiques.
Une carte est devenue essentiellement un souvenir. Une voiture qui peut espérer rouler sans carte est une voiture qui crée sa propre carte à la volée pendant qu’elle roule. Tout ce que la voiture doit faire pour avoir une carte gratuite, c’est se souvenir de ce qu’elle a appris et l’envoyer vers le cloud où elle peut être agrégée avec ce que toutes les autres voitures de son réseau ont appris. Jeter délibérément ces informations est un mauvais choix. Tout le monde utilisera des cartes avec tous les détails qui peuvent être utiles, car cela est devenu très peu coûteux. Certaines entreprises préféreront créer des cartes à l’avance avant d’envoyer des véhicules sans humain à bord. Si les entreprises ont un moyen d’obtenir des cartes à partir de voitures ordinaires conduites par des humains, ce sera ainsi qu’elles construiront ces cartes initiales. S’ils ne disposent pas d’un tel système, ils peuvent envoyer des employés effectuer quelques déplacements sur chaque route. Ce n’est pas gratuit, mais le coût par mile est modeste, en particulier le coût par kilomètre éventuel. Après avoir obtenu ces premières cartes, les véhicules effectueront eux-mêmes les mises à jour des cartes dans le cadre de leur tâche habituelle.
Lorsqu’il s’agit d’un robotaxi, qu’une entreprise déploie dans une ville et dont elle assume la responsabilité, quelle que soit sa capacité à cartographier à la volée, elle sera sage de réduire ses risques en sachant ce qui se passe sur la route avant de pouvoir s’en approcher. assez pour le cartographier. La cartographie participative à faible coût en sera probablement la base.
