Sacha Arnoud raconte la longue route de Waymo vers le véhicule autonome

Sacha Arnoud est directeur de l'ingénierie chez Waymo et travaille chez Google depuis 2010. Dans la vidéo que je vous propose ci dessous, il donne des indications intéressantes sur le programme de travail de Google sur ces dernières années. Entre les premiers prototypes en 2009 et le lancement annoncé avant la fin de 2018 d'un service commercial de robots taxis sans "safety driver"presque 10 ans se sont écoulés. "Lorsqu'on a fait 90% du chemin, 90% des efforts restent à faire" semble être la morale de cette aventure technique et industrielle.  


Dès 2010, Google avait déjà atteint un premier objectif ambitieux : parcourir en autonomie totale 10 boucles sur des routes ouvertes présentant des complexités très variées : en milieu urbain à San Francisco, sur autoroutes et sur des routes de montagne. 

Pendant les années qui ont suivi, Waymo a bénéficié des avancées considérables de Google Brain en "deep learning". Il s'agit par exemple, des technologies utilisées en production depuis 2012 dans Street View pour interpréter les informations présentes sur les façades : numéro et nom des rues, noms et activités des commerces, signalisation routière...  La mise en oeuvre de ces technologies en temps réel, par exemple pour détecter des piétons, dans des véhicules qui ne sont pas toujours connectés nécessite des adaptations importantes. Sacha mentionne plusieurs articles clés dont les dates de publication marquent les progrès réalisés.

Pour mieux faire comprendre ce qui est en oeuvre aujourd'hui dans les véhicules robots de Waymo, l'analyse se focalise sur la fonction de perception. Cette fonction reçoit en entrée les informations fournies en temps réel par les capteurs de la voiture et des informations cartographiques "historiques" décrivant le lieu. A partir de ces données, la fonction produit une description de la situation dans laquelle se trouve le véhicule. 
Vers la minute 28, il explique l'importance de la perception pour un véhicule qui conduit mieux qu'un humain et qui ne se contente pas simplement d'éviter les obstacles sur son chemin. Dans l'exemple, un véhicule de police, gyrophare allumé, porte ouverte est garé sur la droite.Le policier se tient au milieu de la route et un cycliste, devant le véhicule autonome, se prépare à le contourner...Pour gérer cette situation, il est nécessaire d'interpréter les différentes composantes non seulement comme des "obstacles", mais comme des concepts sémantiquement riches : par exemple un véhicule de police stationné avec gyrophare et dont la porte avant droite est ouverte...
Le deep plarning est aussi nécessaire pour "corriger" les artefacts des capteurs. Les reflets ou les images détectées par certains capteurs doivent, par exemple, être ignorés et non confondus avec des informations réelles.
La "segmentation sémantique" de la scène est donc une étape clé qui se heurte à de nombreuses difficultés. Certains objets : plaques de neige sur la route, sacs en plastique, végétation n'ont pas de "forme caractéristique". Pour les détecter il faut recourir à des méthodes optimisées pour ne pas mobiliser trop de puissance informatique.
L'interprétation des piétons est particulièrement difficile compte tenu de leurs formes variables, des champs sémantiques complexes caractérisant leurs activités, et  de leur comportement qui peut être erratique.
Le recours à des réseaux de neurones récurrents est indispensable pour exploiter les informations capturées à différentes étapes de la trajectoire du véhicule et des différentes composantes de la scène.
La technologie Tensor Flow offre, à tous les scientifiques qui l'utilisent des outils, des données et un langage commun qui facilitent le travail d'équipe efficace.
La présentation se conclut par les 3 stratégies de test utilisées par Waymo ; 
  • la conduite sur routes ouvertes (4 millions de km en 2017), 
  • la simulation (25 milliards de km simulés en 2017)  
  • et la réalisation de tests scénarisés dans des environnements spécialisés sur l'ancienne base aérienne de Castle en Californie.

Si les véhicules autonomes vous intéressent,vous trouverez sur ici les autres articles de Transid sur ce sujet.

Une étude APUR et MIT sur les véhicules autonomes : du contexte international au cas du Grand Paris



L'Apur c'est associée avec l'Urban Mobility Lab du MIT pour produire un rapport présentant à la fois un état de l'art mondial sur les VA (Véhicules Autonomes) et une réflexion spécifique sur l'expérimentation dans le contexte du Grand Paris.
Je vous livre ici quelques notes en vous recommandant la lecture du rapport (en anglais) ou au moins celle d'une note de synthèse en français.

Législation

Un rappel de la stratégie nationale pour le développement du véhicule autonome est fait. Un encadré fait aussi le point sur la réglementation aux USA en insistant sur les dispositions prises en Californie et sur l'approche extrêmement libérale de l'Arizona. 
Le chiffre de $80Mds d'investissements industriels dans les technologies de VA est extrait d'une étude de The Brookings institution.  Au passage, cette étude contient un graphe du nombre cumulé des opérations investissements qui donne une indication sur le dynamisme du secteur :
Source: The Brookings Institution
Le rôle de la puissance publique ne s'arrête pas au pilotage de la stratégie industrielle, ni aux processus d'autorisations. Le rapport aborde l'importance des investissements publics dans les infrastructures. Il s'agit d'aménager les routes mais aussi de disposer des réseaux de communications et d'énergie nécessaires pour ces VA qui seront connectés et majoritairement électriques...
Enfin, mais sans surprise, les acteurs industriels attendent un cadre réglementaire claire et adaptable (!) et s'inquiètent de la superposition des juridictions territoriales...

La technologie et ses impacts sur les systèmes de transport

Le document rappelle les 5 niveaux d'autonomie et détaille l'importance de la notion de domaine sur lequel un véhicule est sensé être en mesure d'être autonome.Il distingue les navettes (type EasyMile ou Navya) et les RoboTaxis pour le transports de voyageurs et différents concepts pour le transports de fret et les livraisons. Enfin il couvre la nécessité d'adapter les infrastructures urbaines pour assurer la possibilité de recharger les véhicules électriques, assurer la connectivité et la communication "sol bord" ou V2X. Il souligne la tension qui peut exister entre les investissements consacrés aux nouvelles technologies et celles qu'il faudra en parallèle continuer à consacrer à la route et à la signalisation "classique". 
La question du péage n'est abordée qu'au travers de l'expérimentation Renault Sanef, sans doute aurait on pu imaginer un développement un peu plus long pour des technologies qui permettent de financer l'évolution des systèmes de mobilité ?  

Etude de cas d'expérimentation

Des fiches présentent des expérimentations  intéressantes dans le monde entier.
. A garbage trucks, Sweden The future of municipal services?
. Singapore Wide-spread testing of diverse technologies.
. Wageningen, Netherlands Fixed-route shuttles for last-mile solutions.
. Helsinki, Finland A targeted, Smart City approach to AVs.
. Phoenix-area, United States Limited regulations and a car-focused approach.
. Paris, France Strong consumer feedback in a pedestrian-friendly area.
. Rouen, France A ride-hailing car service to supplement public transportation.
. Shenzhen, China An eager interest in new technologies combined with a high consumer acceptance.
. Sion, Switzerland : A tourist attraction in a dense, pedestrian-heavy area.

Les VA et la Ville

Cette section fait le point sur l'intérêt que pourrait présenter les VA en ville en particulier en matière :
  • de sécurité, 
  • de congestion (par exemple en limitant les effets de "stop & go" dans les embouteillages), 
  • d'optimisation des services de "Mass Transit" (en améliorant la diffusion et le rabattement vers les gares), 
  • de développement de nouveaux services de transports partagés, 
  • de lutte contre les émissions, 
  • d'emploi...
Le rapport explore aussi les effets potentiellement négatifs et les bonnes options pour les limiter. L'analyse est résumée dans le tableau suivant :
Les mesures recommandées sont :
  • la baisse du nombre de places de stationnement, 
  • une tarification variable pour l'usage de la route visant à encourager le partage aux heures de pointe, 
  • l'intégration des services de types VA et transports publics,
  • une tarification sociale pour favoriser l'accès aux services de VA pour les personnes à faibles revenus, 
  • une centralisation des données pour permettre aux voyageurs de choisir les meilleurs itinéraires et d'optimiser le choix des modes,  
  • le choix de véhicules zéro émission.
Au delà de ces mesures réglementaires, la prise en compte des VA dans la conception (design) de la ville est nécessaire. Il s'agit notamment :
  • d'optimiser dynamiquement l'espace libéré par la réduction du nombre de places de stationnement,
  • revoir la conception de rues, pour agrandir les trottoirs ou faciliter la cohabitation des modes, 
  • de s'intéresser à la gestion des données pour optimiser l'usage de la chaussée et pour étudier la tarification dynamique. 

Une approche pour une expérimentation pour le Grand Paris 

Pour finir, des priorités spécifiques au contexte du Grand Paris sont formulées :
  • valoriser les expérimentations ayant un impact sur le développement durable et l'environnement, conformément à l'engagement de Paris d'être neutre en terme d'émissions carbone en 2050...
  • viser l'articulation avec le système de Mass Transit et les mobilités partagées,
  • améliorer la desserte des zones les moins desservies notamment grâce à des services de transport à la demande et à des véhicules adaptés. 
  • encourager les cohabitation des modes, 
  • coordonner les échanges de données entre plateformes pour faciliter l'information,
  • adapter les services pour les touristes, notamment dans la perspective des JO de 2024.
Des lignes directrices qui reprennent en partie ces priorités y ajoutent les points suivants en conclusion :
  • le soutien pour des véhicules de grande capacité pouvant circuler sur les autoroutes et s'articuler avec les services de Mass Transit, 
  • le développement de services intégrés de type MaaS pour l'information, la réservation, la vente aux voyageurs, 
  • l'aménagement de la voirie en vue de faciliter son partage entre des modes ayant des vitesses et des besoins différents, 
  • des espaces publics connectés en lien avec le développement de cartographie numérique,
  • le développement de l'open data, de la connectivité et des infrastructures de recharge en énergie,
  • l'optimisation du stationnement et des espaces de livraison.  

Sécurité des véhicules robots aux USA avec Chris Gerdes

Chris Gerdes est professeur de mécanique, directeur du Centre pour la Recherche Automobile (CARS)  et directeur du programme REVS à Stanford. Il est aussi passionné d'automobiles et un entrepreneur ; fondateur de Peloton.
Pourtant, dans la vidéo ci-dessous, il s'inspire surtout de son expérience au ministère des transports américain (USDOT) dont il fut le premier Chief Innovation Officer. Il y parle de la sécurité des véhicules autonomes et du cadre réglementaire. L'intérêt de son exposé tient au fait qu'il croise une excellent vision des enjeux réglementaires (aux USA au moins) avec une expertise technique.

Les expériences spectaculaires de Stanford

Il commence par évoquer Shelley l'Audi TTS autonome utilisée par Stanford pour approcher le comportement d'un pilote de course sur un anneau de vitesse ou l'incroyable DeLorean surnommée Marty qui réalise des dérapages contrôlés (des drifts) autonomes et très spectaculaires ! 
L'objectif de ces travaux universitaires (!) est de comparer les performances de robots et de conducteurs humains dans des cas de conduites "aux limites".

La certification des véhicules aux USA

Environ 7.30 minutes après le début, il présente les normes fédérales pour la sécurité des véhicules à moteur "FMVSS" en précisant qu'aucune certification n'est exigée aux USA avant la mise sur le marché d'un véhicule. Chaque constructeur assume lui même l'évaluation de ses véhicules  avant leur mise sur le marché, ces normes sont obligatoires, mais pas vérifiées ex-ante.
Il insiste sur le temps nécessaire (7 ans) pour faire évoluer ces normes et donc sur le décalage entre le temps des règles et celui des innovations.
Il estime (en s'appuyant sur un rapport de Volpe) que ces règles, bien qu'inadaptées, n'empêchent en rien la mise sur les routes de véhicules autonomes. Pour traiter les questions soulevées par ces nouveaux véhicules, USDOT a mis en place un cadre pour l'évaluation de la sécurité en 15 points (mise à jour par l'administration Trump en 2017).
La vision pour la sécurité des systèmes autonomes de transport
de la National Highway Traffic Safety Administration (NHTSA)
Ces points doivent être étudiés par les constructeurs. Il s'agit par exemple de bien définir le cadre d'exploitation du véhicule (ODD Operation Design Domain), de la détection d'objets et d'événements, des mécanisme de retour vers une situation sûre (fallback), etc.. Voici un rapide résumé des 12 points retenus dans la nouvelle version du document :
  1. System Safety : l'approche "système" est mise en avant dès le titre du document (on parle d'ADS pour Autonomous Driving Systems) et il est fait référence de façon indicative aux pratiques et aux normes des secteurs de l'aviation, de l'espace et de la défense.
  2. Operational Design Domain il doit au minimum porter sur le type de routes, les zones géographiques, les vitesses et conditions d'emploi (météo, visibilité...).
  3. Object and Event Detection and Response qui distingue la conduite "normale" et les dispositions permettant d'éviter une collision. La conduite normale inclut notamment le respect du code de la route, mais aussi celui de "l'étiquette" et la capacité à éviter les comportements dangereux des autres véhicules.
  4. Fallback (Minimal Risk Condition) qui couvre les modes permettant, lors de la détection d'un problème, de ce rapprocher d'une situation qui présente un minimum de risque.
  5. Validation Methods différentes méthodes sont évoquées (tests sur pistes d'essai, conduite sur routes ouvertes, simulation...) mais aucune n'est particulièrement préconisée.
  6. Human Machine Interface couvre, au sens large, les interactions avec les passagers y compris l'éventuel conducteur, les autres véhicules et les piétons et cyclistes, et le cas échéant, avec les opérateurs en charge de la supervision. Dans le cas des véhicules conçus pour être totalement autonomes, les interactions avec des utilisateurs présentant des déficiences physiques, perceptives ou cognitives doit être étudiées.
  7. Vehicle Cybersecurity dans ce domaine la coopération entre les acteurs est encouragée pour partager les risques et les parades.
  8. Crashworthiness : il est précisé que la réalisation de crash tests n'est pas obligatoire et que l'agence nationale ne demande pas accès aux résultats de ces tests lorsqu'ils sont réalisés;
  9. Post-Crash ADS Behavior couvre la sécurité à l'issue d'un crash...
  10. Data Recording il est nécessaire d'enregistrer les données du véhicules et d'être en mesure de les partager avec l'administration en cas d'accident.
  11. Consumer Education and Training il s'agit notamment de bien informer les utilisateurs des bonnes conditions de fonctionnement des automatismes.
  12. Federal, State, and Local Laws, les constructeurs doivent garder trace des démarches entreprises pour se conformer aux lois des différents états et aux règles locales...

Quels tests pour garantir la sécurité ? 

Il aborde ensuite la question de test. La simulation numérique lui semble apporter une couverture plus robuste que les tests  sur piste ou sur route ouverte. Pourtant, de nouveau, l'USDOT ne préconise pas un type de test sur les autres. En revanche, les systèmes programmés de façon déterministe et le système apprenant (IA) nécessitent probablement des approches différentes...

Un code de la route qui se fonde sur le bon sens des humains est il adapté aux  robots ?

Il conclut sur les questions relatives au "jugement" du conducteur. Le fameux dilemme du tramway, relève de questions morales souvent difficiles à trancher. Il doit aussi faire l'objet d'une approche plus pragmatique visant à développer toutes les mesures techniques qui permettent de limiter, voir d'éviter les défaillances qui conduisent au dilemme.
Plus que ce dilemme, c'est la question des règles (code de la route)  qui est pertinente. Ces règles sont conçues pour des conducteurs qui disposent de "bon sens" pour les interpréter et décider qu'il convient parfois de les contourner.
Ces règles peuvent poser problèmes si les véhicules robots sont programmés pour les respecter à la lettre.
Plutôt que d'obliger les robots à conduire "aussi mal" que les hommes, c'est donc, selon Chris Gerdes, une révision règles du code de la route qu'il faut entreprendre. Elle prendra en compte les capacités des robots au delà de celles des humains. En s'appuyant sur ses capacités techniques inaccessibles aux humains, le robot pourra atteindre un niveau de sécurité et de performance optimal.      
La conférence est suivie par une série de questions intéressantes.