Validation des composants de perception basés sur l'IA dans les véhicules autonomes.

Validation of IA-based perception components in autonomous vehicles.

• Auteur / Autrice : Jean-baptiste Horel
• Direction : Radu Mateescu, Christian Laugier
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/04/2021
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences et technologies de l'information, informatique (Grenoble ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Institut National de Recherche en Informatique et en Automatique

Mots clés

Mots clés libres

Intelligence Artificielle

Simulation

Perception

Navigation autonome

Modélisation formelle

Perception

Autonomous navigation

Simulation

Formal modeling

Artificial Intelligence

Résumé

Évaluation de la sûreté et de la sécurité des véhicules autonomes et définition des principes du processus de validation de leurs composants, avec une attention particulière aux algorithmes basés sur l'intelligence artificielle. Le développement rapide de l'intelligence artificielle et sa vaste diffusion dans tous les secteurs d'activité soulèvent des questions spécifiques en termes de garanties sur leur bon fonctionnement. En particulier, les systèmes automobiles, où les algorithmes de perception et de prise de décision reposent sur des approches probabilistes fondées sur l'IA, nécessitent une validation approfondie de tous leurs composants avant d'être utilisés dans la vie quotidienne. Cependant, en garantir la sécurité et la fiabilité pose un problème significatif en raison de la complexité de ces solutions et des inévitables incertitudes sur la route. Les travaux prévus permettront d'exploiter et d'améliorer l'algorithme d'aperception développé par l'équipe Chroma, le CMCDOT. Cette approche de représentation de l'environnement est un système de filtrage bayésien sur des grilles d'occupation dynamiques, permettant une parallélisation de l'estimation des probabilités d'occupation pour chaque cellule, de l'inférence des vitesses et de la prédiction du risque de collision. Une partie importante de la thèse sera ensuite consacrée à la validation formelle des résultats obtenus à travers des tests sur un simulateur de conduite autonome réaliste (ex. Carla) et des expérimentations réalisées avec notre voiture autonome (Renault Zoe).

Assessment of the safety and security of autonomous vehicles and definition of the principles of the validation process for their components, with a particular attention to algorithms based on artificial intelligence. The rapid development of Artificial Intelligence (AI) and its vast diffusion in all sectors of activity raise specific questions in terms of guarantees on their proper functioning. In particular, automotive systems, where both perception and decision-making algorithms rely on probabilistic AI-based approaches, require a thorough validation of all their components before being used in everyday life. However, guaranteeing safety and reliability poses a significant challenge due to the complexity of these solutions and the inevitable uncertainties on the road. The expected work will exploit and improve a perception algorithm developed in the Chroma team, the CMCDOT. This grid-based approach is a Bayesian filtering system for environment representation through dynamic occupation grids, allowing parallel estimation of occupation probabilities for each cell, inference of velocities and prediction of the risk of collision. New solutions to add semantic information based on deep learning techniques will be also considered and analyzed. An important part of the thesis will be then dedicated to formally validate the obtained results through tests on a realistic autonomous driving simulator (e.g., Carla) and real experiments conducted with our fully autonomous car(Renault Zoe).