Les voitures modernes s’appuient de plus en plus sur un « cerveau » puissant qui contrôle la conduite, la sécurité, la navigation, la communication et le divertissement. Les ingénieurs appellent souvent ce système un ordinateur autonome, un ordinateur de véhicule, une plateforme de calcul centralisée ou un ordinateur de conduite autonome. Cet ordinateur traite d’énormes quantités de données provenant de capteurs et de caméras en temps réel et aide la voiture à prendre des décisions pendant la conduite.
L’industrie automobile considère désormais le logiciel et la puissance de calcul comme des éléments importants de la conception des véhicules. De nombreux fabricants ont évolué des systèmes de contrôle électroniques traditionnels vers des « véhicules définis par le logiciel », où un petit nombre d’ordinateurs puissants gèrent la plupart des fonctions du véhicule.
Qu’est-ce qu’un ordinateur autonome dans une voiture ?
Un ordinateur autonome dans une voiture est un système de calcul haute performance qui aide la voiture à comprendre son environnement, à prévoir les dangers et à contrôler son comportement. Cet ordinateur combine matériel, logiciel, intelligence artificielle et données des capteurs.
L’ordinateur autonome effectue généralement des tâches telles que :
- Détection des objets, des piétons, des voies et des panneaux de signalisation
- Surveillance de la vitesse et de la direction du véhicule
- Planification de trajets de conduite sûrs
- Contrôle du freinage, de la direction et de l’accélération
- Gestion de la navigation et de la cartographie
- Communication avec les systèmes cloud et d’autres véhicules
- Exécution des fonctionnalités d’assistance au conducteur.
Les ordinateurs autonomes modernes peuvent traiter des données provenant de nombreux capteurs simultanément. Certains systèmes avancés traitent des trillions d’opérations par seconde.
Par exemple, le nouveau chip autonome Rivian RAP1 aurait une capacité d’environ 1 800 trillions d’opérations par seconde pour le traitement de l’intelligence artificielle.
Pourquoi les voitures ont-elles besoin d’ordinateurs autonomes ?
Les voitures traditionnelles s’appuyaient sur de nombreuses petites unités de contrôle électroniques. Une unité contrôlait le freinage, une autre l’ensemble de la transmission, une autre encore les airbags, et une autre l’infodivertissement.
La conduite autonome moderne nécessite des prises de décision beaucoup plus rapides et le traitement de quantités de données bien plus importantes. Une voiture autonome ou semi-autonome peut utiliser :
- Plusieurs caméras
- Des capteurs radar
- Des capteurs LiDAR
- Des capteurs ultrasoniques
- Des systèmes de positionnement global
- Des cartes haute définition.
L’ordinateur de bord doit combiner toutes ces informations en quelques millisecondes.
Les chercheurs et les entreprises automobiles utilisent de plus en plus des architectures informatiques centralisées, car les systèmes centralisés réduisent la latence et améliorent la coordination entre les systèmes du véhicule.
Comment fonctionne un ordinateur autonome
Un ordinateur autonome fonctionne généralement en plusieurs étapes.
Collecte d’informations par des capteurs
Les capteurs collectent en continu des informations sur l’environnement.
Les exemples incluent :
- Caméras pour marquage des voies et panneaux de signalisation
- Radar pour mesurer la distance
- LiDAR pour le cartographie en trois dimensions
- Capteurs ultrasoniques pour l’assistance au stationnement.
Certains véhicules avancés utilisent plus de 10 caméras et plusieurs systèmes radar.
Selon des rapports sur les futurs systèmes autonomes de Mercedes-Benz, les ingénieurs pourraient utiliser des configurations avec 14 caméras haute définition, 9 capteurs radar et du LiDAR.
Fusion des données
L’ordinateur autonome combine les données provenant de différents capteurs en un modèle environnemental unifié.
Par exemple :
- Les caméras identifient un piéton
- Le radar mesure la vitesse du piéton
- Le LiDAR mesure la position du piéton dans l’espace tridimensionnel
L’ordinateur fusionne toutes ces informations pour améliorer la précision.
Analyse par intelligence artificielle
Des modèles d’intelligence artificielle analysent l’environnement et prédisent les risques potentiels.
Le système peut répondre à des questions telles que :
- Un autre véhicule change-t-il de voie ?
- Un piéton va-t-il traverser la rue ?
- Des travaux sont-ils en cours sur la route ?
- Le freinage est-il nécessaire ?
Les systèmes autonomes modernes utilisent de plus en plus de l’intelligence artificielle en périphérie, où le véhicule traite les données localement à l’intérieur de la voiture plutôt que de se fier à des serveurs cloud. Cette méthode réduit les retards et améliore la fiabilité.
Prise de décision pour la conduite
L’ordinateur sélectionne l’action de conduite la plus sûre.
Les actions possibles incluent :
- Réglage de la direction
- Réduction de la vitesse
- Freinage d’urgence
- Changement de voie
- Manoeuvres de stationnement.
Le système envoie ensuite des commandes aux systèmes de direction, de freinage et de transmission.
Niveaux d’autonomie de conduite
L’industrie automobile classe généralement l’automatisation de la conduite en niveaux allant de 0 à 5.
| Niveau | Description |
| Niveau 0 | Aucune automatisation de la conduite |
| Niveau 1 | Assistance de base telle que le régulateur de vitesse adaptatif |
| Niveau 2 | Automatisation partielle avec contrôle de la direction et de la vitesse |
| Niveau 3 | Autonomie conditionnelle dans des conditions spécifiques |
| Niveau 4 | Haute automatisation dans des environnements limités |
| Niveau 5 | Autonomie totale dans toutes les conditions |
Aujourd’hui, la plupart des systèmes disponibles commercialement restent au Niveau 2 ou avec une capacité limitée au Niveau 3.
Les analystes de l’industrie rapportent que de nombreuses entreprises se concentrent désormais davantage sur les systèmes pratiques de Niveau 2 et de Niveau 3 plutôt que sur des véhicules entièrement autonomes de Niveau 5.
Exemples de systèmes informatiques autonomes
1. Plateforme NVIDIA DRIVE
NVIDIA développe l’une des plateformes de calcul pour véhicules autonomes les plus largement utilisées.
Le système NVIDIA DRIVE comprend :
- Des puces d’intelligence artificielle haute performance
- Des systèmes d’exploitation pour véhicules
- Intégration des capteurs
- Outils de simulation
- Logiciels de sécurité.
Des entreprises comme Toyota, Volvo Cars et Mercedes-Benz utilisent les technologies de NVIDIA pour le développement de l’assistance à la conduite avancée et de la conduite autonome.
2. Ordinateur Tesla Full Self-Driving
Tesla conçoit son propre matériel et logiciel de conduite autonome.
Les véhicules Tesla dépendent fortement des caméras et du traitement de l’intelligence artificielle. Leur système apprend en continu à partir de grandes quantités de données de conduite collectées auprès des véhicules clients.
Tesla développe également une infrastructure d’entraînement spécialisée en intelligence artificielle pour les modèles de conduite autonome.
3. Plateforme d’autonomie Rivian
Rivian a récemment introduit sa puce d’intelligence artificielle RAP1 et son module de calcul autonome ACM3.
Cette entreprise prévoit de soutenir une conduite sans les mains sur des millions de kilomètres de routes en Amérique du Nord.
4. Robotaxis Waymo
Waymo exploite des services de robotaxi entièrement autonomes dans plusieurs villes.
Les véhicules Waymo utilisent des systèmes complexes de calcul autonome qui combinent :
- Des caméras
- Du LiDAR
- Des capteurs radar
- De l’intelligence artificielle
- Une cartographie haute définition.
Waymo continue d’étendre ses opérations autonomes à d’autres villes des États-Unis.
Véhicules définis par le logiciel
De nombreux véhicules modernes suivent désormais le concept de véhicule défini par le logiciel.
Un véhicule défini par le logiciel utilise des systèmes logiciels centralisés pour contrôler de nombreuses fonctions du véhicule. Les ingénieurs peuvent mettre à jour ces fonctions via des mises à jour logicielles par voie aérienne.
Cette approche offre plusieurs avantages :
- Mises à jour de fonctionnalités plus rapides
- Gestion de la cybersécurité améliorée
- Mieux d’intégration entre les systèmes
- Complexité matérielle réduite
- Mises à jour d’intelligence artificielle facilitées.
Les grandes entreprises de semi-conducteurs développent de plus en plus des processeurs automobiles spécialisés pour ce marché.
Intelligence artificielle dans les ordinateurs autonomes des voitures
L’intelligence artificielle joue un rôle central dans la conduite autonome.
Les systèmes modernes utilisent l’apprentissage automatique et l’apprentissage profond pour :
- Reconnaître les objets de la route
- Prévoir le comportement des conducteurs
- Comprendre les modèles de circulation
- Améliorer la navigation
- Réduire les collisions.
Les chercheurs continuent de développer des algorithmes d’apprentissage plus avancés pour les véhicules autonomes.
Certaines entreprises utilisent également des plateformes de simulation pour former les systèmes d’intelligence artificielle utilisant des scénarios de conduite virtuels avant leur déploiement dans le monde réel.
Défis en matière de sécurité
Les ordinateurs autonomes dans les voitures sont encore confrontés à des défis majeurs en matière de sécurité.
Situations routières rares
Les situations inattendues restent difficiles à gérer pour les systèmes autonomes.
Les exemples incluent :
- Routes inondées
- Feux de circulation hors service
- Zones de construction inhabituelles
- Véhicules d’urgence
- Météo sévère.
Par exemple, une importante panne de courant à San Francisco aurait causé des problèmes pour certains robotaxis autonomes, car les feux de circulation ne fonctionnaient plus.
Limitations des capteurs
Différents capteurs présentent des faiblesses.
Les exemples incluent :
- Les caméras ont des difficultés dans le brouillard épais
- Les performances du LiDAR peuvent diminuer sous la neige
- Le radar peut produire de fausses réflexions.
Les ingénieurs combinent souvent plusieurs types de capteurs pour améliorer la fiabilité.
Risques en matière de cybersécurité
Les ordinateurs autonomes des voitures se connectent à des réseaux sans fil, à des systèmes cloud et à des systèmes de mise à jour logicielle. Cette connectivité soulève des préoccupations en matière de cybersécurité.
Les fabricants de voitures se concentrent de plus en plus sur :
- Communication chiffrée
- Mises à jour logicielles sécurisées
- Détection d’intrusions
- Systèmes d’exploitation certifiés en matière de sécurité.
Les nouvelles plateformes autonomes subissent des tests de certification en matière de cybersécurité et de sécurité.
Défis de coût
Le matériel de conduite autonome reste encore coûteux.
Un véhicule entièrement autonome nécessite généralement :
- Des processeurs d’intelligence artificielle haute performance
- Des systèmes LiDAR coûteux
- Des systèmes de refroidissement avancés
- De grands systèmes de stockage de données.
Cependant, les coûts des capteurs et du calcul diminuent progressivement à mesure que la production augmente.
Ordinateurs autonomes des voitures et cloud computing
Les véhicules autonomes modernes utilisent souvent une combinaison de calcul embarqué et d’infrastructure cloud.
Le véhicule gère généralement les décisions de conduite en temps réel localement, car le traitement local réduit le délai. Les systèmes cloud soutiennent :
- Entraînement de l’intelligence artificielle
- Gestion de flotte
- Mises à jour de navigation
- Analyse des données
- Diagnostics à distance.
Les chercheurs soutiennent de plus en plus les approches de calcul en périphérie, car les systèmes en périphérie améliorent les temps de réponse et réduisent la dépendance aux connexions réseau.
L’avenir des ordinateurs autonomes dans les voitures
L’industrie automobile continue d’évoluer vers des systèmes de calcul pour véhicules plus centralisés et plus puissants.
Plusieurs grandes tendances façonnent actuellement le développement :
- Accélération de l’intelligence artificielle
- Calcul centralisé des véhicules
- Architectures définies par le logiciel
- Mises à jour logicielles par voie aérienne
- Plateformes de simulation avancées
- Utilisation accrue de l’intelligence artificielle en périphérie.
Les experts de l’industrie s’attendent à un progrès graduel plutôt qu’à une conduite entièrement autonome immédiate partout.
Certaines analyses estiment que des véhicules autonomes de Niveau 4, dont la propriété est privée, pourraient apparaître plus tard dans cette décennie dans des marchés limités et dans des conditions contrôlées.