Des véhicules autonomes plus intelligents grâce au « motion capture »

En mars 2018, aux États-Unis, un taxi autonome d’Uber en phase de test renverse mortellement une personne qui traversait en dehors d’un passage piéton. Selon le rapport du National Transport Safety Board  (NTSB), rendu il y a un an, le véhicule autonome avait bien détecté la victime, mais ne l’a pas identifiée comme étant une personne.

Même s’il n’existe pas de registre mondial consacré aux accidents de voitures autonomes, les start-ups spécialisées dans ce domaine doivent redoubler d’efforts pour limiter les risques d’accidents mortels. Même si on n’en compte que trois dans le monde, ils font immédiatement la une des médias.

De nombreux constructeurs, dont Renault, planchent donc sur des projets de véhicules proposant des systèmes d’aide à la conduite, plus connus sous l’acronyme d’ADAS (advanced driver-assistance systems).

D’autres intègrent le machine learning pour permettre aux véhicules d’anticiper de brusques changements de trajectoire ou tout autre événement. Mais les situations sont tellement nombreuses et encore imprévisibles que des start-ups travaillent à intégrer d’autres technologies.

C’est le cas de Cruise, une filiale de General Motors. Installée à San Francisco, elle teste la motion capture. Cette technique qui consiste à « capter » les mouvements est utilisée depuis des années au cinéma et dans les jeux vidéo. Cette solution est aussi employée depuis 2019 par des chercheurs de l’Université de Cambridge qui étudient l’impact d’une flotte de véhicules autonomes et communicants sur le trafic routier.

Cruise s’intéresse aux gestes des piétons. Pour nous, êtres humains, ils semblent évidents à comprendre. S’il y a des travaux dans une rue et qu’un ouvrier tient un panneau « Stop  », mais qu’en même temps il nous fait signe de passer, nous allons avancer tranquillement. Cette interprétation basique s’avère un casse-tête pour l’ordinateur d’un véhicule : faut-il tenir compte du panneau ou du geste de la main ?

Autre cas de figure classique  : un piéton qui commence à traverser une rue et qui agite le bras, car il vient de voir un ami en face. Là aussi, un automobiliste va ralentir, car il ne sait pas encore si la personne va traverser ou attendre que les voitures s’arrêtent. Mais comment l’ordinateur va-t-il interpréter cette attitude ?

Pour relever ces défis quotidiens en toute sécurité et sans interruption, les véhicules autonomes doivent comprendre les mouvements de la main ainsi que les gestes et le langage corporel des piétons.

« Nos modèles de machine learning ne disposent pas suffisamment de données de formation, car nos voitures ne font pas assez souvent l’expérience de gestes qui nous apparaissaient comme banals. Il nous faudrait des années pour obtenir suffisamment d’informations sur ces événements », reconnait Sean Harris, Engineering Manager chez Cruise.

Cruise a donc entrepris de dresser une liste exhaustive des gestes et mouvements du corps utilisés par les piétons : lever un bras et crier lorsqu’on voit un ami de loin, appeler un taxi, enlever son sac à dos…

« Pendant sept jours, nous avons fait parcourir à des acteurs une liste de gestes en utilisant chaque main séparément et dans certains cas ensemble. Nous avons obtenu 239 clips de trente secondes. Mais nous allons également travailler à mieux comprendre les gestes des cyclistes », explique Sean Harris.

Concernant l’accident mortel du taxi d’Uber en 2018, la femme de 49 ans marchait à côté de son vélo, de nuit, sur la chaussée, mais hors des clous. C’est l’une des raisons pour laquelle l’ordinateur ne l’avait pas identifiée comme une personne. Le rapport du NTSB précisait aussi que la technicienne dans le véhicule était en train de regarder… l’émission The Voice.