Comment les réseaux neuronaux modifient le développement des logiciels automobiles

Le 03/11/2020 à 11:00 par La rédaction

L’APPRENTISSAGE AUTOMATIQUE ET LES RÉSEAUX NEURONAUX PROFONDS JOUENT UN RÔLE IMPORTANT DANS LE DÉVELOPPEMENT DE LOGICIELS VISANT À PERMETTRE LA CONDUITE AUTOMATISÉE. DANS CET ARTICLE, ELEKTROBIT SE CONCENTRE SUR LES DIFFÉRENTES APPROCHES ET SCENARII DE CES ALGORITHMES ET PRÉSENTE COMMENT CES TECHNOLOGIES SONT UTILISÉES POUR LE DÉVELOPPEMENT DE LOGICIELS EMBARQUÉS DE CONDUITE AUTOMATISÉE.

Le développement de logiciels pour la conduite automatisée doit relever divers défis. Une approche viable consiste à prendre en charge le logiciel embarqué classique grâce aux résultats de l’apprentissage automatique ou des réseaux neuronaux profonds.

Le développement de logiciels pour la conduite automatisée doit relever divers défis parmi lesquels les limites de la portée des capteurs, de l’absence d’informations sur les infrastructures – informations qui ne peuvent être déduites des observations des capteurs embarqués –, ainsi que des résultats incomplets, ou non concluants, des algorithmes de reconnaissance. Une approche viable pour faire face à ces situations consiste à prendre en charge le logiciel embarqué classique grâce aux résultats de l’apprentissage automatique (machine learning) ou des réseaux neuronaux profonds. Les solutions d’intelligence artificielle (IA), par exemple, peuvent être utilisées pour dévier les stratégies de conduite d’une grande quantité de données d’entrée issues d’environnements non structurés, ou même pour prévoir des conditions de circulation avec un horizon temporel de plusieurs secondes.

La lecture de cet article est réservée aux abonnés.
Connectez-vous ou abonnez-vous pour y accéder.