Un robot de livraison autonome qui évite les piétons – mais pas toujours correctement
Dans un centre-ville animé, une entreprise de logistique teste des robots de livraison autonomes destinés à livrer sans contact de petits colis aux clients. Les robots sont équipés de systèmes d'IA conçus pour détecter et éviter les piétons afin d'éviter les collisions et de ne pas perturber la circulation.
Après le déploiement, des problèmes inattendus apparaissent cependant : les robots n’évitent pas seulement les piétons, mais s’arrêtent ou tournent également lorsqu’ils détectent des vélos, des fauteuils roulants ou même des personnes immobiles à proximité. Dans certains cas, cela bloque les trottoirs ou provoque des embouteillages, ce qui perturbe les habitants et les passants.
L’équipe de développement se demande : quels défis techniques et sensoriels font que les robots de livraison autonomes ne peuvent pas distinguer de manière fiable les piétons des autres usagers de la route, et quelles en sont les conséquences sur la vie urbaine, l’acceptation de ces systèmes et la sécurité routière ?
Question : Quelles causes peuvent expliquer que les robots de livraison autonomes rencontrent des difficultés à reconnaître correctement et à adopter une stratégie d’évitement adaptée pour les piétons et autres usagers de la route, et comment cela influence-t-il le comportement de mobilité urbaine ainsi que l’intégration de ces robots dans l’espace public ?
Solution à venir demain.
Solution
Les robots de livraison autonomes utilisent généralement une combinaison de caméras, lidar, radar et d’algorithmes de reconnaissance d’images basés sur l’IA pour détecter les piétons et autres usagers de la route et réagir en conséquence.
Un défi consiste à distinguer précisément les différents usagers (piétons, cyclistes, utilisateurs de fauteuils roulants) et les objets statiques (personnes immobiles, obstacles), car leurs mouvements et formes peuvent parfois être similaires.
Des données d’entraînement imprécises ou incomplètes peuvent amener les modèles d’IA à réagir de manière incertaine ou à adopter des stratégies d’évitement conservatrices pour prévenir les collisions, même si cela engendre des gênes.
Les limitations sensorielles, notamment en cas de faible luminosité, de conditions météorologiques défavorables ou de chevauchements dans le champ de vision, aggravent les difficultés de détection.
Ce comportement peut perturber la circulation, car les robots bloquent les trottoirs ou gênent les piétons, ce qui provoque frustration et rejet au sein de la population.
De plus, des risques pour la sécurité apparaissent lorsque les manœuvres d’évitement sont soudaines et inattendues ou lorsque le robot ne réagit pas de manière appropriée dans des situations critiques.
Techniquement, il est important d’améliorer la fusion des capteurs, d’utiliser des données d’entraînement étendues et diversifiées, ainsi que de développer des stratégies comportementales adaptatives et contextuellement appropriées.
L’intégration dans les règles de circulation urbaines et la communication avec les autres usagers (par exemple via des signaux lumineux ou des indications sonores) peuvent augmenter l’acceptation et la sécurité.
Résultat : Les robots de livraison autonomes ont des difficultés à distinguer correctement les piétons des autres usagers et obstacles, ce qui conduit à des réactions d’évitement trop prudentes ou erronées. Cela perturbe la circulation, réduit l’acceptation et engendre des risques pour la sécurité. Une amélioration des capteurs, des modèles d’IA et des stratégies comportementales est essentielle pour garantir une intégration sûre et harmonieuse dans l’environnement de mobilité urbaine.