Navigation autonome dans des foules inspirée par les humains – Hianic

Le véhicule autonome n'est pas un «simple« robot, tel un robot compagnon, mais un robot qui transporte des personnes. Cela implique que les passagers doivent se sentir intégrés dans le trafic comme ils le seraient s'ils conduisaient eux même la voiture. Ils s'attendent, tout comme les piétons aux environs du robot, à ce que le cybercar ait un comportement respectueux des conventions sociales et urbaines et à ce qu'il sache négocier son chemin dans des environnements très peuplés.

Dans ce projet, nous sommes arrivés à simuler des foules très réalistes
dans des espaces partagés avec le véhicule autonome. Les piétons réagissent au comportement du véhicule et ces réactions ont été comparées à des données observées dans des espaces urbains.
Le véhicule est également capable de naviguer dans ces foules tout en anticipant la réaction des piétons par rapport à ses actions. Il est également capable d'anticiper si les piétons sont collaboratifs ou pas.
Nous espérons obtenir une démonstration sur le véhicule autonome situé à sophia antipolis, si les contraintes sanitaires sont levées.

Les perspectives sont nombreuses car faire naviguer un véhicule dans une foule est nouveau. Il s'agira de tester les méthodes développées sur véhicule, d'abord avec quelques personnes, puis des foules plus denses. Si cela est déjà compliqué en simulation, cela l'est encore plus en démonstration car viennent se rajouter des problèmes de perception de l'environnement et de la foule, d'acceptation du comportement du véhicule par les passagers et les piétons. Évidemment, les résultats de l'intégration de tous les travaux engagés dans ce projet mettront en évidence les limitations des méthodes développées aujourd'hui.

La production scientifique se résume à un bon nombre de publications dans des conférences internationales dont plusieurs de rang A et A+.
En voici un extrait :
- M. Prédhumeau, L. Mancheva, J. Dugdale, A. Spalanzani. “An Agent-Based Model to Predict Pedestrians Trajectories with an Autonomous Vehicle in Shared Spaces”, AAMAS 2021 – 20th International Conference on Autonomous Agents and Multiagent Systems, May 2021, France. pp.1-9
- M. Kabtoul, P. Martinet, A. Spalanzani. “Proactive Longitudinal Velocity Control In Pedestrians-Vehicle Interaction Scenarios”, The 23rd IEEE International Conference on Intelligent Transportation Systems, Sep 2020, Rhodes, Greece
- J. Petit, C. Charron, F. Mars. “A pilot study on the dynamics of online risk assessment by the passenger of a self-driving car among pedestrians”, 22nd International Conference on Human-Computer Interaction, Jul 2020, Copenhagen, Denmark. pp.101-113
- M. Kabtoul, A. Spalanzani, P. Martinet. “Towards Proactive Navigation: A Pedestrian-Vehicle Cooperation Based Behavioral Model”, ICRA 2020 – International Conference on Robotics and Automation, May 2020, Paris, France
- M. Prédhumeau, J. Dugdale, A. Spalanzani. “Modeling and Simulating Pedestrian Social Group Behavior with Heterogeneous Social Relationships”, SCS 2020 – Spring Simulation Conference, May 2020, Virtual event, United States
- Petit, J. Charron, C., & Mars, F. (2020). “A pilot study on the dynamics of online risk assessment by the passenger of a self-driving car among pedestrians”. In: Krömker H. (eds) HCI in Mobility, Transport, and Automotive Systems. Automated Driving and In-Vehicle Experience Design. HCII 2020. Lecture Notes in Computer Science, vol 12212, pp 101-113. Springer, Cham.
- D.O. Pop, A. Rogozan, F. Nashashibi, A. Bensrhair. “Improving Pedestrian Recognition using Incremental Cross Modality Deep Learning”, European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, Apr 2019, Bruges, Belgium

Le véhicule autonome n'est pas un "simple" robot, tel un robot compagnon, mais un robot qui transporte des personnes.
Cela implique que les passagers doivent se sentir intégrés dans le trafic comme ils le seraient s'ils conduisaient eux même
la voiture. Ils s'attendent, tout comme les piétons aux environs du robot, à ce que le cybercar ait un comportement
respectueux des conventions sociales et urbaines et à ce qu'il sache négocier son chemin dans des environnements très
peuplés.
C'est un sujet nouveau et difficile qui doit être et sera abordé dans le projet HIANIC. Ce projet fait partie de l'axe 3 :
Véhicule propres et surs" sur défi 6 : mobilité et systèmes urbains durables. Le cybercar proposé analysera son
environnement en détectant les personnes, en étudiant les flux de la foule, reconnaissant des scénarios typiques. Il
anticipera la réaction des passagers afin de naviguer de telle sorte que ces derniers se sentent à l'aise.
Plusieurs stratégies de navigation vont collaborer pour adapter le mouvement du cybercar aux scénarios typiques. Par
exemple, dans un environnement encombré, le cybercar pourra se déplacer en utilisant de la navigation réactive, mais
dans un environnement moins encombré, des techniques de navigation centré humain seront proposées. Enfin, le
véhicule communiquera ses intentions de déplacement aux passagers mais aussi aux piétons.
Il sera à l'écoute de son environnement pour améliorer ses connaissances sur celui-ci et gérer les situations d'urgence.
Un tel système contribuera à la fois à la sécurité urbaine et à la mobilité intelligente. Il est pensé pour fonctionner dans ce
qu'on appelle des espaces partagés où piétons et véhicules partagent l'espace navigable. La négociation l'aidera à éviter
des situations de blocage et augmentera sa réactivité afin d'optimiser l'espace navigable. Négociation, navigation centrée humain
et communication seront les clés d'une meilleure acceptation par le public de ces systèmes autonomes et
faciliteront leur pénétration dans le paysage des transports.