Simulation de neige : tests radar et lidar précis pour véhicules autonomes

Une voiture autonome contient une multitude de capteurs, incluant des détecteurs de voies, panneaux de signalisation et espace libre. Les composants des systèmes avancés d'aide à la conduite (ADAS) doivent être évalués dans une gamme de conditions avant de rouler officiellement sur la route.

Simulation : tester depuis son bureau

Un moyen sûr de faire un essai : recréer le monde en simulation. Vous pouvez faire un tour depuis votre bureau, explique Warren Ahner, PDG du fournisseur de logiciels de simulation RightHook, basé à San Jose, CA.

« Personne ne meurt dans le métavers, pas encore en tout cas », a déclaré Ahner à une audience ce mois-ci lors d'une présentation Tech Briefs intitulée « Dernières améliorations pour tests et simulation de capteurs ADAS ». « Cela rend vraiment facile d'explorer ces cas limites qu'il serait impossible de trouver dans le monde réel. »

Des entreprises comme RightHook construisent leurs environnements virtuels basés sur des phénomènes physiques bien compris, ainsi qu'avec l'aide d'entreprises de numérisation et cartographie qui créent des répliques numériques du monde réel.

Le défi de la météo : pluie et neige

Mais certains éléments naturels sont difficiles à recréer. Et si vous conduisez par temps difficile, par exemple ?

Lors de la présentation en direct, un lecteur a posé la question suivante à Ahner :

« Pour les logiciels de simulation de véhicules, comment compensez-vous l'interaction de la pluie ou des tempêtes de neige sur les capteurs lidar ? »

Warren Ahner : Les précipitations comme la pluie et la neige peuvent définitivement réduire la performance d'un capteur lidar. Elles sont particulièrement affectées en raison de la divergence du faisceau et de la courte durée d'impulsion. Le bruit de détection de neige est vraiment concentré près du capteur et se manifeste en gros amas.

Ce qu'on observe, c'est que le bruit d'amas de neige introduit de fausses détections, ainsi qu'occultation d'obstacles importants, menant à des situations de faux négatifs vraiment critiques, et vous y entrez vraiment quand vous approchez 2 cm d'accumulation de neige par heure.

Si vous êtes en dessous de ce taux, le bruit est là, mais il ne devient pas un territoire de faux négatifs critiques. Donc premièrement, c'est l'un des domaines où nous commençons à utiliser des données empiriques.

On pourrait faire une simulation photon par photon individuelle, mais vous parlez d'une situation computationnelle énorme qui vous donnerait probablement une simulation de 30 secondes prenant quelques heures à calculer. On applique un modèle de données empiriques par-dessus. On applique des données qu'on a collectées, ou certains de nos partenaires de recherche universitaires et gouvernementaux ont collectées, « par-dessus » notre modèle de capteur, donc vous spécifieriez, disons, le taux de neige et quelques autres caractéristiques de cette situation météo, et on mettrait ça comme un modèle de bruit par-dessus les données originales.

Cela dit, hier Cruise a fait son tout premier trajet en taxi autonome sans opérateur de sécurité. Ils opèrent à San Francisco, qui ne voit jamais de neige, et ils ne font pas rouler leurs véhicules sous la pluie. On travaille encore là-dessus avec nos clients et partenaires pour construire une solution de mieux en mieux. Pour l'instant, ce n'est pas vraiment le problème sur lequel il faut se concentrer trop lourdement, parce que personne n'y est encore.