La technologie des véhicules autonomes

Avec autant de fêtes à bord, la conduite autonome est plus proche que vous ne le pensez

Dans notre dernier blog, nous avons parlé de certains des principaux acteurs des véhicules autonomes et de la rapidité avec laquelle la technologie évolue. Nous ne savions pas que, quelques jours seulement après notre publication, il y aurait un gros bouleversement impliquant une application de voiture autonome très importante. Peu de temps après le déploiement du service de taxi autonome d'Uber à San Francisco, en Californie, le 14 décembre 2016, une vidéo est apparue montrant l'un des véhicules à conduite autonome brûlant un feu rouge. Bien qu'Uber ait déclaré que la voiture était conduite par un conducteur humain à l'époque et qu'il n'y avait pas de passagers à bord, les répercussions ont été rapides :une semaine seulement après le lancement, Uber a retiré ses voitures autonomes de la route lorsque l'État de Californie a révoqué le immatriculations de voitures.

De toute évidence, il y aura des détours dans le voyage entre une idée géniale et des voitures autonomes pour tous. Mais ce que nous pouvons dire avec certitude, c'est que, même avec des revers occasionnels, la technologie derrière les véhicules autonomes continue d'avancer, nous poussant à repenser radicalement les machines qui nous emmènent d'un point A à un point B.

Où en sont les voitures autonomes ? et où vont-elles ?

La différence fondamentale entre l'automatisation des voitures que nous conduisons actuellement au quotidien et celle des véhicules à conduite autonome d'un avenir pas si lointain concerne principalement le niveau d'implication du conducteur. Aujourd'hui, de nombreux véhicules plus récents incluent déjà une gamme de commandes qui gèrent automatiquement certains aspects de la conduite pour nous, tels que le freinage assisté et le régulateur de vitesse adaptatif, des éléments considérés comme le niveau 1 de l'automatisation.

Les voitures autonomes actuellement disponibles dans le commerce se situent autour du niveau 2 d'automatisation; un bon exemple est les capacités d'assistance à la conduite semi-autonome ("pilote automatique") de Tesla dont nous avons parlé dans notre dernier blog sur les véhicules autonomes. La plupart des prototypes testés sont au niveau 3, où le conducteur est sûr de ne pas prêter attention dans certaines situations, ou au niveau 4, où le conducteur n'a pas besoin d'être engagé sauf en cas de mauvais temps ou de conditions routières inattendues. Cependant, comme la recherche l'a montré, un « conducteur » humain vérifiant des textes ou s'assoupissant ne peut tout simplement pas retrouver son attention et se concentrer suffisamment vite pour réagir correctement et assez rapidement pour reprendre le contrôle et prendre des mesures efficaces dans une situation d'urgence imminente. Par conséquent, de nombreux fabricants concluent que les niveaux 3 et 4 ne fonctionneront tout simplement pas, car la sécurité intégrée - l'être humain - n'est pas capable de réagir assez rapidement pour éviter un danger pour lui-même ou pour les autres.

Le degré ultime d'automatisation est le niveau 5, où un conducteur n'a pas du tout besoin d'être présent. C'est la technologie requise pour le futurisme du covoiturage complet. C'est le scénario envisagé où personne ne possède de voitures ; au lieu de cela, vous invoquez simplement un véhicule et il vient vous chercher. Les concepts de véhicules autonomes de Google et de Mercedes sont de niveau 5, n'utilisant aucune intervention humaine, à l'exception de la destination souhaitée.

Qu'est-ce qui alimente l'automatisation ?

Alors que les constructeurs automobiles et les autres acteurs hésitent à révéler trop de détails, nous savons que certains composants technologiques de base font partie intégrante de la conception des véhicules autonomes. Par exemple, plusieurs types de capteurs sont utilisés pour recueillir les informations visuelles nécessaires à une voiture autonome pour naviguer avec succès et en toute sécurité sur les routes. Les caméras sont un type de capteur relativement peu coûteux qui peut fournir les informations visuelles de base qu'un humain recueillerait en conduisant; plusieurs caméras sont utilisées pour fournir la profondeur de champ. Le radar est déjà utilisé pour certains contrôles de véhicules de niveau 1; l'inconvénient est que le radar n'est efficace qu'à courte portée.

Le LIDAR (détection et télémétrie de la lumière) est un système laser embarqué qui cartographie l'environnement d'une voiture lorsqu'elle se déplace. Vous connaissez probablement LIDAR en tant que grande unité tournante trouvée sur le dessus de la plupart des véhicules d'essai de Google ; Le LIDAR à semi-conducteurs ne nécessite pas de rotation et est également utilisé dans certains véhicules autonomes en cours de développement. Bien que LIDAR crée une cartographie 3D très précise, il présente des inconvénients ; en plus d'être très coûteuse, la technologie est affectée par la météo, son signal rebondissant sur la pluie ou la neige.

Dans les voitures d'aujourd'hui, déjà hautement informatisées, une grande partie du transfert d'informations sur les capteurs s'effectue via un réseau de contrôleurs (bus CAN), un protocole conçu pour permettre aux microcontrôleurs et aux appareils de communiquer entre eux sans ordinateur hôte. Cependant, les voitures véritablement autonomes nécessitent une connectivité de données plus robuste, ainsi que la puissance de calcul et les logiciels nécessaires pour prendre toutes les entrées visuelles et autres données collectées, les organiser, les interpréter et les transformer en conduite exploitable, le tout en temps réel. Cela nécessite à son tour :

* Une quantité importante (on pourrait dire, massive) de puissance de traitement
* Rassembler les données de différents capteurs ("fusion de capteurs") pour calculer quelque chose de plus que ce qui pourrait être déterminé par un seul capteur

C'est pourquoi l'apprentissage automatique - un type d'intelligence artificielle (IA) qui donne aux ordinateurs la capacité d'apprendre "par eux-mêmes" lorsqu'ils sont exposés à de nouvelles données - est un aspect critique et en développement rapide de la conception de la conduite autonome. Pour aller plus loin, le type d'apprentissage automatique appelé * apprentissage en profondeur * cherche à imiter la façon dont les êtres humains acquièrent de nouvelles connaissances. En automatisant l'analyse prédictive, l'apprentissage en profondeur pourrait permettre à une voiture de devenir plus intelligente à chaque fois qu'elle est conduite et même d'apprendre des autres conducteurs et d'autres voitures.

Naturellement, pour la sécurité, un véhicule autonome doit être très intelligent pour commencer ! Mais que le véhicule soit conçu pour interpréter les entrées sensorielles, puis sélectionner parmi une série de décisions de conduite codées en dur OU qu'il soit utilisé pour mapper directement l'entrée (provenant de capteurs et d'autres sources) à la sortie de conduite de bout en bout, l'apprentissage automatique fait sûrement partie de chaque voiture sur la planche à dessin ou sur la route.

Quelles sont les implications au-delà de la conduite ?

Bien sûr, partout où la technologie informatique est présente, la sécurité de l'information est une préoccupation importante, et les véhicules autonomes ne font pas exception. En fait, les implications du piratage dans les voitures autonomes sont énormes. Une personne voyageant dans un véhicule de plusieurs tonnes à grande vitesse ne veut certainement pas avoir à craindre que le véhicule ne soit pris en charge et contrôlé à distance par un tiers.

En 2015, Chrysler a rappelé plus d'un million de véhicules lorsque deux chercheurs en sécurité (pas des méchants, heureusement) ont découvert une vulnérabilité logicielle qui leur a permis de pirater sans fil une Jeep et de prendre en charge ses fonctions de tableau de bord, de direction, de transmission et de freins. Chrysler a fourni aux propriétaires de véhicules une mise à jour logicielle basée sur une clé USB et a pris des mesures au niveau du réseau pour détecter et bloquer le piratage via la connexion au réseau cellulaire des véhicules. Puis, en 2016, un laboratoire de sécurité a fait la démonstration du piratage d'une Tesla Model S, accédant et contrôlant à distance le véhicule en mode stationnement et conduite via le bus CAN de la voiture et un point d'accès Wi-Fi malveillant. En quelques jours, Tesla a déployé une mise à jour logicielle en direct pour résoudre les problèmes de sécurité potentiels.

Ces cas ont montré aux constructeurs automobiles et à leurs partenaires qu'une sécurité renforcée est vitale, garantissant que des garanties plus solides continueront d'être mises en place. Cependant, comme chaque voiture autonome nécessite un ordinateur et une connectivité réseau pour pouvoir conduire, ce n'est peut-être qu'une question de temps avant que quelqu'un ne pirate un véhicule autonome en cours d'utilisation.

Sur une note connexe, la vie privée est également un domaine de plus en plus difficile pour les voitures et les conducteurs. Aujourd'hui, une personne en cavale peut éteindre le GPS de sa voiture et déplier une carte. Mais avec la fonctionnalité innée d'une voiture autonome nécessitant une utilisation quasi constante du GPS, ce véhicule doit être suivi pratiquement tout le temps. De plus, alors que les caméras remplissent des fonctions de capteur importantes et fourniront des données pour l'apprentissage automatique, elles sont également des outils de surveillance. Il est donc possible que chaque pouce d'espace routier soit photographié et examiné de manière quasi constante une fois que les voitures autonomes (et leur système de capteurs de caméra) seront entièrement déployées.

Et sur une note plus humaine, alors que l'avènement de véhicules à conduite fiables et entièrement autonomes créera des emplois dans le secteur manufacturier et les domaines connexes, à un certain niveau, cela signifiera également la perte de certains emplois. Les applications de mobilité à la demande et de covoiturage rendront obsolètes les chauffeurs de taxi et de bus. Les véhicules autonomes à la ferme réduiront de plus en plus le nombre de travailleurs humains nécessaires. Les camionneurs seront toujours nécessaires pour entretenir leurs plates-formes, mais ils ne les conduiront pas et il en faudra donc moins pour entretenir une flotte de camions pour un déploiement automatisé. Et fin 2016, une entreprise de plats à emporter en ligne a lancé la livraison robotique de nourriture à Londres. Ainsi, du gestionnaire de colis à l'enfant qui livre une pizza à votre porte, ces travailleurs pourraient éventuellement être remplacés, sinon par des véhicules autonomes, par une technologie connexe sous la forme de robots de livraison.

Pourquoi la découpe de métal en parle-t-elle ?

Metal Cutting propose un service de découpe de métaux sur mesure pour des produits spécialisés et de précision, de petites pièces métalliques pour un large éventail d'industries, y compris les entreprises automobiles et leurs partenaires technologiques - fournissant des pièces de découpe, d'usinage, de finition et d'autres techniques nécessaires pour les applications nécessitant des tolérances serrées , des finitions de surface spécifiques et des extrémités, des cônes et des diamètres hautement personnalisés.

Vous voulez savoir si Metal Cutting est le meilleur partenaire pour *vos* pièces automobiles ou d'autres applications ? Téléchargez le guide gratuit, 7 Secrets to Choose a New Contract Partner:Technical Guide to Outsourcing Your Precision Metal Fabrication.