Aide à la navigation et au pilotage : quand l'IA Green part au 4L Trophy

Introduction

Les environnements déstructurés représentent tout type de terrain non structuré pas l'Homme pour accueillir des véhicules terrestres. Sur des terrains désertiques, les théâtres d'opérations militaires ou bien Mars, les véhicules et Rovers sont difficiles à manœuvrer et induisent une charge cognitive importante au pilote pour se repérer et naviguer dans des zones à risques :
- Terrain sableux et rocheux,
- Températures variables et parfois élevées
- Météo contraignante type tempête de sable qui induit une visibilité réduite - Communication limitée, brouillage, hors zone Libérer la charge mentale du pilote ou de l'opérateur est donc critique pour assurer la réussite de la mission.

Pour apporter une aide au pilotage et à la décision plusieurs options sont possibles : - Se libérer d'actions manuelles
- Connaître l'état de son système pour en anticiper les pannes et la maintenance
- Faciliter la communication entre équipage et/ou systèmes et la restitution de la mission

Les méthodes actuelles de géolocalisation se basent principalement sur la technologie GNSS, qui peut ne pas être disponible ou utilisable dans cet environnement. La détection de relief et d'obstacles est aujourd'hui possible grâce à des techniques de stéréoscopie basées sur des méthodes scientifiques classiques. La reconnaissance vocale est aujourd'hui largement mise en œuvre grâce à l'utilisation d'une connexion internet et d'un accès Cloud pour effectuer les requêtes de l'utilisateur. Elle permet de se décharger d'actions manuelle par l'utilisation de la parole à la place. Dans un environnement bruyant comme le nôtre, des techniques de réduction de bruit et de filtrage du son sont aujourd'hui à l'état de l'art afin d'améliorer la qualité d'une communication. Pour connaître l'état d'un système tel qu'un véhicule, il est nécessaire d'étudier les différentes remontées capteurs qui le composent, dans un but de détection de pattern de comportement, anormal ou non, de détection d'anomalies, et d'alerte, et ce, dans le temps.

L'ensemble des techniques citées ci-dessus nécessitent des sources de données massives et hétérogènes, qu'il faut pouvoir fusionner afin d'en corréler les résultats et assurer la fiabilité des informations restituées. L'apport de l'IA est, dans certains cas, nécessaire pour ces analyses, et peut également améliorer les résultats fournis par les techniques scientifiques classiques. De plus, ces différentes méthodes sont gourmandes en ressources, ce qui, jusque-là, limitait leur portage en embarqué. Or, il est capital dans notre environnement de porter tous ces traitements en embarqué, sans connexion externe au système, tout en respectant des contraintes temps réel liées à l'environnement hostile et en garantissant une robustesse du système dans cet environnement extrême. L'étude ESC4L- Embedded Sensors for Connected 4L, vise à développer un prototype physique multi-capteurs permettant la valorisation et le traitement massif de ces données, dès l'acquisition, en temps réel dans un environnement embarqué, contraint et hostile.


Méthodologie

Nous présentons les différents chantiers d'aide à la navigation et d'aide au pilotage réalisés dans l'étude :
- Navigation sans signal GPS (GNSS-Denied) avec algorithmes de localisation et maintien de cap basés sur de la navigation multi centrales inertielles
- Monitoring temps réel de remontées capteurs mécaniques, ici de moteur, pour effectuer des diagnostics des équipements - Etude de navigabilité terrain par stéréoscopie Deep Learning
- Assistance vocale embarquée offline avec algorithmes de traitement de la parole et réduction de bruit

Ces différentes capacités nécessitent de traiter les concepts suivants :
- Fusion multi-capteurs et traitement de données hétérogènes
- Embarquabilité des algorithmes
- Restitution ergonomiques de l'ensemble des informations élaborées
- Conception green et autonomie du système

Originalité / perspective

Nous menons depuis plus de quatre ans des travaux sur l'IA embarquée et avons pu réaliser divers petits prototypes d'applications de l'IA en embarqué, dans notre laboratoire à Mérignac. Nous avons souhaité cette fois-ci monter en maturité et atteindre des TRL de plus en plus élevés, autrement dit, passer d'un environnement lab
- à une expérimentation sur le terrain en conditions significatives, voire très représentatives d'un environnement désertique. Pour cela nous avons choisi de prototyper sur véhicule Renault 4L et d'expérimenter notre système à travers deux raid automobiles réservés aux 4L : - Raid SD
- Terres d'Aventures Aveyron, qui s'est déroulé en septembre 2023
- Raid 4L Trophy, qui a aura lieu du 15 au 25 février 2024.

Nous pourrons alors présenter nos tous derniers résultats suite à ce raid final de l'étude duquel nous serons fraîchement rentrés. Une attention particulière a été portée sur le choix du matériel, la conception des logiciels et l'architecture physique du système afin qu'il soit le plus frugal possible en ressources, et qu'il soit autonome en énergie grâce à une alimentation par panneaux solaires. Egalement, il a été indispensable que ces nouvelles capacités soient compatibles avec des véhicules ancienne génération pour éviter de devoir produire une nouvelle flotte entière de véhicules.

Références

https://www.linkedin.com/posts/ilona-marie-lemaire-lefebvre-261533121_ai-researchanddevelopment-thales-activity-7147957573407686656-36XR?utm_source=share&utm_medium=member_deskto

Revoir le live :