Que les véhicules autonomes soient ou non capables de développer le type de raisonnement dynamique, adaptatif et de bon sens que les humains sont capables d’exploiter (lorsque nous y prêtons attention, c’est-à-dire), les VA ont déjà démontré que leur capacité à tirer parti des systèmes de capteurs pour voir dans toutes les directions à la fois peut potentiellement entraîner le type de sécurité que les humains ne peuvent pas facilement égaler.
Le problème est que dans de nombreux cas, les VA apprennent à conduire en observant les conducteurs humains. Donc, si nous leur apprenons, comment peuvent-ils tirer parti efficacement de leur matériel supérieur pour une sécurité supérieure?
Il y a quelques semaines, le PDG de Cruise Automation a tweeté un exemple d’un de leurs AV démontrant un comportement de sécurité où il se déplace pour faire de la place à un cycliste. Ce qui est intéressant à propos de ce comportement, cependant, c’est que l’AV le fait pour les cyclistes qui s’approchent rapidement de derrière le véhicule, ce qu’un humain est beaucoup moins susceptible de remarquer, et encore moins de réagir. Une astuce intéressante – mais qu’est-ce que cela signifie et quelle est la prochaine étape?
Dans la vidéo ci-dessus, alors que le cycliste s’approche de l’arrière droit à un assez bon clip, vous pouvez voir le véhicule autonome tirer un peu vers la gauche, augmentant ainsi l’espace que le cycliste peut utiliser pour passer par la droite.
Une question importante à laquelle nous n’allons pas vraiment nous attaquer ici est de savoir si c’est même une bonne idée en premier lieu, car (en tant que cycliste) je préférerais personnellement que les voitures soient prévisibles plutôt que de faire parfois des choses étrangement gentilles que je pourrait ne pas être préparé pour. Mais c’est l’une des choses qui rend les cyclistes difficiles: ont été imprévisible. Et pour les VA, gérer des choses imprévisibles est notoirement problématique.
L’approche de Cruise à ce sujet, explique Rashed Haq, vice-président de la robotique chez Cruise, est d’essayer de donner à leur système autonome une idée de l’imprévisibilité des cyclistes, puis de planifier ses actions en conséquence. Cruise a collecté des millions de kilomètres de données du monde réel à partir de ses véhicules sensoriels qui incluent des cyclistes faisant toutes sortes de choses. Et leur système a construit un modèle montrant à quel point il peut être certain que lorsqu’il voit un cycliste, il peut prédire avec précision ce que ce cycliste va faire ensuite.
«Il y a une certaine incertitude sur ce qu’un cycliste est susceptible de faire uniquement en fonction de son intention, et il y a ensuite un risque pour lui de tomber et des choses comme ça», dit Haq. “Donc, si vous avez des données historiques, qui vous aident à comprendre comment les cyclistes sont susceptibles de se comporter, ainsi que ces autres choses potentielles qui peuvent se produire avec les cyclistes, alors ces nouveaux comportements émergeront de l’objectif de sécurité.”
Essentiellement, sur la base de sa compréhension de l’imprévisibilité des cyclistes, le Cruise AV a déterminé que la probabilité d’une interaction sûre est améliorée lorsqu’il donne plus d’espace aux cyclistes, c’est donc ce qu’il essaie de faire dans la mesure du possible.
Ce comportement illustre certaines des différences critiques entre les véhicules autonomes et à propulsion humaine. Les humains conduisent avec une conscience de la situation relativement limitée et font face à des choses comme l’incertitude principalement au niveau subconscient. Les AV, en revanche, prédisent constamment l’avenir de manière très explicite. Les humains ont tendance à avoir l’avantage lorsque quelque chose d’inhabituel se produit, car nous sommes en mesure d’appliquer instantanément la valeur de toute une vie de connaissances de bon sens sur le monde à notre processus de prise de décision. Pendant ce temps, les AV envisagent toujours la prochaine ligne de conduite la plus sûre sur tout l’espace qu’ils sont capables de prédire.
«Je pense que beaucoup de ces comportements émergents sont basés sur le type de données que nous observons, et ensuite, lorsque nous appliquons notre objectif de sécurité, cela découle de ce processus», déclare Haq.
De tels comportements vont bien au-delà des cyclistes, bien sûr, et à mesure que le système Cruise accumule plus de données sur les événements incertains, il deviendra mieux en mesure de prédire quand ajouter ces marges de sécurité supplémentaires. C’est vraiment passionnant de réfléchir à ces façons spécifiques dont les véhicules autonomes transcendent les humains en matière de sécurité, avec ces comportements irréalistes à attendre de la part des conducteurs humains. Cela ne veut pas dire que les VA rendront les conducteurs généralement plus sûrs dans un proche avenir, car tout ce qu’ils savent faire est basé sur ce qu’ils peuvent prédire, et le monde est un endroit imprévisible. Mais des exemples comme ceux-ci nous rappellent bien que les robots ont beaucoup à offrir et que nos attentes ne devraient pas être des performances au niveau humain – elles devraient être meilleures.
