Wayve montre que l'IA embarquée redéfinit le développement des voitures autonomes

L'intelligence artificielle embarquée et l'apprentissage sur routes réelles sont en train de redéfinir le développement des voitures autonomes, a expliqué le PDG de Wayve, Alex Kendall, lors d'un entretien avec Tom Mackenzie, de Bloomberg.

Comment fonctionne l'approche par l'IA pour les véhicules autonomes

La voie traditionnelle pour développer des véhicules autonomes consiste à écrire le code à la main. Une règle pour chaque situation : que faire à un feu rouge, comment contourner une voiture garée, comment se garer dans un emplacement étroit. Les ingénieurs décrivent des règles pour les scénarios qu'ils anticipent, puis testent la voiture sur ces mêmes scénarios. C'est une méthode étroite et lente.

Wayve a choisi une tout autre voie. Plutôt qu'une programmation rigide, l'entreprise a installé dans ses voitures une intelligence artificielle embarquée qui observe la route réelle comme un conducteur, apprend de situations réelles et s'améliore en continu. Caméras, lidars et radars collectent des données vidéo, et un réseau de neurones les traite en temps réel et décide quand tourner, accélérer et freiner.

La clé de cette approche n'est pas d'enfermer la voiture dans un environnement contrôlé pour l'entraîner, mais de la lâcher dans de vraies rues, parmi de vraies personnes. Cela semble dangereux, mais Wayve affirme que la voiture apprend ainsi des millions de fois plus vite que dans une simulation idéale. Chaque trajet est une leçon. Chaque rencontre avec un nouveau scénario améliore le modèle.

Pourquoi cela accélère le déploiement des robotaxis

Le principal problème de l'approche traditionnelle est l'adaptation à de nouvelles villes. Chaque ville est unique : routes, panneaux, climat et comportement des conducteurs diffèrent. Avec un développement manuel, les entreprises passent des années à adapter une voiture à Londres, puis encore des années pour San Francisco.

Avec l'approche par l'IA, la voiture s'adapte seule. On la lâche un mois à Londres et elle apprend les particularités des routes, le comportement des piétons et le climat. Puis vient San Francisco, et le cycle recommence, mais bien plus vite, car la connaissance de la manière d'apprendre est déjà intégrée au modèle.

Cela donne à Wayve un net avantage :

• L'IA embarquée apprend de chaque trajet, sans besoin d'énormes jeux de données annotés à la main
• Les mises à jour sont envoyées par voie hertzienne à toutes les voitures en même temps
• Le passage à l'échelle n'exige pas de reprogrammation pour chaque ville
• Le robotaxi devient économiquement viable plus tôt

Wayve a déjà déployé des taxis autonomes à Londres et s'étend à de nouveaux marchés. Des concurrents comme Tesla et Cruise utilisent des approches d'IA similaires, mais Wayve parie clairement plus que tout autre sur cette voie, en renonçant aux simulations et aux grands jeux de données étiquetés.

Ce que cela signifie

Si l'IA embarquée fonctionne à grande échelle, les véhicules autonomes passent de l'expérience scientifique à l'industrie. Cela signifie que les robotaxis seront disponibles dans davantage de villes plus tôt que ne le prédisaient les analystes. Les prix baisseront, car les entreprises n'auront plus à dépenser des millions pour s'adapter à chaque région.