Des chercheurs de l'Université du Michigan ont développé une nouvelle façon de tester les voitures à pilote automatique, avec laquelle vous ne pouvez pas passer les milliards de kilomètres de tests routiers nécessaires à l'admission en exploitation.
Le processus, qui a été développé à l'aide de données de plus de 40 millions de kilomètres dans le monde réel, peut réduire de 300 000 à 100 millions de fois le temps nécessaire à l'évaluation de véhicules robotisés dans des situations potentiellement dangereuses. Les chercheurs notent que cela peut économiser 99,9% du temps et des coûts de test.
Roger L. McCarthy, professeur d'ingénierie à l'Université du Michigan, fait valoir que même les efforts les plus avancés et à grande échelle pour tester les voitures de pilote automatique aujourd'hui ne justifient pas la nécessité de tests rigoureux des voitures. Au lieu d'une approche intégrée qui mesure tout à la fois, la nouvelle méthode décompose le processus en composants séparés qui peuvent être retestés dans la simulation, fournissant aux véhicules contrôlés automatiquement des ensembles compressés des situations de circulation les plus difficiles. Si, par exemple, vous devez obtenir des données sur la réaction d'un robot à un obstacle inattendu, les efforts doivent être concentrés sur cette situation. Le comportement des véhicules sans pilote dans les moments «ennuyeux» peut également être obtenu par analyse statistique.
Les chercheurs donnent une comparaison simple: un total de 1 000 milles (1,6 mille km) de tests équivaut à 300 mille - 100 millions de milles (482,8 mille kilomètres - 161 millions de kilomètres) dans le monde réel. Et même si 100 millions de kilomètres ressemblent à une distance trop longue, cela ne suffit pas. Pour que les chercheurs obtiennent suffisamment de données pour certifier la sécurité sans conducteur, des scénarios routiers complexes et extrêmement rares sont nécessaires. Par exemple, un accident mortel ne se produit qu'une fois tous les 100 millions de miles.
Pour que les consommateurs acceptent de monter dans une voiture sans chauffeur, il est nécessaire de prouver avec 80% de certitude qu'elle est 90% plus sûre qu'une conduite humaine. Pour cela, les voitures devraient parcourir 17,7 millions de km (11 millions de miles), soit dans le monde réel, soit dans une simulation. Même pendant une décennie de tests 24 heures sur 24 dans des conditions urbaines typiques, un peu plus de 3 millions de kilomètres (2 millions de milles) seront tapés.
De plus, les véhicules entièrement automatisés nécessitent un type de test complètement différent de celui utilisé pour les voitures d'aujourd'hui. Même les questions posées par les chercheurs sont plus compliquées. Au lieu de découvrir ce qui se passe dans un accident, ils devraient déterminer dans quelle mesure les voitures peuvent empêcher cela de se produire.
Les scientifiques ont établi une analogie pour tester une voiture avec un rendez-vous chez le médecin. Méthodes de test pour les voitures à contrôle humain - il s'agit de mesurer la pression artérielle ou la fréquence cardiaque, de tester les véhicules sans pilote - de vérifier le QI du patient.
Pour développer une approche accélérée en quatre étapes, les chercheurs ont analysé les données de 40,6 millions de kilomètres réels (25,2 millions de miles) collectées par deux projets de l'Institute of Transport Studies de l'Université du Michigan. En deux ans, ils ont déployé environ 3 000 voitures et bénévoles.
Ils ont ensuite identifié les événements qui pourraient contenir des «interactions significatives» entre le véhicule automatique et la personne conduite, et ont créé une simulation qui a remplacé la conduite entière sans incident avec ces interactions significatives. Après cela, ils ont programmé la simulation pour que les véhicules sans pilote voient les conducteurs humains sur les routes comme la principale menace et ont placé des voitures conduites par des personnes partout au hasard.
La phase de programmation a été suivie de tests mathématiques pour évaluer le risque et la probabilité de certains résultats, notamment les blessures, les accidents et les moments proches de l'accident. En conclusion, les chercheurs ont interprété les résultats des tests accélérés, en utilisant la méthode d'
échantillonnage par signification , pour découvrir comment les voitures à conduite automatique répondraient statistiquement aux situations quotidiennes sur la route.
Un processus d'évaluation accéléré peut être effectué pour diverses manœuvres potentiellement dangereuses. Jusqu'à présent, l'équipe de recherche n'a évalué que les deux situations les plus courantes susceptibles de provoquer des accidents graves: un véhicule sans pilote suivant un conducteur humain et, à l'inverse, une personne dans une voiture qui suit un transport autonome. La précision de l'évaluation a été déterminée en effectuant et en comparant des simulations accélérées et réelles. L'équipe note qu'il est nécessaire de poursuivre les recherches et d'envisager d'autres situations sur la route.