Des chercheurs de l’Université de Zurich ont mis au point une nouvelle approche pour faire voler de manière autonome des drones dans des environnements complexes et inconnus. Grace à un nouvel algorithme d’IA, ces drones pourront ainsi voler à grande vitesse en utilisant uniquement des capteurs et des calculs embarqués. Cette nouvelle approche pourrait être utile en cas d’urgence, sur les chantiers de construction ou pour des applications de sécurité.
Lorsqu’il s’agit d’explorer des environnements complexes et inconnus tels que des forêts, des bâtiments ou des grottes, les drones sont difficiles à battre. Ils sont rapides, agiles et petits, et ils peuvent transporter des capteurs et des charges utiles pratiquement partout. Cependant, les drones autonomes peuvent difficilement trouver leur chemin dans un environnement inconnu sans carte. Pour l’instant, des pilotes humains experts sont nécessaires pour libérer tout le potentiel des drones.
« Pour maîtriser le vol agile autonome, il faut comprendre l’environnement en une fraction de seconde. Ce qui permet de faire voler le drone sur des trajectoires sans collision », explique Davide Scaramuzza, qui dirige le groupe Robotique et perception de l’Université de Zurich.
L’algorithme d’IA apprend à voler dans le monde réel à partir d’un expert simulé.
Dans une nouvelle étude, Scaramuzza et son équipe ont entraîné un quadrotor autonome à voler dans des environnements jusque-là invisibles. Des environnements tels que des forêts, des bâtiments, des ruines et des trains. L’appareil a pu voler en conservant une vitesse allant jusqu’à 40 km/h et sans s’écraser contre des arbres, des murs ou d’autres obstacles. Tout cela a été réalisé en se basant uniquement sur les caméras embarquées et les calculs du quadrotor.
Le réseau neuronal du drone a appris à voler en observant une sorte d’« expert simulé ». Un algorithme d’IA qui a fait voler un drone généré par ordinateur dans un environnement simulé rempli d’obstacles complexes. À tout moment, l’algorithme disposait d’informations complètes sur l’état du quadrotor et les relevés de ses capteurs. Il pouvait ainsi compter sur suffisamment de temps et de puissance de calcul pour toujours trouver la meilleure trajectoire.
Un tel « expert simulé » ne pouvait pas être utilisé en dehors de la simulation, mais ses données étaient utilisées pour apprendre au réseau neuronal à prédire la meilleure trajectoire en se basant uniquement sur les données des capteurs. Il s’agit d’un avantage considérable par rapport aux systèmes existants. Des systèmes qui utilisent d’abord les données des capteurs pour créer une carte de l’environnement, puis planifient les trajectoires à l’intérieur de cette carte. Deux étapes qui prennent du temps et rendent impossible le vol à grande vitesse.
Pas besoin d’une réplique exacte du monde réel
Après avoir été formé en simulation, le système a été testé dans le monde réel. Alors que les humains ont besoin de plusieurs années pour s’entraîner, l’IA, grâce à des simulateurs très performants, peut atteindre des capacités de navigation comparables beaucoup plus rapidement, pratiquement du jour au lendemain, explique Antonio Loquercio, étudiant en doctorat et coauteur de l’article.
Les applications ne se limitent pas aux drones. Les chercheurs expliquent que la même approche pourrait être utile pour améliorer les performances des voitures autonomes. Elle pourrait même ouvrir la porte à une nouvelle façon de former des systèmes d’IA pour des opérations dans des domaines où la collecte de données est difficile ou impossible, par exemple sur d’autres planètes.
Selon les chercheurs, les prochaines étapes consisteront à faire en sorte que le drone s’améliore grâce à l’expérience. Il faut aussi mettre au point des capteurs plus rapides, capables de fournir davantage d’informations sur l’environnement en un temps plus court. Ce qui permettra aux drones de voler en toute sécurité, même à des vitesses supérieures à 40 km/h.
- Partager l'article :
