Meilleures pratiques pour les capteurs d’IA dans l’automobile
AImotive, en Hongrie, a élaboré des lignes directrices pour la mise en place de capteurs et la collecte de données pour les systèmes d’intelligence artificielle dans l’automobile.
Le développement de l’IA automobile pour les ADAS ou la conduite automatisée commence par des données de haute qualité, précises et bien documentées, qui sont à la base de tout, de l’entraînement des réseaux neuronaux à la validation et aux tests de simulation.
Cette collecte de données peut constituer la partie la plus coûteuse de l’ensemble du cycle de développement de l’IA, car elle nécessite des véhicules, des capteurs, des conducteurs, des logiciels personnalisés et d’innombrables heures d’ingénierie.
- Une approche modulaire de la conduite automatisée
- L’IA au service du développement d’outils
- onsemi fait équipe pour la fusion des capteurs
« Chez aiMotive, nous avons vu trop d’équipes brûler leur budget pour découvrir, des mois plus tard, que les données collectées n’étaient pas utilisables. Les raisons sont diverses : mauvais positionnement des capteurs, mauvais calibrage, mauvais contrôle des versions ou métadonnées de diagnostic manquantes. Cela crée un effet domino : le développement ralentit, le débogage devient plus difficile et la confiance dans les données s’effrite », explique Zsófia Ülkei, chef de l’équipe d’étalonnage des capteurs chez AImotive. L’entreprise, qui fait désormais partie de Stellantis, développe des processeurs d’intelligence artificielle et des outils de simulation pour les équipementiers automobiles et les fournisseurs de premier rang.
Créer un système de capteurs robuste
Avant de collecter un seul octet de données, la configuration du capteur doit tenir compte des éléments clés suivants:
- Simulez la disposition des capteurs avant de les installer physiquement. Vérifiez les angles morts, le chevauchement des champs de vision (FOV) et les limitations de portée.
- Évitez de placer les capteurs GT sur des pièces mobiles telles que les rétroviseurs latéraux ou le couvercle du coffre, car cela peut nuire à la stabilité de l’étalonnage.
- Utilisez des structures de montage rigides et restez cohérent. Une conception bien planifiée devrait servir à plusieurs campagnes de collecte de données pour un déploiement rentable. Évitez les structures métalliques lourdes qui augmentent le poids et les risques de sécurité associés, ainsi que les effets possibles de blindage et d’interférence. aiMotive utilise des supports renforcés, imprimés en 3D et optimisés pour l’IA.
- Prévoyez les besoins en données de demain en utilisant dès le départ des capteurs de haute qualité afin de vous assurer que l’installation pourra répondre aux besoins évolutifs et futurs.
- Validez l’intégration des capteurs et déterminez quelles parties des canaux seront affectées par l’ajout de nouveaux capteurs, et veillez à consacrer suffisamment de temps à une validation correcte.
Les outils de simulation peuvent simuler virtuellement la configuration des capteurs afin de valider la couverture, d’optimiser l’emplacement et d’éviter les surprises une fois la voiture sur la route.
Étalonnage et synchronisation
La qualité des capteurs dépend de leur alignement et de leur synchronisation. Si l’étalonnage ou la synchronisation ne sont pas corrects, l’ensemble des données devient un handicap.
- Définissez les tolérances d’étalonnage en fonction du cas d’utilisation. Ne partez pas du principe que chaque programme et chaque cas d’utilisation nécessitent la même précision – visez le cas d’utilisation prévu le plus rigoureux.
- Vérifiez en permanence l’état de l’étalonnage – idéalement à l’aide d’un outil automatisé qui s’exécute pendant ou après chaque entraînement.
- Versionnez chaque changement d’étalonnage pour rendre le débogage traçable et pour gérer les dérives accidentelles avec des intervalles de validité précis pour les données d’étalonnage.
- Dans la mesure du possible, sélectionnez en priorité des capteurs compatibles avec la synchronisation matérielle et incluez des diagnostics pour vérifier la synchronisation à la volée.
Ces contrôles peuvent être automatisés afin de détecter les anomalies avant qu’elles ne deviennent des problèmes coûteux.
Configuration du logiciel d’enregistrement intelligent
Le matériel qui enregistre toutes les données des capteurs peut se loger sous le plancher du compartiment à bagages, ce qui préserve l’utilité du coffre, mais même la configuration la plus parfaite des capteurs ne sera d’aucune utilité si le logiciel d’enregistrement tombe en panne.
- Enregistrez les données brutes, et non les résultats post-traités, afin de garantir la possibilité d’un retraitement ultérieur.
- Enregistrez tout, non seulement la sortie des capteurs, mais aussi l’état du système, le GPS, les indicateurs de diagnostic, les notes de l’opérateur et les conditions environnementales.
Les outils doivent contrôler les paramètres des capteurs, créer automatiquement des métadonnées et garantir des flux de données cohérents et traçables à partir d’une interface unique.
Retour d’information en temps réel pour les conducteurs
Le logiciel d’enregistrement doit être équipé d’un tableau de bord en temps réel permettant au conducteur de contrôler l’état de la collecte des données. Cela permet d’éviter les problèmes liés à la défaillance d’un capteur critique à mi-parcours d’un itinéraire de 500 km.
- Affichez l’état du système en temps réel sur le tableau de bord du conducteur, afin qu’il sache immédiatement si quelque chose ne va pas. Assurez-vous que le tableau de bord est clairement visible pour le pilote et qu’il fournit des indices visuels directs pour une détection rapide des erreurs.
- Mettez en œuvre des diagnostics à la volée avec des seuils clairs pour les indicateurs tels que la surchauffe du capteur, l’occlusion ou la perte de synchronisation.
Les diagnostics en direct des capteurs informent immédiatement le conducteur si une intervention est nécessaire pendant la conduite, afin de garantir qu’aucun enregistrement n’est gaspillé.
Optimiser le téléchargement et la gestion des données
Même les données de la meilleure qualité perdent de leur valeur s’il est difficile d’y accéder ou de les filtrer.
- Permettez aux pipelines de traitement de démarrer immédiatement avec des téléchargements automatiques. N’attendez pas des jours ou des semaines pour que les données parviennent aux ingénieurs, déployez des stations de téléchargement à l’endroit même où les véhicules terminent leurs trajets de collecte de données.
- Utilisez des indicateurs automatiques pour un traitement plus rapide, collectés pendant les entraînements de collecte de données, si un logiciel sous test (SuT) est connecté. Le SuT sait mieux que quiconque quand sa confiance est plus faible que prévu, et ces moments peuvent être filtrés et classés par ordre de priorité.
- Suivez les tendances et les seuils de diagnostic au fil du temps pour repérer les problèmes matériels avant qu’ils ne s’aggravent.
La qualité des données n’est pas un fait acquis ; elle est le résultat d’une conception rigoureuse, d’une exécution disciplinée et de l’utilisation d’outils appropriés.
« Chez aiMotive, nous avons vu de première main comment aiData aide les OEM et les Tier-1 à éviter des erreurs coûteuses, à accélérer le développement et à construire une IA qui fonctionne – en laboratoire, en simulation et sur les routes réelles », a déclaré Ülkei.
Si vous avez apprécié cet article, vous aimerez les suivants : ne les manquez pas en vous abonnant à :
