Développer des simulations de conduite plus réalistes

Les simulateurs de conduite d’aujourd’hui ont un gros problème : ils ne semblent pas assez réalistes, en particulier les objets d’arrière-plan, tels que les arbres et les marquages ​​routiers. Mais les chercheurs ont développé une nouvelle façon de créer des images photoréalistes pour les simulateurs, ouvrant la voie à de meilleurs tests de voitures sans conducteur.

L’infographie conventionnelle utilise des modèles, des maillages et des textures détaillés pour restituer des images 2D à partir de scènes 3D, un processus laborieux qui produit des images qui ne sont souvent pas réalistes, en particulier en arrière-plan. Pourtant, en utilisant un cadre d’apprentissage automatique appelé Generative Adversarial Network (GAN), les chercheurs ont pu former leur programme pour générer de manière aléatoire des environnements réalistes en améliorant la fidélité visuelle du programme – le niveau de représentation que l’infographie partage avec la réalité.

Ceci est particulièrement important lorsqu’il s’agit de tester la réaction des humains lorsqu’ils sont dans des véhicules sans conducteur ou, alternativement, sur la route avec eux.

« Lorsque les simulations de conduite ressemblent à des jeux informatiques, la plupart des gens ne les prennent pas au sérieux », a déclaré Ekim Yurtsever, auteur principal de l’étude et chercheur associé en génie électrique et informatique à l’Ohio State University. « C’est pourquoi nous voulons que nos simulations ressemblent le plus possible au monde réel. »

L’étude a été publiée dans la revue Transactions IEEE sur les systèmes de transport intelligents.

Les chercheurs ont commencé avec CARLA, un simulateur de conduite open source, comme base. Ils ont ensuite utilisé un synthétiseur d’images basé sur GAN pour restituer les éléments d’arrière-plan comme les bâtiments, la végétation et même le ciel, et les combiner avec des objets rendus plus traditionnellement.

Yurtsever a déclaré que les simulations de conduite continueront de nécessiter des techniques de rendu graphique conventionnelles à forte intensité de main-d’œuvre pour afficher les principaux objets d’intérêt, tels que les voitures à proximité. Mais, en utilisant l’intelligence artificielle, le GAN peut être formé pour générer des arrière-plans et des avant-plans réalistes à l’aide de données du monde réel.

L’un de ces défis auxquels les chercheurs ont été confrontés était d’apprendre à leur programme à reconnaître des modèles dans leur environnement, une compétence nécessaire pour détecter et créer des objets comme des véhicules, des arbres et des ombres, et pour distinguer ces objets les uns des autres.

« La beauté de cela est que ces motifs et textures dans notre modèle ne sont pas conçus par des ingénieurs », a déclaré Yurtsever. « Nous avons un modèle de reconnaissance de fonctionnalités, mais le réseau de neurones l’apprend par lui-même. »

Leurs découvertes ont montré que le mélange d’objets de premier plan différemment du paysage d’arrière-plan améliorait le photoréalisme de l’image entière.

Pourtant, au lieu de modifier une simulation entière en une seule fois, le processus devait être effectué image par image. Mais comme nous ne vivons pas dans un monde image par image, la prochaine étape du projet consistera à améliorer la cohérence temporelle du programme, dans laquelle chaque image est cohérente avec celles d’avant et d’après afin que les utilisateurs vivent une expérience transparente et visuellement captivante. , dit Yurtsever.

Le développement de technologies photoréalistes pourrait également aider les scientifiques à étudier les subtilités de la distraction du conducteur et aider à améliorer les expériences avec de vrais conducteurs, a déclaré Yurtsever. Et avec l’accès à de plus grands ensembles de données de scènes en bordure de route, des simulations de conduite plus immersives pourraient changer la façon dont les humains et l’IA commencent à partager la route.

« Notre recherche est une étape extrêmement importante dans la conceptualisation et le test de nouvelles idées », a déclaré Yurtsever. « Nous ne pourrons jamais réellement remplacer les tests dans le monde réel, mais si nous pouvons améliorer un peu les simulations, nous pourrons mieux comprendre comment nous pouvons améliorer les systèmes de conduite autonome et comment nous interagissons avec eux. »