Monter la barre en matière de sécurité des véhicules autonomes

Regarder ce webinaire

Les véhicules entièrement autonomes d’un avenir pas si lointain promettent des gains considérables en matière de sécurité automobile et d’efficacité des transports. Mais pour tenir cette promesse, les équipementiers automobiles doivent aller au-delà des niveaux actuels d’autonomie des véhicules.

Faire ce saut nécessitera de surmonter un ensemble unique de défis pour tester les capteurs radar automobiles dans les systèmes avancés d’assistance à la conduite (ADAS) et les systèmes de conduite autonome, ainsi que de développer de nouvelles méthodologies pour les algorithmes de formation que les solutions conventionnelles sont mal équipées pour résoudre.

SAE International (anciennement la Society of Automotive Engineers) définit six niveaux d’autonomie du véhicule, le niveau 0 représentant entièrement manuel et le niveau 5 représentant entièrement autonome.

Les systèmes de véhicules autonomes les plus avancés d’aujourd’hui n’évaluent que le niveau 3, ce qui signifie qu’ils sont capables de prendre certaines décisions telles que l’accélération ou le freinage sans intervention humaine. Passer du niveau 3 au niveau 5 nécessitera de nombreuses percées, notamment la réduction de l’écart entre la simulation logicielle et les tests routiers, et la formation d’ADAS et d’algorithmes de conduite autonome aux conditions du monde réel.

La simulation logicielle joue un rôle important dans le développement de véhicules autonomes. La simulation d’environnements via un logiciel peut aider à valider les capacités des systèmes ADAS et de conduite autonome. Mais la simulation ne peut pas reproduire entièrement les conditions de conduite réelles ou le potentiel de réponse imparfaite des capteurs, ce à quoi les véhicules entièrement autonomes devront inévitablement faire face.

Les équipementiers s’appuient sur des essais sur route pour valider les systèmes ADAS et de conduite autonome avant de les commercialiser. Alors que les essais routiers sont et continueront d’être une composante vitale et nécessaire du processus de développement, ils sont longs, coûteux et difficiles à répéter spécifiquement dans le domaine du contrôle des conditions environnementales. S’appuyer uniquement sur des essais sur route pour développer des véhicules suffisamment fiables pour naviguer en toute sécurité sur les routes urbaines et rurales 100% du temps prendrait des décennies. Pour que le développement se produise dans un délai réaliste, des algorithmes de formation sont nécessaires.

La validation des algorithmes de conduite autonome basés sur le radar est une tâche cruciale. Les capteurs capturent des informations sur les conditions de la route et de la circulation et transmettent ces informations aux processeurs et aux algorithmes qui lui permettent de prendre des décisions sur la manière dont le véhicule doit réagir à une situation donnée. Sans une formation adéquate, les véhicules autonomes pourraient prendre des décisions qui compromettent la sécurité du conducteur, des passagers ou des piétons.

Tout comme les gens deviennent de meilleurs conducteurs avec le temps et l’expérience, les systèmes de conduite autonome améliorent leur capacité à faire face aux conditions de conduite réelles avec le temps et la formation. Et atteindre le niveau 5 d’autonomie nécessitera des systèmes complexes qui dépassent les capacités des meilleurs conducteurs humains.

Les essais routiers prématurés de systèmes ADAS et de conduite autonome non éprouvés créent également des risques. Les équipementiers doivent pouvoir permettent la validation des capteurs réels, du code de l’unité de contrôle électronique, de l’intelligence artificielle, etc.

Certains systèmes ne fournissent pas une véritable approximation des scénarios de conduite réels. Ils ont un champ de vision limité et ne peuvent pas résoudre les objets à des distances inférieures à 4 mètres. Certains de ces systèmes utilisent plusieurs simulateurs de cibles radar, chacun présentant des cibles ponctuelles aux capteurs radar et émulant les positions horizontales et verticales en déplaçant mécaniquement les antennes. Cette automatisation mécanique ralentit la durée globale du test. D’autres solutions créent un mur d’antennes avec seulement quelques simulateurs de cible, permettant à un objet d’apparaître n’importe où dans la scène, mais pas simultanément. Dans un environnement statique ou quasi-statique, cette approche permet un test avec une poignée de cibles se déplaçant latéralement à des vitesses limitées par la vitesse des bras robotiques.

Image reproduite avec l’aimable autorisation de Thomas Goetzl, Keysight Technologies Thomas Goetzel, de Keysight Technologies.

Les simulateurs actuels peuvent émuler un maximum de 32 objets seulement, y compris des véhicules, des infrastructures, des piétons, des obstacles et d’autres objets. C’est beaucoup moins d’objets qu’un véhicule circulant sur la route peut rencontrer à un moment donné. Tester des capteurs radar sur un nombre limité d’objets donne une vue incomplète des scénarios de conduite et masque la complexité du monde réel.