Wayne, une start-up de voitures sans chauffeur basée à Londres, a mis au point un modèle d'apprentissage automatique capable de conduire deux types de véhicules différents : un véhicule de tourisme et une camionnette de livraison. C'est la première fois qu'une même intelligence artificielle (IA) apprend à conduire différents types de véhicules.
Cette annonce intervient moins d'un an après que Wayne ait montré qu'elle pouvait utiliser une IA formée dans les rues de Londres pour conduire des voitures dans quatre autres villes du Royaume-Uni. Normalement, pour réaliser ce défi, il faudrait une réingénierie importante. "C'est comme lorsque vous vous rendez dans une nouvelle ville et que vous louez une voiture, vous pouvez toujours conduire", déclare Jeff Hawke, vice-président de Wayve.
Cette avancée suggère que l'approche de Wayve en matière de véhicules autonomes, dans laquelle un modèle d'apprentissage profond est entraîné à conduire à partir de zéro, pourrait l'aider à évoluer plus rapidement que des entreprises de premier plan telles que Cruise, Waymo et Tesla.
Bien que Wayve soit une entreprise bien plus petite et moins bien dotée financièrement que ses concurrents, elle fait partie d'une nouvelle génération de start-up, comme Waabi et Ghost, parfois connue sous le nom de "AV2.0". Celle-ci abandonne l'esprit robotique adopté par la première vague de sociétés de voitures autonomes - dans lesquels les voitures sans chauffeur s'appuient sur des cartes 3D super détaillées et des modules séparés pour la détection et la planification. Au lieu de cela, ces start-up s'en remettent entièrement à l'IA pour conduire les véhicules.
L'approche robotique a permis de mettre en place des robots-taxis dans quelques rues de Phoenix et de San Francisco. Bilan : les coûts d'exploitation sont énormes et il y a peu de signes indiquant que ces services dépasseront prochainement la phase d'essai. Wayve et d'autres espèrent changer la donne en reproduisant ce que l'apprentissage profond a fait pour la vision par ordinateur et le traitement du langage naturel avec les véhicules à conduite automatisée. L'objectif est de permettre aux voitures de mieux s'adapter à des rues et à des scénarios inconnus sans avoir à mettre à jour des cartes complexes ou à maintenir des systèmes logiciels artisanaux.
Je me suis rendu au siège de Wayve à Londres pour voir le nouveau fourgon "Maxus e9" de la société. Il était garé à côté de sa flotte existante de voitures "Jaguar I-Pace". À l'instar de ces dernières, le fourgon est doté des mêmes six capteurs de la taille d'une webcam mais ici ils sont placés plus haut et à des angles différents. Cela signifie que l'entrée du modèle - un flux vidéo de chaque caméra qu'il surveille environ 30 fois par seconde - diffère d'un véhicule à un autre. L'intelligence artificielle a appris à les contrôler de n'importe quel point de vue. L'IA a également dû s'adapter à la taille et au poids plus importants de la camionnette. Son rayon de braquage est différent et il lui faut plus de temps pour s'arrêter.
La voiture et le fourgon peuvent avoir le même "décideur" - c'est-à-dire l'IA - derrière le volant mais les décisions doivent être exécutées de manière différente. Sous le capot de la camionnette, un enchevêtrement de fils et de pièces informatiques sur mesure traduit les commandes du modèle au véhicule spécifique qu'il contrôle.
Le modèle d'IA de Wayve a été mis au point en utilisant une combinaison d'apprentissage par renforcement - où l'IA apprend à partir d'essais successifs et d'erreurs - et d'apprentissage par imitation - où elle copie les actions des conducteurs humains. Il a fallu des milliers d'heures de données de conduite avant que le modèle ne parvienne à conduire une voiture. La société britannique a d'abord testé son modèle d'IA à conduire la camionnette dans une simulation, ce qui n'a nécessité que 80 heures de données supplémentaires.
Un temps relativement court qui a surpris l'équipe. "Lorsque nous avons démarré ce projet, nous ne savions pas combien de données seraient nécessaires pour que le système se généralise", admet Becky Goldman, scientifique chez Wayve. Ce résultat suggère que le modèle d'IA peut s'adapter aux nouveaux véhicules plus rapidement que prévu. Wayve a également constaté que le fait d'apprendre à conduire une camionnette améliorait les performances de l'IA lorsqu'elle retournait aux commandes d'un véhicule de tourisme.
Une fois que le modèle est parvenu à conduire la camionnette aussi bien que la voiture en simulation, Wayve l'a testé sur la route. Naomi Standard, une opératrice sécurité chez Wayne, a fait partie des personnes qui se sont installées à bord de ces véhicules se conduisant tout seul lors de la phase de test grandeur nature. Elle avoue avoir eu peur lors de la première sortie du van : "J'avais le même sentiment qu'un moniteur d'auto-école qui fait rouler un de ses élèves pour la première fois". Le van s'est très bien débrouillé dans les rues étroites de Londres, naviguant entre les travaux de voirie, les passages piétons, les bus et les voitures stationnées en double file.
Jay Gierak, de la société Ghost, basée à Mountain View en Californie, est impressionné par les démonstrations faites par Wayve et partage la philosophie de l'entreprise. "L'approche robotique n'est pas la bonne façon de procéder", affirme-t-il.
Toutefois, il n'est pas convaincu par l'engagement total de Wayve dans l'apprentissage profond. Au lieu d'un grand modèle unique, Ghost forme plusieurs centaines de petits modèles, chacun ayant ses propres spécificités et spécialités. L'entreprise code ensuite des règles simples qui indiquent au système de conduite autonome quels modèles utiliser en fonction de la situation. (L'approche de Ghost est similaire à celle adoptée par une autre entreprise AV2.0, Autobrains, basée en Israël. La différence est qu'Autobrains utilise une couche supplémentaire de réseaux neuronaux pour apprendre les règles au système.)
Selon Volkmar Uhlig, cofondateur et directeur technique de Ghost, le fait de diviser l'IA en de nombreux éléments plus petits, avec chacun une fonction spécifique, permet de garantir plus facilement la sécurité à bord d'un véhicule. "À un moment donné, il va arriver quelque chose [de mal]", dit-il. "Et un juge vous demandera de lui présenter le code qui dit : 'S'il y a une personne devant vous, vous devez freiner'. Ce morceau de code doit exister". Le code peut toujours être appris mais dans un grand modèle unique, comme celui de Wayve, il sera difficile à trouver, estime Volkmar Uhlig.
Quoi qu'il en soit, les deux entreprises poursuivent des objectifs complémentaires : Ghost veut fabriquer des véhicules à destination du grand public capables de se conduire seuls sur les autoroutes. De son côté, Wayve veut être la première entreprise à doter 100 villes de véhicules sans conducteur humain. Wayve collabore actuellement avec Asda et Ocado, géants britanniques de l'alimentation, en recueillant les données de leurs véhicules de livraison en ville.
Pourtant, à bien des égards, Ghost et Wayve sont loin derrière les leaders du marché. Les voitures autonomes de Cruise et Waymo, par exemple, cumulent des centaines d'heures de conduite et ces entreprises proposent déjà des services de robot-taxi au public dans un certain nombre d'endroits.
"Je ne veux pas sous-estimer l'ampleur du défi qui nous attend", insiste Jeff Hawke. "L'industrie audiovisuelle vous apprend à faire preuve d'humilité".
Article de Will Douglas Heaven, traduit de l'anglais par Kozi Pastakia.
- Accès à tous les articles réservés aux abonnés, sur le site et l'appli
- Le magazine en version numérique
- Navigation sans publicité
- Sans engagement
