
Sign up to save your podcasts
Or


Les voitures autonomes actuelles ne sont pas encore capables de rouler partout sans prĂ©paration. Waymo affirme franchir une Ă©tape clĂ© grĂące aux âWorld Modelsâ capables de gĂ©nĂ©rer des situations de conduite ultra-rĂ©alistes pour mieux affronter lâinattendu.
Pourquoi les voitures autonomes ne sont pas encore universellesLes vĂ©hicules autonomes qui circulent aujourdâhui aux Ătats-Unis ou en Chine sont de niveau 4. Cela signifie quâils fonctionnent dans des zones prĂ©cises, aprĂšs avoir Ă©tĂ© longuement entraĂźnĂ©s dans ces environnements. Ils ne disposent pas encore de la capacitĂ© dâadaptation universelle dâun conducteur humain, capable de faire face Ă nâimporte quelle situation, dans nâimporte quelle ville et sous nâimporte quelle mĂ©tĂ©o.
Un entraĂźnement encore trop dĂ©pendant du rĂ©elLa limite des systĂšmes actuels tient Ă leur apprentissage. Ils excellent dans des contextes quâils connaissent dĂ©jĂ , mais peuvent ĂȘtre pris en dĂ©faut face Ă des Ă©vĂ©nements rares : vĂ©hicule Ă contresens, conditions mĂ©tĂ©orologiques extrĂȘmes, obstacle inattendu ou comportement imprĂ©visible dâun autre usager. Pour viser le niveau 5 â lâautonomie totale â il faut Ă©largir considĂ©rablement la palette des situations rencontrĂ©es pendant lâentraĂźnement.
Des âWorld Modelsâ pour simuler toutes les routes du mondeWaymo mise sur une approche fondĂ©e sur un modĂšle gĂ©nĂ©ratif capable de crĂ©er des environnements de conduite photorĂ©alistes et interactifs Ă partir de simples vidĂ©os en deux dimensions. Le systĂšme reconstitue des scĂšnes en trois dimensions dans lesquelles le logiciel de conduite autonome peut Ă©voluer comme en conditions rĂ©elles. Ce dispositif permet de gĂ©nĂ©rer Ă la demande des scĂ©narios trĂšs variĂ©s : tempĂȘte de neige sur le Golden Gate, tornade soudaine, rue tropicale enneigĂ©e ou Ă©vĂ©nements improbables comme des objets mal arrimĂ©s sur un toit de voiture, un animal sauvage surgissant sur la chaussĂ©e ou un piĂ©ton dĂ©guisĂ© de maniĂšre insolite. LâintĂ©rĂȘt est de confronter le systĂšme Ă des milliards de variations dâun mĂȘme scĂ©nario, afin dâamĂ©liorer sa capacitĂ© dâadaptation.
Une Ă©tape vers le niveau 5 ?Selon lâentreprise, cette mĂ©thode serait plus rapide, moins coĂ»teuse et plus stable que les simulateurs traditionnels. Elle permettrait dâaccĂ©lĂ©rer lâapprentissage tout en testant des situations difficiles, voire dangereuses, impossibles Ă reproduire facilement dans le monde rĂ©el. Reste une question centrale : un entraĂźnement massif dans des univers simulĂ©s suffira-t-il Ă reproduire la souplesse de jugement dâun conducteur humain ? Car face Ă une situation extrĂȘme, les rĂ©actions varient dâune personne Ă lâautre. Les World Models reprĂ©sentent sans doute une avancĂ©e majeure. Mais la route vers une autonomie totale, capable de sâadapter partout et en toutes circonstances, demeure un dĂ©fi technologique et Ă©thique de premier plan.
Hébergé par Audiomeans. Visitez audiomeans.fr/politique-de-confidentialite pour plus d'informations.
By Jerome Colombain5
55 ratings
Les voitures autonomes actuelles ne sont pas encore capables de rouler partout sans prĂ©paration. Waymo affirme franchir une Ă©tape clĂ© grĂące aux âWorld Modelsâ capables de gĂ©nĂ©rer des situations de conduite ultra-rĂ©alistes pour mieux affronter lâinattendu.
Pourquoi les voitures autonomes ne sont pas encore universellesLes vĂ©hicules autonomes qui circulent aujourdâhui aux Ătats-Unis ou en Chine sont de niveau 4. Cela signifie quâils fonctionnent dans des zones prĂ©cises, aprĂšs avoir Ă©tĂ© longuement entraĂźnĂ©s dans ces environnements. Ils ne disposent pas encore de la capacitĂ© dâadaptation universelle dâun conducteur humain, capable de faire face Ă nâimporte quelle situation, dans nâimporte quelle ville et sous nâimporte quelle mĂ©tĂ©o.
Un entraĂźnement encore trop dĂ©pendant du rĂ©elLa limite des systĂšmes actuels tient Ă leur apprentissage. Ils excellent dans des contextes quâils connaissent dĂ©jĂ , mais peuvent ĂȘtre pris en dĂ©faut face Ă des Ă©vĂ©nements rares : vĂ©hicule Ă contresens, conditions mĂ©tĂ©orologiques extrĂȘmes, obstacle inattendu ou comportement imprĂ©visible dâun autre usager. Pour viser le niveau 5 â lâautonomie totale â il faut Ă©largir considĂ©rablement la palette des situations rencontrĂ©es pendant lâentraĂźnement.
Des âWorld Modelsâ pour simuler toutes les routes du mondeWaymo mise sur une approche fondĂ©e sur un modĂšle gĂ©nĂ©ratif capable de crĂ©er des environnements de conduite photorĂ©alistes et interactifs Ă partir de simples vidĂ©os en deux dimensions. Le systĂšme reconstitue des scĂšnes en trois dimensions dans lesquelles le logiciel de conduite autonome peut Ă©voluer comme en conditions rĂ©elles. Ce dispositif permet de gĂ©nĂ©rer Ă la demande des scĂ©narios trĂšs variĂ©s : tempĂȘte de neige sur le Golden Gate, tornade soudaine, rue tropicale enneigĂ©e ou Ă©vĂ©nements improbables comme des objets mal arrimĂ©s sur un toit de voiture, un animal sauvage surgissant sur la chaussĂ©e ou un piĂ©ton dĂ©guisĂ© de maniĂšre insolite. LâintĂ©rĂȘt est de confronter le systĂšme Ă des milliards de variations dâun mĂȘme scĂ©nario, afin dâamĂ©liorer sa capacitĂ© dâadaptation.
Une Ă©tape vers le niveau 5 ?Selon lâentreprise, cette mĂ©thode serait plus rapide, moins coĂ»teuse et plus stable que les simulateurs traditionnels. Elle permettrait dâaccĂ©lĂ©rer lâapprentissage tout en testant des situations difficiles, voire dangereuses, impossibles Ă reproduire facilement dans le monde rĂ©el. Reste une question centrale : un entraĂźnement massif dans des univers simulĂ©s suffira-t-il Ă reproduire la souplesse de jugement dâun conducteur humain ? Car face Ă une situation extrĂȘme, les rĂ©actions varient dâune personne Ă lâautre. Les World Models reprĂ©sentent sans doute une avancĂ©e majeure. Mais la route vers une autonomie totale, capable de sâadapter partout et en toutes circonstances, demeure un dĂ©fi technologique et Ă©thique de premier plan.
Hébergé par Audiomeans. Visitez audiomeans.fr/politique-de-confidentialite pour plus d'informations.

41 Listeners

17 Listeners

11 Listeners

3 Listeners

72 Listeners

8 Listeners

11 Listeners

115 Listeners

42 Listeners

111 Listeners

75 Listeners

96 Listeners

21 Listeners

182 Listeners

10 Listeners