Les robots motorisés suivent parfaitement les autres voitures et ils remarquent mieux les piétons, les écureuils et les oiseaux. Le principal problème reste le moyen de transport le plus léger, le plus silencieux et le plus rapide.
«Le défi de trouver des vélos est peut-être le plus difficile des défis auxquels est confronté le développement de systèmes pour les véhicules robotisés», a déclaré l'ingénieur de recherche
Stephen Schladover de l'Université de Californie à Berkeley.
Nuno Vasconcelos, un expert en vision par ordinateur à l'Université de Californie à San Diego, dit que le problème de trouver des vélos est difficile en raison de leur taille, vitesse et variété relativement petites. «Une machine est essentiellement un gros bloc de matière. La masse des vélos est beaucoup plus petite et ils peuvent avoir un aspect différent - ils ont de nombreuses formes et couleurs, et il arrive que les gens les suspendent avec de la camelote. »
Par conséquent, la précision de détection des voitures ces dernières années a dépassé la précision de détection des vélos. La plupart des améliorations se sont produites dans la formation des systèmes dans lesquels ils ont étudié des milliers de photographies avec des objets marqués. Et la plupart de la formation s'est concentrée sur des images de voitures, pas de vélos.
Prenez l'algorithme
Deep3DBox récemment introduit par des chercheurs de l'Université. George Mason et Zoox, développeur de
Robotaxi, de Menlo Park. Dans le test de système standard de l'industrie, dans lequel il essaie d'
analyser des images bidimensionnelles , Deep3DBox a identifié 89% des voitures. Il y a plusieurs années, de tels systèmes n'ont pas survécu à plus de 70%.
Deep3DBox fait également bien face à une tâche plus complexe: prédire dans quelle direction va le transport et générer un conteneur tridimensionnel pour les objets dans une image bidimensionnelle. «Le deep learning est généralement utilisé pour détecter facilement des séquences en pixels. Nous avons trouvé un moyen efficace d'utiliser cette technologie pour déterminer les propriétés géométriques des objets », a déclaré Jana Košecká, participante au projet, programmeuse à l'Université. George Mason.
Mais le système est bien pire pour détecter et orienter les vélos et les cyclistes. Deep3DBox est l'un des meilleurs systèmes, mais dans les tests, il ne reconnaît que 74% des vélos. Et bien qu'elle puisse orienter correctement plus de 88% des voitures sur les photos, dans le cas des vélos, elle ne le fait que dans 59% des cas.
Koschecka affirme que les systèmes commerciaux font un meilleur travail lorsque les développeurs ont accès à d'énormes ensembles d'images capturés sur la route qui peuvent entraîner un ordinateur. Selon elle, la majorité des robomobiles d'essai complète le traitement d'image avec le balayage laser (
lidar ) et les radars, qui aident à reconnaître les vélos et leur position par rapport à la robotique, même s'ils ne rapportent rien sur son orientation.
Les cartes haute résolution, par exemple,
Road Experience Management par Mobileye, une société israélienne, aident à percer de nouvelles percées technologiques. Ces cartes donnent à l'ordinateur un avantage pour reconnaître les vélos, car ces vélos ressemblent à des anomalies dans les images routières préenregistrées. Ford Motor affirme que les cartes tridimensionnelles et très détaillées sont au cœur des 70 robots d'essai qu'il prévoit de lancer sur la route cette année.
Mettez tout cela ensemble et vous pouvez obtenir des résultats assez impressionnants - et ils ont été
démontrés l'année dernière par des appareils de Google .
Waymo , une entreprise qui se détache du département des robots de Google, a
démontré sa propre technologie de capteur qui améliore la capacité du système à reconnaître les vélos.
Vasconcelos doute que les systèmes existants de reconnaissance et d'automatisation des objets puissent remplacer les conducteurs humains, mais estime qu'ils sont déjà suffisamment développés pour aider les gens à éviter les accidents. La reconnaissance des cyclistes commence déjà à être mise en complément du système de freinage automatique commercial (AEB), installé sur les voitures ordinaires, et capable de reconnaître non seulement les voitures, mais aussi les piétons avec des cyclistes.
Le
premier système de reconnaissance
AEB de Volvo a été introduit par Volvo en 2013. Il traite les données de la caméra et du radar, prédisant les collisions possibles. Cette année, une technologie similaire sera testée sur des bus européens. D'autres constructeurs automobiles devraient rattraper leur retard après cela, alors que les régulateurs européens commencent à évaluer les systèmes AEB pour la qualité de reconnaissance des cyclistes l'année prochaine.
Mais de tels systèmes souffrent encore de sérieuses limitations, dont la prochaine tâche difficile pour les développeurs suit: prédire la direction du mouvement des objets en mouvement. Il sera particulièrement difficile d'extraire encore plus de données des systèmes AEB qui reconnaissent les cyclistes - dit Olaf Op den Camp, consultant principal à l'Organisation néerlandaise pour la recherche appliquée. Opden Kamp, qui a dirigé le développement du
test européen pour les systèmes AEB avec reconnaissance des vélos , dit qu'il est le plus difficile de prédire les mouvements des cyclistes.
Koschecka est d'accord avec lui: "Les cyclistes sont beaucoup moins prévisibles que les voitures, car il leur est beaucoup plus facile de faire des virages brusques ou de sauter de nulle part."
Cela signifie qu'il faudra beaucoup de temps avant que les cyclistes puissent éviter les erreurs humaines associées à 94% des accidents, selon les autorités de réglementation américaines. "Tous les cyclistes sont impatients de ce moment", a déclaré Brian Wiedenmeier, directeur exécutif du cycle des cyclistes de San Francisco. Mais il dit qu'il sera juste d'attendre que les technologies d'automatisation arrivent à maturité.
En décembre, Weidenmeyer a
averti que les robots parrainés par Uber Technologies enfreignaient les règles de circulation de la Californie, spécialement conçues pour protéger les cyclistes des voitures et des camions traversant des voies réservées aux vélos. Il a soutenu la
révocation de l' immatriculation de ces voitures après que l'entreprise eut refusé de recevoir des permis pour ces voitures. Uber teste toujours ses voitures robotisées en Arizona et à Pittsburgh, et a récemment reçu la permission de rendre certaines voitures dans les rues de San Francisco, mais uniquement en tant que machines de marquage, qui seront certainement conduites par des conducteurs.
Weidenmeyer dit qu'Uber est pressé d'entrer sur le marché, et c'est faux. Il déclare: "Comme toute nouvelle technologie, cela doit être vérifié très attentivement."