206
Dimension système
Données pour la mise au point des systèmes d’IA pour le Transport
Collecte de données capteurs et OpenData
Les données qui servent à concevoir les systèmes autonomes coûtent cher à
acquérir et sont vitales pour le développement et la validations des systèmes
perceptifs. Or ces données peuvent être mutualisées pour avancer plus vite et faciliter
l’accès à ce marché. Anonymisation et partage des données. Datasets annoté et
vérité terrain à large échelle.
Critères d'évaluation et base de tests
Etablir un catalogue commun à l’échelle de l’Europe des caractéristiques nécessaires
des algorithmes de décision, de planification et de contrôle, y compris les capacités
d’auto-adaptation et d’apprentissage, et les problématiques éthiques. Styles et
habitudes et conduite en fonction de la région ou du pays (par ex. conduite à gauche
en Angleterre, à droite en France, piétons ultra-prioritaires en Suisse/Allemagne, pas
tellement à Paris...). Permis de conduire du véhicule.
Echanges de données instantané & compréhension sémantique des scènes au niveau
système
Supervision (hypervision) des systèmes (de systèmes) de transport
autonome.
On peut envisager un système de supervision et de / routage des véhicule
autonomes dans les zones denses ou complexe (une sorte de “Air Traffic Control”
automatisée). Définition des règles propres au trafic routier, la délégation d’autorité.
Identification régulière vers une infrastructure, aspect collaboratif de la supervision et
capacité d’interception?
Algorithmique et
aide à la décision
Partage d’informations pour l’optimisation et 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 les lignes perçues était
anormalement éloignées de la cartographie HD, ou qu’il y a des travaux
Ex: Partage d’intentions entre véhicules
Dialogue et négociation entre véhicules autonomes pour l’optimisation de l’usage du
réseau routier. Intersection automatisée
Standardisation et accord des parties
Hétérogénéité des systèmes autonomes
Plusieurs systèmes autonomes, dans plusieurs versions avec plusieurs
mode/capacité de décision pourrons partager le même environnement. Dans les
algorithme de décision de trajectoire par exemple, ceux-ci prennent en compte la
prévision qu’ils font de la trajectoire / réaction des autres acteurs. Les différentes
versions d’IA impliquées sont une source supplémentaire de non déterminisme dans
les interactions. Ce problème peut-être partiellement levé par la
communication partiellement levées par la communication inter véhicule sous
réserve d’interopérabilité.
Par exemple: variabilité des comportements des véhicules (plus ou moins agressifs)
Verrous non fonctionnels pour l’industrialisation
Explicabilité
En cas de litige, les technologies devront offrir la possibilité, après un rejeu de la
situation enregistrée, de faire comprendre à des humains les alternatives choisies ou
non et d’expliquer le choix qui a été fait.
Algorithmique et
Aide à la
décision
Apprentissage
Automatique
Dimension système
Données pour la mise au point des systèmes d’IA pour le Transport
Collecte de données capteurs et OpenData
Les données qui servent à concevoir les systèmes autonomes coûtent cher à
acquérir et sont vitales pour le développement et la validations des systèmes
perceptifs. Or ces données peuvent être mutualisées pour avancer plus vite et faciliter
l’accès à ce marché. Anonymisation et partage des données. Datasets annoté et
vérité terrain à large échelle.
Critères d'évaluation et base de tests
Etablir un catalogue commun à l’échelle de l’Europe des caractéristiques nécessaires
des algorithmes de décision, de planification et de contrôle, y compris les capacités
d’auto-adaptation et d’apprentissage, et les problématiques éthiques. Styles et
habitudes et conduite en fonction de la région ou du pays (par ex. conduite à gauche
en Angleterre, à droite en France, piétons ultra-prioritaires en Suisse/Allemagne, pas
tellement à Paris...). Permis de conduire du véhicule.
Echanges de données instantané & compréhension sémantique des scènes au niveau
système
Supervision (hypervision) des systèmes (de systèmes) de transport
autonome.
On peut envisager un système de supervision et de / routage des véhicule
autonomes dans les zones denses ou complexe (une sorte de “Air Traffic Control”
automatisée). Définition des règles propres au trafic routier, la délégation d’autorité.
Identification régulière vers une infrastructure, aspect collaboratif de la supervision et
capacité d’interception?
Algorithmique et
aide à la décision
Partage d’informations pour l’optimisation et 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 les lignes perçues était
anormalement éloignées de la cartographie HD, ou qu’il y a des travaux
Ex: Partage d’intentions entre véhicules
Dialogue et négociation entre véhicules autonomes pour l’optimisation de l’usage du
réseau routier. Intersection automatisée
Standardisation et accord des parties
Hétérogénéité des systèmes autonomes
Plusieurs systèmes autonomes, dans plusieurs versions avec plusieurs
mode/capacité de décision pourrons partager le même environnement. Dans les
algorithme de décision de trajectoire par exemple, ceux-ci prennent en compte la
prévision qu’ils font de la trajectoire / réaction des autres acteurs. Les différentes
versions d’IA impliquées sont une source supplémentaire de non déterminisme dans
les interactions. Ce problème peut-être partiellement levé par la
communication partiellement levées par la communication inter véhicule sous
réserve d’interopérabilité.
Par exemple: variabilité des comportements des véhicules (plus ou moins agressifs)
Verrous non fonctionnels pour l’industrialisation
Explicabilité
En cas de litige, les technologies devront offrir la possibilité, après un rejeu de la
situation enregistrée, de faire comprendre à des humains les alternatives choisies ou
non et d’expliquer le choix qui a été fait.
Algorithmique et
Aide à la
décision
Apprentissage
Automatique