Présentation
En anglaisRÉSUMÉ
Cet article présente les notions de base d’autonomie opérationnelle et décisionnelle des véhicules intelligents évoluant sur des routes ouvertes à la circulation publique. Il décrit les principaux systèmes nécessaires à la
navigation autonome de ces véhicules : représentation de l’espace, localisation, cartes, perception, décision, planification et contrôle. La plupart des notions sont liées au domaine de la robotique mobile, au contrôle
et aux systèmes autonomes. Elles sont décrites d’une façon générale et des exemples concrets les illustrent. Un lecteur novice dans ce domaine pourra ainsi appréhender les différentes facettes de cette problématique complexe.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleABSTRACT
This article presents the basic concepts of operational and decision-making autonomy of intelligent vehicles operating on roads open to public traffic. It describes the main systems required for the autonomous navigation
of these vehicles : world modelling, localisation, maps, perception, decision, planning and control. Most of the concepts are related to the field of mobile robotics, control and autonomous systems. They are described in
general and concrete examples illustrate them. A reader novice at this domain will thus be able to understand the different facets of this complex issue.
Auteur(s)
-
Philippe BONNIFAIT : Professeur des universités - Heudiasyc UMR CNRS 7253, université de technologie de Compiègne (UTC), France
-
Clément ZINOUNE : Ingénieur de recherche - Renault SAS, Centre technique d’Aubevoye, le Val-d’Hazey, France
INTRODUCTION
Un véhicule intelligent autonome est un véhicule robotisé à capacité de décision et d’action capable de réaliser des tâches ou une mission qui lui sont confiées sans intervention d’un conducteur humain ou bien avec des interventions minimales, et ce sur des routes ouvertes à la circulation publique. L’adjectif « intelligent » fait référence aux systèmes de transport intelligents. Les principales classes sont les navettes autonomes ou les voitures autonomes, même si les camions et les bus sont des véhicules qui peuvent bénéficier des fonctionnalités de navigation autonome.
Les premiers travaux fondateurs ont été réalisés dans les années 1980 avec les prototypes « Navlab » de l’université américaine Carnegie-Mellon. L’europe, de son côté, s’y est intéressée assez vite avec le programme européen Prometheus (1987-1996). Ces travaux ont donné lieu à beaucoup d’innovations en termes d’aide à la conduite. C’est dans les années 2000 que plusieurs challenges américains de la DARPA (Defense Advanced Research Projects Agency) en 2004, 2005 et 2007 ont montré que la technologie permettait de réaliser des « véhicules autonomes » sans personne à bord. Ainsi, depuis le début des années 2010, on assiste à des démonstrations de plus en plus abouties qui ont marqué le domaine comme l’Intercontinental autonomous challenge de l’université de Parme qui a fait rallier à plusieurs véhicules l’exposition universelle de Shanghai en 2010. À la même époque, Google lançait son projet Self-Driving Car sous la marque Waymo, qui en est en 2020, à sa cinquième génération. Puis, en 2014 le constructeur allemand Daimler a réalisé 100 km avec très peu d’interventions du conducteur de sécurité lors d’un événement pour fêter le parcours historique de Bertha Benz . Même si l’on pourrait citer beaucoup d’autres exemples, on constate que les véhicules particuliers se transforment progressivement en véhicules autonomes, c’est-à-dire qu’ils sont capables de prendre le contrôle des actionneurs manipulés habituellement par le conducteur dont le rôle, dans certaines tâches de conduite, se transforme en superviseur.
Il faut dire que le véhicule autonome peut apporter des réponses à des attentes sociétales : sécurité routière, confort de conduite, situations répétitives et ennuyeuses, meilleure utilisation du temps passé à voyager, amélioration du trafic, optimisation de l’énergie embarquée et de l’usage de l’infrastructure, réduction des temps de parcours, amélioration de la mobilité des personnes âgées ou avec handicap, etc. Il existe également une volonté politique, puisqu’en avril 2016, l’Union européenne (UE) a établi la Déclaration d’Amsterdam (engagement des États membres de l’UE à travailler à l’élaboration de règles et standards communs pour permettre la circulation des véhicules autonomes sur les routes européennes).
En robotique mobile, l’autonomie dépend principalement de trois facteurs :
-
la capacité à évoluer indépendamment d’un humain ;
-
la complexité de la tâche ou de la mission à réaliser ;
-
la complexité de l’environnement d’évolution.
La Society of Automotive Engineers (SAE International) a publié en 2014 une classification en cinq niveaux d’automatisation de la conduite, le niveau 0 correspondant à une conduite complètement manuelle, et le niveau 5 à un rêve idéal où le véhicule serait capable de naviguer de façon complètement autonome pour toutes les missions et dans tous les environnements . Conceptuellement, plus le niveau est élevé, plus le véhicule a de capacités d’autonomie, mais ces capacités sont définies dans des domaines de fonctionnement opérationnel clairement définis (ODD – operational design domain). Le niveau d’automatisation auquel on s’intéresse dans cet article est le niveau 4. Si l’on prend l’exemple d’une tâche de délégation de conduite, cela signifie que le véhicule doit rendre la main au conducteur en l’avertissant à l’avance lorsqu’il sort de son ODD, ou bien qu’un aléa est apparu. Si le conducteur ne réagit pas, le véhicule doit réaliser une manœuvre de mise en sécurité. Dans la suite de cet article, les fonctionnalités clés de l’autonomie des véhicules intelligents sont passées en revue. Les problèmes associés sont présentés, ainsi que les solutions issues de l’expérience des auteurs. L’objectif de cet article est qu’un novice dans ce domaine puisse appréhender les différentes facettes de cette problématique complexe.
KEYWORDS
Robotics | Intelligent vehicles | Autonomous vehicles
DOI (Digital Object Identifier)
CET ARTICLE SE TROUVE ÉGALEMENT DANS :
Accueil > Ressources documentaires > Électronique - Photonique > Technologies radars et applications > Applications radars > Introduction aux techniques de navigation autonome pour les véhicules intelligents > Percevoir et localiser les entités d’importance
Accueil > Ressources documentaires > Technologies de l'information > Technologies radars et applications > Applications radars > Introduction aux techniques de navigation autonome pour les véhicules intelligents > Percevoir et localiser les entités d’importance
Accueil > Ressources documentaires > Automatique - Robotique > Robotique > Applications en robotique > Introduction aux techniques de navigation autonome pour les véhicules intelligents > Percevoir et localiser les entités d’importance
Cet article fait partie de l’offre
Smart city - Ville intelligente et durable
(90 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
3. Percevoir et localiser les entités d’importance
3.1 Percevoir
Le problème de la perception consiste à caractériser en temps réel ce qui ne peut pas être enregistré dans la carte (d’autres usagers comme des cyclistes ou des véhicules, l’état de la signalisation à message variable, etc.). Le but final est de caractériser l’espace libre roulable dans lequel le véhicule peut naviguer.
En d’autres termes, il s’agit :
-
de détecter et localiser les objets dynamiques ;
-
d’identifier l’état de la signalétique variable, comme l’état des feux ;
-
de caractériser l’espace navigable.
La premier problème fait référence à la notion de « carte locale dynamique » (CLD). Il s’agit d’une représentation dans laquelle les objets sont en général caractérisés comme suit :
où x est la pose cinématique de l’objet, P la matrice de covariance de l’erreur associée, e la probabilité d’existence, c la classe (voiture, par exemple) et z un ensemble de caractéristiques comme la longueur, la largeur, etc. Une CLD est centrée sur le véhicule et contient tous les objets en interaction avec lui.
Le système de perception utilise des informations provenant :
-
des capteurs extéroceptifs embarqués ;
-
des capteurs embarqués dans d’autres véhicules ou sur l’infrastructure dont les données sont transmises par télécommunication.
3.1.1 Perception avec capteurs extéroceptifs
Cette problématique est très large et a fait l’objet de nombreuses recherches depuis les années 1990 ...
Cet article fait partie de l’offre
Smart city - Ville intelligente et durable
(90 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Percevoir et localiser les entités d’importance
BIBLIOGRAPHIE
-
(1) - ZIEGLER (J.) et al - Making Bertha Drive - An Autonomous Journey on a Historic Route. - In IEEE Intelligent Transportation Systems Magazine 6.2 , p. 8-20 (2014).
-
(2) - SAE ON-ROAD AUTOMATED VEHICLE STANDARDS - Taxonomy and definitions for terms related to on-road motor vehicle automated driving systems. - In SAE Standard J 3016, p. 1-16 (2014).
-
(3) - BÉTAILLE (D.), TOLEDO-MOREO (R.) - Creating Enhanced Maps for Lane-Level Vehicle Navigation. - In IEEE Transactions on Intelligent Transportation Systems 11.4, p. 786-798 (2010).
-
(4) - BEHRENS (R.) et al - Digitale Karten im Navigation Data Standard Format. - In Handbuch Fahrerassistenzsysteme : Grundlagen, Komponenten und Systeme für aktive Sicherheit und Komfort. Sous la direction d’Hermann WINNER et al. Wiesbaden : Springer Fachmedien Wiesbaden, p. 513-523 (2015).
-
(5) - DUPUIS (M.), STROBL (M.), GREZLIKOWSKI (H.) - OpenDRIVE 2010 and Beyond–Status and Future of the de facto Standard for the Description of Road Networks - ....
DANS NOS BASES DOCUMENTAIRES
Robot Operating System (ROS).
HAUT DE PAGE
SAE
National Highway Traffic Safety Administration (NHTSA)
European Telecommunications Standards Institute (ETSI)
HAUT DE PAGECet article fait partie de l’offre
Smart city - Ville intelligente et durable
(90 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive