IA hybride appliquée à des données massives pour la modélisation du comportement et la conduite automatisée – HAIBrid

Le projet s'articule autour d'un processus en trois étapes : recueillir des données pertinentes sur le trafic en tenant compte du contexte, les traiter pour créer un vaste ensemble de trajectoires sémantiques et modéliser les interactions entre les usagers de la route. Chaque étape apporte une innovation, mais c'est la chaîne complète qui apporte toute la valeur du projet.

Armines et KIT ont planifié et conçu des sessions d'enregistrement de données et un équipement d'enregistrement sur mesure, combinant plusieurs capteurs Lidar et caméras. Une intersection à Karlsruhe, en Allemagne, a été choisie comme site d'enregistrement en raison du grand nombre d'interactions. Trois caméras permanentes ont été placées sur un bâtiment élevé à proximité, offrant une large perspective sur l'ensemble du carrefour. Pour une journée d'enregistrement, plusieurs capteurs Lidar et caméras ont été placés sur l'infrastructure de ce carrefour. Tous les partenaires ont participé à l'enregistrement des données en utilisant leurs véhicules de mesure pour traverser l'intersection plusieurs fois tout en étant enregistrés sur les capteurs de l'infrastructure. Nous avons ainsi obtenu les 6 heures de données précises et les 500 heures de données de trafic enregistrées. Comme il n'a pas été nécessaire d'éteindre les caméras permanentes, nous continuons à enregistrer des données et avons déjà dépassé les 500 heures.

Des cartes en trois dimensions et des cartes en haute définition ont été créées par FZI et SafeAD, les nouveaux partenaires qui ont repris les lots de travail après qu'Atlatec a quitté le consortium du projet après avoir été racheté par Bosch, en Allemagne, qui n'a pas permis la participation au projet. Ils ont enregistré des données pour améliorer leurs méthodes de cartographie basées sur l'IA comme prévu.

Plusieurs publications ont été acceptées et d'autres sont soumises. Un séminaire a été organisé et des brevets sont en cours de dépôt.

Dans le cadre de ce projet coopératif visant la conduite automatisée, nous proposons de mieux comprendre les comportements routiers en apprenant les interactions de nombreuses trajectoires. En s’appuyant sur nos équipements et notre expérience, nous collecterons les données de caméras de trafic, de drones et de capteurs embarqués. Cependant, la labellisation manuelle de trajectoires et la classification des interactions sont des problèmes difficiles et peu pratiques du fait de leur grande variabilité. Comme les méthodes non-supervisées approchent de celles supervisées pour la classification d’images, la segmentation ou le suivi, nous souhaitons nous en inspirer pour en dériver des méthodes efficaces pour l’extraction de trajectoires et la classification des interactions, ainsi que pour la génération de cartes 3D, contenant une information sémantique cruciale (environnement, règles) non seulement pour la planification des véhicules automatisés mais aussi pour comprendre le comportement des autres usagers de la route. Le domaine de la conduite automatisé bénéficiera de ces données, des méthodes et de la connaissance ainsi produites sur les trajectoires et les interactions entre usagers et fera progresser les compétences franco-allemandes en IA. Le projet produira non seulement de nouveaux jeux de données multi-capteurs, mais aussi les méthodes et les outils de capture et de labellisation permettant de futurs enregistrements.