La fusion de capteurs apporte de multiples avantages

La fusion de capteurs est un sujet brûlant, coïncidant avec les tendances de croissance de l'Internet des objets et en particulier lié aux véhicules autonomes et aux systèmes avancés d'aide à la conduite (ADAS). Le concept lui-même n'est pas nouveau; une recherche sur Google Scholar identifie des concepts qui remontent aux années 1960 et avant. Mais aujourd'hui, il existe un corpus croissant de connaissances autour des entrées de capteur qu'un système doit fusionner et comment appliquer les informations qui en résultent. Le montant suffisant dépend de l'application et des avantages en termes de coût/risque.

La quantité de fusion de capteurs suffisante dépend de l'application et des avantages en termes de coût/risque (Image :SAR Insight and Consulting)

La fusion de capteurs est plus importante que jamais, car la persistance de malfaiteurs individuels et d'agences de renseignement de l'État fait peser des menaces croissantes sur les systèmes autonomes du monde entier. Alors qu'une grande partie du monde politique s'inquiète des risques potentiels de sécurité de l'information dans les réseaux 5G, un plus grand risque découle des attaques de logiciels malveillants qui peuvent perturber et extorquer les propriétaires de systèmes autonomes. Les architectes système ne doivent pas sous-estimer ces risques et doivent éviter les erreurs des constructeurs automobiles et aéronautiques. Ford Motor a estimé la valeur d'une vie humaine à 200 000 $ US - moins cher que de réparer la conception du carburant de la berline Pinto (1971-1980). Cependant, les avocats spécialisés dans les dommages corporels et les jurys de première instance pensaient le contraire. Le malheur actuel appartient à Boeing, qui a rendu disponible la fusion et la redondance des capteurs critiques pour son jet 737 MAX moyennant des frais supplémentaires. En conséquence, Boeing et sa chaîne d'approvisionnement souffrent de l'agonie actuelle, dont la fin peut prendre des années.

Enfin, les avantages économiques et sanitaires des systèmes qui font progresser la fusion de capteurs pour l'activité humaine et les applications industrielles sont désormais évidents.

Tolérance aux pannes et résilience

Tous les capteurs et modèles ont une erreur de tolérance, et l'utilisation de plusieurs capteurs qui mesurent la même quantité peut augmenter la fiabilité et fournir une résistance aux pannes qui pourraient autrement s'avérer désastreuses. La redondance ajoute des coûts et de la complexité, mais comme le montrent les exemples de Boeing et Ford, une décision à courte vue menant à un point de défaillance unique peut être catastrophique.

Résistance aux attaques

Les pirates informatiques avec des logiciels malveillants trouveront des moyens d'attaquer les systèmes basés sur des capteurs, mais les protocoles de fusion de données et de sécurité appropriés, y compris l'intelligence artificielle, peuvent garantir un fonctionnement robuste face à de telles attaques. Un moyen d'attaque injecte de faux signaux aux capteurs d'entrée; ces signaux ne sont pas atténués avec une sécurité numérique ordinaire car ils se produisent dans le domaine analogique. Ces surfaces d'attaque peuvent inclure :

• usurpation de signal (LiDAR et caméras) ;
• annulation et interférence du signal (capteurs magnétiques ABS, panneaux de signalisation vandalisés) ; et
• fuite latérale (programme malveillant implanté qui utilise des capteurs pour collecter des informations sensibles).

Multicapteur d'activité humaine

L'interprétation et la surveillance de l'activité humaine avec plusieurs fusions de capteurs permettront d'obtenir de meilleurs résultats en matière de santé et de réduire les coûts à mesure que les populations vieillissent. Les applications de la fusion de capteurs portables et ambiants pour l'activité humaine comprennent les soins aux personnes âgées et l'aide à la vie autonome, la détection des chutes et la reconnaissance posturale, la sécurité et la surveillance, le statut d'athlète et de premier répondant, et l'aide à la localisation et à la navigation pour les personnes handicapées.

Fusion de données dans le réseau

La fusion et l'analyse des données se sont historiquement produites sur un ordinateur ou dans un centre de données (le cloud). La miniaturisation et la réduction des coûts de la technologie de détection permettent la fusion des capteurs (et l'intelligence artificielle/l'apprentissage automatique) au niveau de l'appareil périphérique. À l'avenir, les architectures de réseau hybrides effectueront la fusion et l'analyse des données des capteurs à trois niveaux :

• La fusion de données de bas niveau aura lieu sur les appareils intelligents ou les passerelles qui regroupent plusieurs entrées de capteurs.
• La fusion de données de niveau intermédiaire prendra en charge des analyses et une fusion de données plus intensives avec une plus large gamme d'appareils et est associée à une passerelle hub et à l'informatique de périphérie.
• La fusion de données de haut niveau résidera dans un centre de données ou dans le cloud pour fournir la perspective la plus élevée du système géré des appareils de périphérie.

Coûts d'exploitation réduits

La fusion de capteurs réduira les coûts d'exploitation en étendant la gamme et l'application de dispositifs tels que les véhicules aériens sans pilote (UAV) et la robotique avec des fonctionnalités autonomes. Des économies se traduiront également dans des cas où la fusion de capteurs permettra aux opérateurs distants d'en faire plus, ou à partir de centres de main-d'œuvre à faible coût. Les applications incluent l'évitement automatique des collisions pour les drones d'inspection et l'intervention à distance du conducteur pour la plupart des systèmes de transport autonomes.

Tendances

Attendez-vous à une miniaturisation continue et à une réduction des coûts des capteurs, de l'informatique et de la connectivité alors que la consumérisation s'enracine dans l'écosystème industriel et IoT. Les démonstrations du CES 2020 comprenaient l'innovation des capteurs MEMS, telle que la miniaturisation des miroirs LiDAR qui profitent aux systèmes de transport automobiles et intelligents.

La méthode de référence pour la fusion de capteurs est une classe d'algorithmes informatiques connue sous le nom de filtre de Kalman, qui modélise les états antérieurs et actuels d'un système avec une mesure et une prédiction continues. L'injection de faux signaux dans des systèmes très complexes via les entrées de capteurs conduira les architectes système à mettre en œuvre l'apprentissage automatique et des réseaux de neurones pour la sécurité et la fusion de données.

La fusion de capteurs augmente l'intégrité, la fiabilité et la robustesse du système pour un fonctionnement normal et offre des avantages supplémentaires contre les attaques de réseaux de capteurs provenant du domaine analogique. En mettant soigneusement en œuvre la fusion de capteurs dans leurs systèmes, les concepteurs et les architectes peuvent atténuer le risque de dysfonctionnement ou d'action malveillante pouvant causer des blessures aux personnes, aux biens ou à la prospérité économique.

>> Cet article a été initialement publié le notre site frère, EE Times Europe.