Perdre du terrain pendant que Conduire à grande vitesse est généralement de très mauvaises nouvelles. Des scientifiques du Toyota Research Institute et de l'Université de Stanford ont développé une paire de voitures autonomes qui utilisent l'intelligence artificielle pour le faire de manière contrôlée – une astuce mieux connue sous le nom de «dérive» – pour repousser les limites de la conduite autonome.

Les deux véhicules autonomes ont effectué le cascade de casse-cou de dérive en tandem autour du Thunderhill Raceway Park à Willows, en Californie, en mai. Dans un vidéo promotionnelleles deux voitures rugissent autour de la piste à quelques mètres les unes des autres après que les conducteurs humains ont renoncé au contrôle.

Chris Gerdesun professeur à l'Université de Stanford qui a dirigé son implication dans le projet, a déclaré à Wired que les techniques développées pour l'exploit pourraient éventuellement aider les futurs systèmes d'assistance à la conduite. «L'une des choses que nous examinons est de savoir si nous pouvons faire ainsi que les meilleurs conducteurs humains», explique Gerdes.

Les futurs systèmes d'assistance conducteur pourraient utiliser les algorithmes testés sur la piste de Californie pour intervenir lorsqu'un automobiliste perd le contrôle, en train de diriger un véhicule à partir de problèmes comme le ferait un conducteur de cascade. «Ce que nous avons fait ici peut être étendu pour résoudre des problèmes plus importants comme la conduite automatisée dans les scénarios urbains», explique Gerdes.

Le projet est une démonstration soignée d'autonomie à grande vitesse, bien que les véhicules autonomes soient encore loin d'être parfaits. Après une décennie de promesses et de battage médiatique, les taxis opèrent désormais sans conducteur dans certaines situations limitées. Cependant, les véhicules sont encore enclins à rester coincés et peuvent nécessiter une assistance à distance.

Les chercheurs de l'Université de Toyota et de Stanford ont modifié deux voitures de sport GR Supra avec des ordinateurs et des capteurs qui suivent la route et d'autres véhicules, en plus de la suspension des voitures et d'autres propriétés. Ils ont également développé des algorithmes qui combinent des modèles mathématiques avancés des propriétés des pneus et la piste avec l'apprentissage automatique qui aide les voitures à se apprendre à maîtriser l'art de la dérive.

Ming Linprofesseur à l'Université du Maryland qui étudie la conduite autonome, dit que le travail est une avance passionnante pour aider les voitures autonomes à opérer aux extrêmes. «L'un des plus grands défis pour les véhicules autonomes est de fonctionner en toute sécurité les jours pluvieux, enneigés ou brumeux, ou dans un mauvais éclairage la nuit», dit-elle.

Lin ajoute que le projet Toyota – Stanford démontre l'importance de combiner l'apprentissage automatique avec les modèles physiques dans le monde. «Bien que ce ne soit qu'une démonstration précoce, elle se dirige clairement dans la bonne direction», dit-elle.

Toyota et Stanford ont d'abord démontré des algorithmes qui ont permis aux voitures autonomes de dériver en 2022. Avoir deux véhicules effectuer cette astuce en tandem nécessite un contrôle encore meilleur et implique que les véhicules communiquent entre eux. Les voitures ont été nourries de données sur les tours gérés par des chauffeurs professionnels. Leurs ordinateurs respectifs ont calculé un problème d'optimisation jusqu'à 50 fois par seconde pour décider comment équilibrer la direction, l'accélérateur et le frein.

«Ce que nous regardons vraiment ici, c'est comment contrôler la voiture aux extrêmes de la performance, lorsque les pneus glissent, le type de condition que vous feriez [encounter] Lorsque vous conduisez sur la neige ou la glace », explique Avinash Balachandran, vice-président de la division de conduite interactive humaine de TRI. «En ce qui concerne la sécurité, être un conducteur moyen n'est tout simplement pas assez bon, et nous cherchons donc vraiment à apprendre des meilleurs experts.»

Le monde a connu des avancées remarquables dans l'IA récemment grâce aux modèles de grande langue que les programmes alimentaires comme Chatgpt. Cependant, comme la démo à la double dérive le souligne, la maîtrise du monde physique désordonné et imprévisible reste une proposition entièrement différente.

«Dans un LLM, une hallucination n'est peut-être pas la fin du monde», explique Balachandran en référence à la façon dont les modèles de langue importants se tromperont. “Cela pourrait évidemment être très différent avec une voiture.”