198
Dimension Humaine
Interaction habitacle
Bien qu’autonome, le véhicule peut apporter de nombreux services, relatifs à la conduite, comme la gestion
des transitions ou l'aide à la compréhension de l'environnement
- Personnalisation : L'assistant personnel est traité en dehors de la problématique véhicule. Il s'agit ici
de se focaliser sur les interfaces et les services que l'usager peut avoir en effectuant une convergence
des systèmes (assistant personnel et véhicule autonome), comme l'anticipation de détours utiles
(modification de l'itinéraire pour passer chez un fleuriste ou tout simplement pour faire le plein)
- IHM / ergonomie : il s'agit ici de rendre la conduite compréhensible et prédictible afin de conserver
la confiance des utilisateurs, ainsi que de comprendre le fonctionnement du conducteur pour lui
présenter les bonnes informations de situations et contexte au moment de la reprise en main.
L'objectif est ici de comprendre le comportement classique de conduite et pouvoir apporter des
informations pour l'optimiser.
- Driver monitoring : même au-delà des phases de transition, il faudra pour un système autonome
comprendre le comportement des personnes dans l'habitacle afin de prévoir les comportements
inadaptés, comme conduite avec les pieds sur le tableau de bord.
Interaction hors habitacle
On distingue dans cette catégorie les interactions avec les autres usagers, qu'ils soient humains (autres
conducteurs, usagers vulnérables) ou non (autres véhicules autonomes, gestionnaire d'infrastructure). Les
interactions non verbales entre les usagers sont aujourd'hui importantes que ce soit pour la prise de décision
(négociation avec un tiers) ou la compréhension des actions (faire comprendre ses intentions). Il faut donc
mettre au point, pour gérer ces interactions non-verbales, des algorithmes d’IA : reconnaissance de gestes,
actions du VA révélant clairement ses intentions (petits mouvements préalables avant de démarrer réellement
à une intersection, …), et vérification de la bonne compréhension des usagers environnants d’après leur
réactions.
Dimension Système
Données pour la mise au point des systèmes d’IA pour le Transport
- Collecte de données de roulage et Open Data
Les données qui servent à concevoir les systèmes autonomes coûtent cher à acquérir et sont vitales
pour le développement et la validation des systèmes perceptifs. Pour faciliter et accélérer le
déploiement de ce marché, ces données peuvent être mutualisées. L’anonymisation bien pensée
couplée au partage des données permettra de disposer de Data Sets annotés avec vérité terrain sur
une large échelle.
- Critères d'évaluation et base de tests
L’enjeu est ici de réussir à établir un catalogue commun à l’échelle de l’Europe des situations de
tests aux caractéristiques bien identifiées, nécessaires à l’évaluation des algorithmes de décision, de
planification et de contrôle, y compris les capacités d’auto-adaptation et d’apprentissage, et les
problématiques éthiques.
Compréhension sémantique des scènes au niveau système
- Supervision (hypervision) des systèmes (de systèmes) de transport autonome. Les capacités de
communication permettent d’envisager un système de supervision et de / routage des véhicule
autonomes dans les zones denses ou complexes (une sorte de “Air Traffic Control” automatisée). Il est
impératif de bien définir les règles propres au trafic routier incluant la délégation d’autorité. Cette
supervision imposera une identification régulière des mobiles vers une infrastructure, une vision
collaborative de la supervision et des capacités d’interception.
- Partage d’informations pour l’optimisation et la négociation. Chaque niveau de perception peut
gagner à être partagé avec d’autres véhicules autonomes et avec des infrastructures adaptées.
Ex: Envoyer au fournisseur de cartographie que le marquage au sol perçu était anormalement éloigné de
la cartographie HD, ou qu’il y a des travaux
Ex: Partage d’intentions entre véhicules
Le dialogue et la négociation entre véhicules autonomes contribuera à optimiser l’usage du réseau
routier en introduisant par exemple des intersections automatisée et « smart ». Un travail important
reste à faire au niveau standardisation.
- Hétérogénéité des systèmes autonomes
Plusieurs systèmes autonomes, dans plusieurs versions avec plusieurs modes/capacités de décision
pourront partager le même environnement. Dans les algorithmes de décision de trajectoire par exemple,
ceux-ci prennent en compte la prévision de la trajectoire / réaction des autres acteurs. Les différentes
Dimension Humaine
Interaction habitacle
Bien qu’autonome, le véhicule peut apporter de nombreux services, relatifs à la conduite, comme la gestion
des transitions ou l'aide à la compréhension de l'environnement
- Personnalisation : L'assistant personnel est traité en dehors de la problématique véhicule. Il s'agit ici
de se focaliser sur les interfaces et les services que l'usager peut avoir en effectuant une convergence
des systèmes (assistant personnel et véhicule autonome), comme l'anticipation de détours utiles
(modification de l'itinéraire pour passer chez un fleuriste ou tout simplement pour faire le plein)
- IHM / ergonomie : il s'agit ici de rendre la conduite compréhensible et prédictible afin de conserver
la confiance des utilisateurs, ainsi que de comprendre le fonctionnement du conducteur pour lui
présenter les bonnes informations de situations et contexte au moment de la reprise en main.
L'objectif est ici de comprendre le comportement classique de conduite et pouvoir apporter des
informations pour l'optimiser.
- Driver monitoring : même au-delà des phases de transition, il faudra pour un système autonome
comprendre le comportement des personnes dans l'habitacle afin de prévoir les comportements
inadaptés, comme conduite avec les pieds sur le tableau de bord.
Interaction hors habitacle
On distingue dans cette catégorie les interactions avec les autres usagers, qu'ils soient humains (autres
conducteurs, usagers vulnérables) ou non (autres véhicules autonomes, gestionnaire d'infrastructure). Les
interactions non verbales entre les usagers sont aujourd'hui importantes que ce soit pour la prise de décision
(négociation avec un tiers) ou la compréhension des actions (faire comprendre ses intentions). Il faut donc
mettre au point, pour gérer ces interactions non-verbales, des algorithmes d’IA : reconnaissance de gestes,
actions du VA révélant clairement ses intentions (petits mouvements préalables avant de démarrer réellement
à une intersection, …), et vérification de la bonne compréhension des usagers environnants d’après leur
réactions.
Dimension Système
Données pour la mise au point des systèmes d’IA pour le Transport
- Collecte de données de roulage et Open Data
Les données qui servent à concevoir les systèmes autonomes coûtent cher à acquérir et sont vitales
pour le développement et la validation des systèmes perceptifs. Pour faciliter et accélérer le
déploiement de ce marché, ces données peuvent être mutualisées. L’anonymisation bien pensée
couplée au partage des données permettra de disposer de Data Sets annotés avec vérité terrain sur
une large échelle.
- Critères d'évaluation et base de tests
L’enjeu est ici de réussir à établir un catalogue commun à l’échelle de l’Europe des situations de
tests aux caractéristiques bien identifiées, nécessaires à l’évaluation des algorithmes de décision, de
planification et de contrôle, y compris les capacités d’auto-adaptation et d’apprentissage, et les
problématiques éthiques.
Compréhension sémantique des scènes au niveau système
- Supervision (hypervision) des systèmes (de systèmes) de transport autonome. Les capacités de
communication permettent d’envisager un système de supervision et de / routage des véhicule
autonomes dans les zones denses ou complexes (une sorte de “Air Traffic Control” automatisée). Il est
impératif de bien définir les règles propres au trafic routier incluant la délégation d’autorité. Cette
supervision imposera une identification régulière des mobiles vers une infrastructure, une vision
collaborative de la supervision et des capacités d’interception.
- Partage d’informations pour l’optimisation et la négociation. Chaque niveau de perception peut
gagner à être partagé avec d’autres véhicules autonomes et avec des infrastructures adaptées.
Ex: Envoyer au fournisseur de cartographie que le marquage au sol perçu était anormalement éloigné de
la cartographie HD, ou qu’il y a des travaux
Ex: Partage d’intentions entre véhicules
Le dialogue et la négociation entre véhicules autonomes contribuera à optimiser l’usage du réseau
routier en introduisant par exemple des intersections automatisée et « smart ». Un travail important
reste à faire au niveau standardisation.
- Hétérogénéité des systèmes autonomes
Plusieurs systèmes autonomes, dans plusieurs versions avec plusieurs modes/capacités de décision
pourront partager le même environnement. Dans les algorithmes de décision de trajectoire par exemple,
ceux-ci prennent en compte la prévision de la trajectoire / réaction des autres acteurs. Les différentes