Voilà plus d’un an qu’Apple transmettait son rapport sécuritaire au FBI pour son projet de voiture autonome, connu sous le nom de « Projet Titan ». Si beaucoup avaient insisté sur le retard d’Apple par comparaison avec d’autres marques comme Waymo, Ford ou GM, il semblerait qu’en ce début d’année, la firme ait dès lors bien avancé. Un article paru le 28 janvier sur Arxiv.org présente les travaux liés à l’utilisation de l’IA pour créer des environnements couvrant une multitude de scénarios, et permettre l’interaction entre les véhicules.

La mise en place d’un programme

L’histoire n’est pas sans rebondissement, entre le licenciement de presque 200 employés travaillant sur le projet en 2019, et un employé chinois arrêté par le FBI pour tentative de vol de secrets industriels sur le projet Titan, les progrès d’Apple sur la création d’un véhicule autonome semblaient quelque peu compromise dans le temps.

Toutefois, il semblerait que les travaux ne se soient pas arrêtés pour autant. Aucune communication officielle de la part d’Apple, néanmoins, la publication de travaux sur plusieurs scénarios de conduite grâce à l’utilisation de l’intelligence artificielle, vient mettre la puce à l’oreille.

Le principe est assez simple dans son ensemble, et bien connu désormais des personnes travaillant sur la construction des voitures autonomes : créer un environnement semblable à la réalité de la route et entraîner les logiciels d’IA intégrés aux futurs véhicules pour leur permettre d’être autonome face aux interactions possibles.

L’équipe d’Apple, menée par Yichuan Charlie Tang, s’est penchée sur la mise en place d’un programme de formation des futurs véhicules pour interagir avec les autres voitures sur la route, et appréhender la multitude de scénarios possibles : « Nous construisons d’abord une simulation basée sur le trafic et la géométrie réelle de la route, où le réseau routier est reconstitué à partir de l’imagerie satellite ».

Bien sûr l’apprentissage renforcé des systèmes d’IA consiste à utiliser ce programme pour anticiper au mieux tous les scénarios possibles. Grâce aux images récupérés par satellite, celui-ci peut fusionner les simulations des véhicules autonomes avec des images de la réalité. Bon moyen pour l’équipe de ne plus anticiper la route simplement en se fixant sur les règles du code routier, ce qui serait bien sûr totalement insuffisant. Grâce à ce système mis en place, les « agents », autrement dit, les simulateurs de voiture autonome, peuvent commencer d’apprendre et s’entraîner à réagir face au comportement des autres véhicules, comme le démontrent les schémas ci-dessous.

Photo simulation

Crédit : Apple/arxiv.org

 

Une progression en trois temps

Le programme peut ainsi mettre en place des simulations d’agents contrôlés par une intelligence artificielle qui va devoir s’adapter et anticiper le mouvement des autres véhicules. Par exemple, un régulateur de vitesse est enclenché en fonction du type de route emprunté, autoroute, nationale, etc., et l’intelligence artificielle qui contrôle le véhicule peut s’entrainer à ralentir et accélérer en fonction de la vitesse appliquée, mais également en fonction du véhicule qui se trouve devant, ou de celui qui se déboite rapidement etc.

Photo simulation

Crédit : Apple / arxiv.org

Toutefois avant d’arriver à ce genre de maîtrise, il faut bien sûr établir une progression. Ainsi, pour chaque situation ou action simulée, les agents contrôlés par l’IA, ont d’abord été programmés pour suivre les règles communes et connues de tous.

Dans un premier temps, il s’agit de « récompenser » les agents quand ils respectent le code de la route, ou au contraire de les « pénaliser » quand ils le bafouent et qu’ils entrent en collision. Ce premier schéma ne fait interagir entre elles que des simulations de voitures autonomes.

La deuxième étape consiste à introduire des comportements irréguliers. C’est là que le programme intervient, pour fusionner des images satellites de véhicules réels avec les agents contrôlés par les IA. L’équipe a commencé par intégrer 30% d’images correspondant à des comportements réels.

La troisième étape, la plus longue évidemment, et donc encore cours, consiste à intégrer de plus en plus de comportements réels, et ainsi permettre aux agents de s’entraîner.

Photo simulation

Crédit : Apple / arxiv.org

Pour l’instant le rapport mentionne 278 heures d’entrainement, au cours desquelles 10 millions de simulations environnementales ont eu lieu. Il reste encore du chemin pour permettre aux agents IA réagir à face à toute situation. Il s’agit par exemple de trouver un équilibre entre le freinage systématique à l’origine d’accidents, et d’autres qui par réaction, ne freinent plus.

D’après leurs résultats, les agents IA, appliquant uniquement le code de la route, ont un taux de réussite de 63%. Les agents IA entrainés auraient obtenu 98% de réussite. Ces résultats sont encore aléatoires puisqu’ils dépendent du nombre de comportements réels intégrés au programme. L’équipe d’Apple se dit confiante toutefois, et pense pouvoir arriver à 100 % de taux de réussite. Affaire à suivre.