Un YouTuber a réussi à transformer un kart en un véhicule autonome en utilisant simplement une caméra. Grâce à la technique du clonage comportemental et à un minimum de hardware, il a démontré que des carrosseries sophistiquées ne sont pas indispensables pour la conduite autonome, révélant ainsi le potentiel de l’intelligence artificielle dans des environnements fermés.
Pourquoi c’est important : Les véhicules autonomes sont généralement équipés de capteurs coûteux tels que des lidar, radar et caméras haute résolution. Cependant, un constructeur amateur a prouvé que pour certains environnements fermés, il est possible de se passer de tout ce hardware sophistiqué et d’obtenir une conduite autonome avec seulement une caméra.
Le YouTuber Austin Blake est l’une de ces personnes qui a un kart construit de ses propres mains chez lui. Après l’avoir baptisé « Crazy Cart« , il a décidé de le transformer en sa propre plateforme de test de conduite autonome. Pour cela, il a d’abord conçu une piste improvisée sur le sol de son atelier, utilisant des marqueurs de bande adhésive contrastés. Comme vous pouvez le voir sur l’image ci-dessous, l’espace est assez étroit, mais le rayon de braquage du kart l’est aussi.
Puis est venue la partie difficile : donner véritablement au Crazy Cart des compétences en conduite autonome. Pour cela, Blake a utilisé une technique appelée clonage comportemental via un modèle de réseau de neurones entraîné. Il a d’abord enregistré environ 15 000 images en conduisant manuellement le kart sur la piste, utilisant les angles de direction à chaque point comme étiquettes d’entraînement. Il a ensuite introduit ces données dans un réseau de neurones convolutif, qui a appris à associer les entrées d’images aux directions de direction correspondantes.
Obtenir un modèle performant a nécessité pas mal d’essais et d’erreurs. Les premiers tests ont échoué car le réseau avait du mal à distinguer les bords de la piste et à naviguer dans des virages serrés. Blake a essayé des astuces d’augmentation des données, a modifié des hyperparamètres, utilisé plusieurs caméras, et même ajouté des lentilles grand angle pour améliorer le champ de vision.
Cependant, la véritable percée est survenue lorsqu’il a ajouté une bande adhésive bleue brillante comme bordure externe, augmentant le contraste.
Avec la piste clairement définie, sa création pouvait se déplacer de manière autonome sur la piste en utilisant simplement une vision monoculaire – sans capteurs coûteux requis.
Ce qu’il a fallu, en revanche, c’était un total de trois Arduinos. L’un relayait les prévisions de direction de l’ordinateur au deuxième Arduino, qui combinait ces données avec des retours de position pour faire fonctionner un moteur contrôlant l’angle de direction. Le troisième Arduino gérait la vitesse en envoyant des signaux de contrôle au régulateur de vitesse du kart.
Bien sûr, cela reste un cas d’utilisation assez limité comparé à la navigation sur de vraies routes publiques avec leurs complexités et imprévisibilités. Blake reconnaît volontiers que cela représente un défi exponentiellement plus difficile qui nécessite sans doute des données de capteurs plus riches, au-delà des simples caméras.
Néanmoins, le projet est une démonstration impressionnante de la façon dont l’apprentissage automatique moderne peut extraire l’intelligence de conduite d’entrées visuelles modestes. Pour élargir le projet, il faudra probablement beaucoup plus de données d’entraînement, mais il y a des limites à ce qu’une seule personne peut accomplir.