Machine Learning et conduite autonome ? Les chercheurs répondent par l'Open Source

Dans le business de la conduite autonome tout comme dans celui de la conception de puce, la majorité du temps (et de l’argent) n’est pas écoulée sur le design du produit, mais sa vérification. Or, dans un domaine aussi critique que la sécurité routière, mieux vaut être bien armé pour passer les certifications. Ainsi, les outils de simulations sont cruciaux afin de limiter au maximum les tests (coûteux et possiblement dangereux) en conditions réelles ; mais ces logiciels étaient jusqu’alors propriétaires et tarifés de manière bien salée.

Or, le MIT et son équipe de chercheurs est passé par là et vient de présenter VISTA 2.0 (un nom charmant, espérons que le logiciel soit mieux organisé que l'OS) : un framework complet de simulation routière, basé sur des images directement prises de paysages réels, réassembler pour créer un monde alternatif cohérent pour le test et l’apprentissage de DNN dédiés à la conduite. Sa grande force ? Non seulement les images fournies aux caméras peuvent se targuer d’être photoréalistes, mais les fonctionnalités de VISTA ne s’arrêtent pas là : l’outil permet en effet de simuler des images LiDAR et des événements dynamiques, deux autres types de capteurs embarquables sur un véhicule autonome.

Pour évaluer l’intérêt de leur bousin, l’équipe de recherche a entrainé des modèles pour certaines tâches de conduite classiques (dépassement, changement de file, conduite en suivant la route et évitement d’obstacle), et a pu globalement conclure que les réseaux ayant appris se débrouillaient correctement dans la vie réelle. Voilà donc un produit ouvert qui ne manquera pas de séduire l’industrie, reste à voir les apports que cette dernière pourra apporter au projet, pour le moment distribué sous licence MIT autorisant tout type de réutilisation sans contribution. (Source : MIT News)