Avec le développement des nouvelles technologies, la voiture autonome est devenue un rêve à portée de main. De nombreuses marques se sont lancées sur le marché, comme la plus réputée à l’heure actuelle, portée par l’entrepreneur américain Elon Musk : Tesla. D’autres marques telles que Uber, Google et les grands constructeurs automobiles sont également sur le marché. Deux principales innovations ont permis l’émergence de ces voitures : le développement de capteurs efficaces et le développement de logiciel toujours plus performants. Cet article va aider à vous y voir plus clair et comprendre le fonctionnement global d’un tel véhicule.
Les capteurs installés sur le véhicule
Les capteurs équipant les voitures autonomes sont très nombreux et dépendent également du modèle et de la marque de celle-ci. En effet, chaque constructeur possède ses propres normes et utilise donc des capteurs différents qui sont disposés de manière différente. Cependant, il s’agit généralement de caméras classiques, utilisées en couple avec un petit décalage pour permettre d’extrapoler une vision 3D de l’espace autour de la voiture. Des capteurs ultrasons (semblables à ceux équipant déjà les radars de recul des voitures classiques) sont également utilisés, pour avoir une idée plus précise des distance proches. Enfin, d’autres radars peuvent être utilisés pour rendre le système encore plus précis.
Le logiciel et les réseaux de neurones
Une fois les données des capteurs reçues par le système de calcul, elles doivent être traités par ce dernier. Pour cela, la majorité des voitures autonomes développées à l’heure actuelle utilisent un réseau de neurones, très popularisé par les médias depuis quelques temps. Plus précisément, les constructeurs utilisent des algorithmes de Deep learning, dérivés des réseaux de neurones. Ces derniers fonctionnent en théorie de manière assez simple, et ont une structure similaire au cerveau humain. On va se servir d’une grande base de données d’image connues (comme des photographies de passage piétons par exemple) et les donner à traiter au système. Il est alors en phase d’apprentissage. Le système va alors trouver les points communs entre toutes ces images et sera capable, à la fin de son apprentissage, de reconnaître un passage piéton avec une fiabilité parfois plus importantes que l’humain. Ces bases de données d’images sont donc primordiales pour les entreprises. C’est pour cela que sur internet, pour prouver que vous n’êtes pas un robot, vous devez parfois sélectionner sur une image toutes les cases qui contiennent un passage piéton. Cela permet à l’entreprise (Google dans ce cas), d’améliorer leurs bases de données pour rendre leur algorithme de Deep learning encore plus fiable.
