tous les documents
  • tous les documents
  • Images
  • Films
  • Rushes
  • Publications
  • Audio
Recherche avancée
Ensemble de recherche :
tous les documents
  • tous les documents
  • Images
  • Films
  • Rushes
  • Publications
  • Audio
Recherche par couleur
Ensemble de recherche :
tous les documents
  • tous les documents
  • Images
  • Films
  • Rushes
  • Publications
  • Audio
Code HTML Copiez-collez le code ci-dessous pour l'intégrer dans une page Web.
Titre :
Le projet Perfect : Vers la voiture autonome
Légende - Résumé :
Présentation du projet Perfect de l'Institut de Recherche Technologique (IRT) Nanoelec, dont Inria est un partenaire fondateur.
Le projet Perfect associe le CEA et Inria sur un projet de robotique mobile, destiné à embarquer des logiciels sur des véhicules.
Interviennent, par ordre d'apparition :
- Christian Laugier, directeur de recherche Inria
- Tiana Delhomme, directrice adjointe du programme PULSE, IRT Nanoelec
- Julia Chartre, ingénieur R&D
Nom de fichier :
Inria-1012_ProjetPerfect-fr.mp4
Titre :
Le projet Perfect : Vers la voiture autonome
Année :
2016
Durée (min) :
00:06:43
Publications :
https://videotheque.inria.fr/videotheque/doc/1012
Autres versions :
Master VF : 1012
Master VEN : 1013
Autre : Lien externe : 1014 (version courte)
Lien Equipe-projet :
Lien Centre de Recherche :
Mots clés :
N° master :
1012
Durée :
06 min 43 sec
IsyTag :
algorithme - boîtier - c' - d' - est-à-dire - est-ce - image - Inria - IRT - L' - Lidar - logiciel - Nanoelec - perception - piéton - plate-forme - pouvoir - scène - véhicule
Transcription automatiqu :
L'IRT Nanoelec est un institut de recherche technologique dont Inria est un partenaire fondateur Le projet Perfect associe le CEA et Inria sur un projet de robotique mobile et destiné à embarquer des logiciels sur des véhicules L'intégration entre ces logiciels développés par l'équipe de recherche Inria Chroma et le matériel est aujourd'hui un point crucial pour le déploiement commercial de la voiture autonome La problématique centrale sur laquelle on travaille est le lien fort qu'y il a entre la perception embarquée la décision et le contrôle et surtout sur le fait qu'il faut comprendre l'environnement On ne peut pas décider tant qu'on n'a pas compris l'environnement Notre approche pour aborder ce problème et d'une part de développer des techniques pour l'analyse et la compréhension de la scène perçue par les capteurs en allant jusqu'à l'analyse du risque de collision future Ensuite l'autre approche est de faire des expérimentations en grandeur réelle soit sur la plate-forme de l'IRT Nanoelec avec notre véhicule expérimental mais également quelques mesures prises en ville pour avoir des environnements beaucoup plus complexes On a besoin effectivement pour innover sur le véhicule communiquant à la fois de disposer d'un véhicule test un véhicule qui est une plate-forme de test mais on a également besoin d'une infrastructure particulière pour que ce véhicule puisse communiquer avec les différents éléments qui sont ceux de son contexte habituel donc le mobilier interactif la signalétique la route les parkings les barrières et comme il est difficile d'avoir accès à des zones de tests pour des raisons de sécurité ou des raisons règlementaires il est nécessaire pour valider la performance des expérimentations qu'on mène de disposer d'un lieu pour pouvoir mener ces tests Et c'est le cas de cette plate-forme technologique de liaison On a une Renault Zoé qu'on a équipée de capteurs Donc on a des capteurs on va dire assez génériques dans l'automobile en ce moment comme des GPS des centrales inertielles qui permettent de savoir où est véhicule quelle est l'orientation du véhicule laMais notre spécificité c'est donc qu'on a ce qu'on appelle des Lidar Ce sont des un peu comme des radars mais qui utilisent la lumière c'est-à-dire que la réflexion des lasers va permettre de savoir où sont les objets par rapport au véhicule On a aussi des caméras une caméras qui regarde devant une autre qui regarde derrière Ces caméras vont nous permettre une fois que nos Lidar auront détecté un objet dans l'espace à cet endroit de savoir qu'est-ce que c'est Est-ce que c'était plutôt un un piéton un vélo et pour ça on utilise des technologies d'intelligence artificielle sur ces images vidéo Tous ces capteurs produisent des données hétérogènes qui parviennent à des instants différents L'idée est donc de les synchroniser et de les fusionner pour pouvoir comprendre l'espace urbain avec ses obstacles immobiles et mobiles et ce au cours du temps La première phase pour cela c'est de savoir comment représenter cet espace alors cet espace on va le le représenter par des grilles les grilles de probabilités un petit peu comme une image est représentée par des ensembles de pixels donc là on a des éléments qui représentent une probabilité d'occupation c'est-à-dire la partie statique de l'environnement qu'est ce qui ne bouge pas que l'on a détecté puis aussi des probabilités de vitesse qui mesurent comment les choses bougent dans cet espace-là Le deuxième principe que l'on met en oeuvre est de pouvoir raisonner sur cet espace qui est dynamique Donc pour cela on a développé des modèles de raisonnement spatio-temporel ça permet d'une part de pouvoir extraire tout ce qui bouge en extraire les informations de type vitesse éventuellement changement dans le temps et d'autre part de pouvoir enlever des ambiguïtés parce que quand on a une séquence d'images sur une scène on comprend beaucoup mieux ce qui se passe et donc on peut en lever certaines des ambiguïtés et donc corriger certaines des erreurs de perception que je mentionnais précédemment On a aussi fabriqué donc un boîtier de perception beaucoup plus compact qui pourra être positionné donc à des intersections ou alors on pourrait le mettre sur un bus pour pouvoir détecter les piétons ou que les voitures ne pourraient pas voir Et donc dans ces boîtiers on réplique un peu en quelque sorte ce qu'il y a dans le véhicule de manière plus simpliste Donc on a qu'un seul Lidar par exemple dans le boîtier un GPS une carte électronique embarquée bien sûr pour traiter les données et un petit boîtier de géo-networking Donc c'est avec ce petit boîtier qu'on peut considérer comme un petit wifi qu'on va communiquer les informations du boîtier à la voiture Le concept de raisonnement temporel et surtout de prédiction est quelque chose qui est extrêmement important Si on regarde tout conducteur humain qu'est-ce qu'il fait il fait en permanence cela Il regarde la scène il comprend la scène et il prévoit qu'il va se passer dans les secondes qui suivent Le projet Perfect donc se focalise sur tous ces algorithmes de perception pour pouvoir permettre aux véhicules de naviguer de manière autonome dans les villes ou alors d'éviter de rentrer dans les piétons et une des clés au sein de l'IRT Nanoelec c'est de pouvoir miniaturiser au plus le matériel pour que nos algorithmes puissent fonctionner sur des petits matériels qui soient parfaitement intégrés au sein des voitures dont le but est d'être commercialisé dans le futur et donc bien intégrer Nous travaillons sur de nouvelles générations de logiciels qui permettent de prendre en compte plus de contraintes plus de connaissances par exemple en utilisant une caméra pouvoir faire de la classification de tout ce qui bouge dans l'image en termes de piétons de cyclistes de voitures etc et d'autre part sur la relation entre le logiciel et l'embarqué sur des architectures matériel de tout type Donc nous avons déjà d'excellents résultats en relation avec le CEA et certains de ces résultats sont en cours de dépôt de brevets A l'heure où les véhicules autonomes n'ont jamais semblé aussi proches de leur état de commercialisation les travaux menés pour produire un véhicule associant sûreté fiabilité et sécurité reste la priorité des équipes de recherche
Inria-1012_ProjetPerfect_HD.MP4

Format : .mp4
246,6 Mo
1024 x 576 pixels
Moyenne définition - équivalent DVD
Encodage PAL .MP4 H264
5 Mbits/s
Sélection
Voir Selection
Déposer ici pour retirer de la sélection