Les voitures « automotrices » commencent à émerger d’un nuage de battage médiatique

Il y a cinq ans a marqué un pic pour l’un des cycles prévisibles d’hyperbole pour les voitures « autonomes ». À l’époque, pratiquement tous les grands constructeurs automobiles et entreprises de haute technologie prévoyaient un déploiement généralisé des systèmes de conduite automatisée (ADS) d’ici 2020, ce qui conduirait prétendument à l’obsolescence rapide de la conduite humaine conventionnelle.

Avec le recul, il est devenu évident que l’opinion dominante au cours de cette période était fausse, avec seulement une poignée de véhicules prototypes avancés ayant été conduits sur la voie publique l’année dernière sans que les conducteurs de sécurité à bord n’aient besoin d’intervenir lorsque le les systèmes d’automatisation avaient besoin d’une aide humaine. Le terme « conduite autonome » a perdu son sens initial, car la fonction d’assistance à la conduite sur les voitures étiquetées « conduite entièrement autonome » ne peut pas manœuvrer sans une surveillance humaine constante, et les « voitures » sont beaucoup moins pertinentes pour l’automatisation aujourd’hui que camions, autobus et fourgonnettes partagées.

En 2018, les PDG des grandes entreprises qui avaient le plus investi dans l’ADS (Waymo, General Motors, Ford, Aurora) commençaient à faire des déclarations publiques tempérant leur optimisme antérieur en soulignant que le déploiement de la conduite automatisée serait progressif, en commençant par avec des opérations dans des conditions restreintes dans des endroits très restreints. Au rythme où ils vont maintenant, il faudra des décennies pour s’étendre à tout ce qui approche le déploiement à l’échelle nationale. La courbe d’apprentissage organisationnel et les coûts ont été beaucoup plus longs et plus élevés que prévu. Après avoir investi au moins une décennie et des milliards de dollars dans le développement de l’ADS, les entreprises ont appris que les exigences techniques pour soutenir une utilisation généralisée de la technologie sont beaucoup plus compliquées qu’elles ne l’avaient imaginé à l’origine. Dans le même temps, des entreprises telles que Tesla et des start-ups moins matures qui continuent de se connecter à des déploiements plus rapides et à plus grande échelle sont celles qui progressent encore dans la courbe d’apprentissage et n’ont pas encore réalisé à quel point elles sont loin de leur objectif.

Le consensus se développe parmi les développeurs ADS avertis sur plusieurs aspects clés de la technologie et son déploiement à court terme :

• Les opérations automatisées ne seront réalisables au cours des années à venir que dans des conditions étroitement définies qui incluent des conditions météorologiques, un éclairage, un trafic et des emplacements géo-clôturés électroniques qui ont été cartographiés avec une grande précision (et, dans de nombreux cas, équipés de fonctionnalités de support d’infrastructure physiques et numériques appropriées) .

• Étant donné que les ADS doivent éviter tous les dangers de la circulation auxquels ils sont confrontés sans intervention humaine du conducteur, les systèmes doivent intégrer des niveaux d’assurance de sécurité beaucoup plus élevés que les systèmes d’aide à la conduite qui dépendent de la supervision humaine.

• Les ADS doivent s’appuyer sur de multiples sources indépendantes d’informations sur l’environnement de conduite et ses dangers. Ces données proviennent de caméras, de lidars (systèmes de détection et de télémétrie lumineuse), de radars et de positionnements précis, combinés à des cartes numériques très détaillées.

• Bien que de nombreux développeurs d’ADS prétendent pouvoir conduire sans dépendre des communications sans fil d’autres véhicules – ou avec des alertes d’usagers de la route vulnérables et de l’infrastructure routière elle-même – des recherches récentes ont montré que l’utilisation généralisée de l’ADS sans une telle communication coopérative est susceptible d’avoir des effets néfastes. sur la circulation, la consommation d’énergie et les émissions environnementales en raison d’une incapacité à anticiper les changements futurs des conditions routières.

• La technologie sera initialement mise en œuvre pour des utilisations spécialisées telles que la livraison locale de colis, le camionnage longue distance sur les autoroutes, les services de transport urbain sur des itinéraires fixes et, dans des endroits plus limités, pour l’appel automatisé de passagers urbains et suburbains.

• Même lorsque les ADS sont capables de conduire des véhicules sans conducteur humain embarqué en tant que secours, ils auront toujours besoin de l’assistance à distance d’humains qui sont des conducteurs qualifiés pour gérer les conditions de « cas de coin » que l’automatisation ne peut pas gérer.

De telles conclusions découlent de quelques leçons de base apprises par les développeurs de la technologie. Le plus important d’entre eux est la réalité selon laquelle la complexité inhérente à la tâche de conduite rend difficile pour les systèmes automatisés de percevoir avec précision l’environnement de conduite, d’anticiper les actions des autres usagers de la route et de reconnaître et de réagir aux dangers de la circulation.

Comme les enfants qui apprennent à contrôler leurs propres mouvements, les ADS doivent apprendre à ramper avant de pouvoir marcher et à marcher avant de pouvoir courir. C’est pourquoi ils doivent d’abord être mis en œuvre et perfectionnés dans des environnements simples avant d’aborder les interactions compliquées avec les usagers de la route imprévisibles (y compris les piétons et les cyclistes) ou les opérations dans des conditions météorologiques défavorables (telles que fortes pluies, neige, brouillard et routes verglacées).

Les ADS doivent percevoir l’environnement environnant et établir leur emplacement à l’aide d’une technologie basée sur plusieurs principes physiques de base pour assurer des opérations sûres. Ils doivent faire face à des conditions défavorables provoquées par des interférences électromagnétiques provenant d’orages électriques ou d’équipements électriques à proximité, des angles de soleil faibles qui peuvent aveugler les caméras, des précipitations ou de la fumée qui diffusent la lumière nécessaire aux capteurs d’imagerie et des cyberattaques qui ciblent l’une des technologies de capteur du véhicule. Des informations sur les infrastructures à proximité et la vitesse relative des autres objets en mouvement à proximité sont également nécessaires. Les données de tous ces capteurs doivent être fusionnées pour représenter avec précision la zone entourant le véhicule et pour isoler toute entrée défectueuse.

Les exigences en matière de capteurs et le traitement et le stockage des données associés à ce niveau de détection de l’environnement rendront la technologie ADS coûteuse dans un avenir prévisible. Ces dépenses sont inévitables si la technologie doit remplacer l’ensemble des compétences d’un conducteur sans compromettre la sécurité.

De telles dépenses orientent également l’analyse de rentabilisation du déploiement initial de l’ADS sur les flottes de véhicules commerciaux qui peuvent être utilisés tout au long de la journée pour générer des revenus plutôt que de ne fonctionner qu’une ou deux heures par jour comme la plupart des véhicules personnels privés. Les flottes commerciales offrent d’autres avantages tandis que la technologie d’automatisation est encore en cours de perfectionnement. Il sera plus facile de maintenir correctement les composants sensibles d’une flotte, et le fonctionnement de la flotte se prête à une assistance à distance pour les véhicules si nécessaire.

L’assistance humaine à distance pour la conduite automatisée est un sujet important qui n’a pas reçu le niveau d’attention publique qu’il mérite. Pratiquement tous les développeurs d’ADS sans conducteur humain embarqué s’attendent à s’appuyer sur les humains d’un centre de gestion de flotte pour aider le système à prendre des décisions de conduite tactiques en cas de besoin. L’assistant humain peut compenser les défauts matériels et logiciels sur les véhicules, mais fournira principalement des conseils dans des situations de circulation difficiles telles que la navigation autour d’obstacles qui bloquent temporairement l’itinéraire prévu du véhicule, déterminant quand il peut être nécessaire d’enfreindre un code de la route pour faire face avec une situation particulière étrange, en reconnaissant les gestes des policiers qui dirigent la circulation et en identifiant les objets sur la trajectoire du véhicule. Certains développeurs envisagent également des capacités de conduite à distance, dans lesquelles un humain dans un centre de gestion de flotte conduirait le véhicule pour une partie d’un voyage qui ne peut pas être géré par l’ADS. Ces fonctions d’assistance à distance seront particulièrement importantes au cours des premières années de déploiement de l’ADS, au fur et à mesure que la technologie se perfectionne. Ils fourniront également de l’emploi à de nombreux chauffeurs dont l’emploi sera progressivement remplacé par l’ADS. Les conditions de travail pour la conduite à distance sont susceptibles d’être plus attrayantes que la conduite conventionnelle de camions longue distance, permettant aux conducteurs de travailler près de chez eux, où ils peuvent éviter les inconforts physiques et les risques de sécurité associés à la conduite de camions conventionnels.

Bien que l’utilisation projetée la plus populaire de la conduite automatisée il y a quelques années était les services automatisés de transport de passagers, l’intérêt s’est considérablement déplacé vers le mouvement automatisé des marchandises—conduite automatisée de camions lourds sur les routes interétatiques longue distance et de petits véhicules à basse vitesse pour livraison locale de colis urbains et périurbains. Ce changement d’orientation a commencé avant la pandémie mais s’est accéléré pendant la crise COVID. Les services de VTC ont le profil de demande le plus favorable, des trajets courts et des trajets partagés dans les zones urbaines denses. Ce sont les endroits qui sont les environnements les plus difficiles sur le plan technologique pour ADS. En revanche, les opérations de camionnage longue distance sur les autoroutes interétatiques sont confrontées à des conditions de circulation et d’infrastructure routière plus simples, en particulier si les points d’origine et de destination des trajets automatisés sont directement connectés à des autoroutes à accès limité. La livraison de colis en milieu urbain et périurbain peut utiliser des véhicules trop petits pour les occupants humains et pouvant circuler sur les trottoirs ou sur les pistes cyclables à basse vitesse. Les véhicules de fret ont l’avantage supplémentaire de pouvoir être conçus pour conduire avec une prudence extrême afin d’éviter les conflits avec les autres usagers de la route, sans avoir à se soucier de l’impatience des passagers ou de la nécessité de protéger leurs propres occupants contre les blessures.

Toutes les sociétés ADS n’ont pas adopté cette approche. Tesla est une valeur aberrante remarquable par rapport au reste de l’industrie sur le déploiement de l’ADS. Elle a poursuivi le modèle traditionnel de l’industrie automobile consistant à vendre des véhicules personnels privés pour tous les usages et a tenté de faire progresser ses capacités ADS en s’appuyant sur son système actuel d’aide à la conduite plutôt que de concevoir un système avec les niveaux plus élevés requis de redondance et de gestion des pannes. L’entreprise a récemment concentré son approche pour se reposer entièrement sur la vision industrielle, en évitant les capteurs complémentaires ou la cartographie et la localisation de précision qui fournissent des informations critiques sur l’environnement d’un véhicule.

L’approche Tesla réduit le coût de production mais semble empêcher d’atteindre des performances sûres et fiables pour faire face aux variations inévitables des conditions de circulation et environnementales. L’utilisation par la société des noms « Autopilot » et « Full Self-Driving » pour ses produits actuels a semé la confusion dans le public quant aux capacités des produits Tesla. Ce qui rend les choses encore plus confuses, c’est que les manuels du propriétaire de Tesla et les lettres aux organismes gouvernementaux de réglementation de la sécurité ont décrit la technologie comme un système d’aide à la conduite plutôt que comme un système de conduite automatisé. En effet, l’utilisation par Tesla du nom « Full Self-Driving » a créé un grave malentendu public dans la mesure où Alphabet’s Waymo, qui était initialement connu sous le nom de « projet de voiture autonome » de Google, a annoncé qu’il n’utiliserait plus le terme « auto-conduite ». conduite. »

Assurer la sécurité des opérations ADS tout en faisant face à l’ensemble des dangers de la circulation et des pannes matérielles et logicielles internes reste le défi technologique dominant pour le déploiement. Les chercheurs et développeurs d’ADS ont travaillé sur diverses approches de l’assurance de la sécurité, mais ne sont pas près d’atteindre un consensus sur la meilleure option. Les défis de l’assurance de la sécurité s’étendent bien au-delà des considérations technologiques, mais commencent par la décision sociétale plus large sur la façon de déterminer « dans quelle mesure la sécurité est-elle suffisamment sûre » pour que l’ADS soit mis dans le service public. Des mesures de sécurité pertinentes doivent être convenues pour que les organismes de réglementation et le grand public se sentent à l’aise avec le déploiement public. Les développeurs d’ADS doivent également apprendre à présenter leurs évaluations de sécurité hautement techniques dans des termes pouvant être compris de manière claire et précise par les régulateurs et les groupes d’intérêt public pour gagner la confiance et l’acceptation.

Bien que certains observateurs puissent percevoir que « la floraison n’est plus à faire » pour la conduite automatisée dans l’environnement posthype actuel, la situation actuelle marque en fait un signe de progrès. Des vues plus réalistes des opportunités et des défis de la conduite automatisée motiveront des investissements de ressources mieux ciblés et un alignement des perceptions du public avec la réalité. Nous devrions nous attendre à quelques mises en œuvre limitées du camionnage longue distance automatisé sur les autoroutes rurales à faible densité et à la livraison automatisée locale de petits colis en milieu urbain et suburbain au cours de la décennie actuelle. Des services de covoiturage urbains et suburbains automatisés pourraient également devenir disponibles sur une base limitée, mais les défis spécifiques à l’emplacement de leur déploiement sont suffisants pour qu’il soit peu probable qu’ils atteignent bientôt une échelle nationale.