Voitures autonomes à l’entraînement

L’entreprise LeddarTech, établie à Québec, développe depuis quelques années des logiciels qui permettent aux véhicules autonomes d’interpréter l’environnement qui les entoure. Pour ce faire, leurs algorithmes doivent rassembler et fusionner toutes les images recueillies par les caméras et les capteurs qui bardent les véhicules autonomes. Ils doivent aussi être capables de reconnaître les objets importants pour la conduite, comme les autres voitures, les panneaux et les piétons.

Or, pour développer et perfectionner ces algorithmes, qui relèvent évidemment de l’intelligence artificielle, LeddarTech a besoin de les entraîner avec d’énormes bases de données, qui coûtent extrêmement cher. Pour reproduire les situations dans lesquelles un véhicule autonome pourrait se trouver, il faut équiper de véritables voitures de capteurs, embaucher des conducteurs et les envoyer sur la route. « Ça peut prendre jusqu’à 10 000 heures de conduite sur route pour entraîner un logiciel », estime l’ingénieur Pierre Olivier, chef de la technologie chez LeddarTech.

Un monde créé de toutes pièces

C’est là qu’entre en jeu le logiciel LeddarEcho, développé par LeddarTech et par la société allemande dSPACE pour générer à faible coût de très grandes quantités de données. LeddarEcho utilise des jumeaux numériques pour simuler un environnement comprenant des routes, des cônes, des piétons et, bien sûr, des voitures autonomes. « C’est un peu comme un gros jeu vidéo où des véhicules se promènent en respectant les règles de la route », illustre Pierre Olivier.

LeddarEcho simule et enregistre les mesures qu’auraient prises les capteurs des automobiles du jeu vidéo, et en fait une base de données qui peut être utilisée pour entraîner des intelligences artificielles (IA). LeddarTech utilise ces données pour développer ses propres produits, et les met à la disposition de certains de ses clients.

« C’est une technologie qui accélère beaucoup le déploiement des solutions de perception, parce que ça permet de commencer à entraîner l’IA avant même que le [modèle de capteur] soit disponible sur la route.  »

– Pierre Olivier, chef de la technologie chez LeddarTech

« Dans la vraie vie, on peut juste prendre une heure de données pour une heure de route », explique M. Olivier. « Mais dans une simulation, on peut accélérer le temps, ou faire rouler une centaine de véhicules en même temps. » Par rapport à la réalité, la simulation permet aussi de facilement confronter l’algorithme à des cas précis. Par exemple, si on veut l’entraîner à reconnaître des enfants qui sortent d’un autobus, il est difficile pour un véritable conducteur de se retrouver face à cette situation précise des centaines de fois de suite. Avec le logiciel, il suffit de programmer un scénario pour que cet évènement survienne en boucle.

Évidemment, ces simulations hyper détaillées requièrent des ordinateurs extrêmement puissants, donc, forcément, extrêmement onéreux. « Pour que des données synthétiques puissent être utilisées, il faut qu’elles soient très, très fidèles à la réalité », souligne Pierre Olivier. Pour être sûr de ne rien manquer d’important, il faut tout de même confronter les algorithmes à un certain nombre de véritables données, environ 10 % selon les standards actuels.

Un nouveau type de capteur

Le logiciel LeddarEcho permet spécifiquement de simuler des données produites par des lidars, un type de capteur de plus en plus utilisé dans les véhicules autonomes. Le lidar fonctionne essentiellement comme un radar, envoyant des faisceaux et en mesurant le temps le retour, mais il utilise des rayons lumineux au lieu d’ondes radio. Cela lui permet d’être beaucoup plus précis qu’un radar classique. Pour le moment, les radars sont encore majoritairement utilisés dans les véhicules autonomes, mais les experts estiment que les lidars pourraient prendre leur place dans les années à venir, à mesure que baisseront leurs coûts de production.