Par Jonathan Woods
15 mars 2022
Levez le voile sur l'industrie du transport et vous découvrirez une véritable frénésie de recherche et de déploiement en intelligence artificielle. Motivées par les gains d'efficacité potentiels et la demande croissante des clients pour de meilleures performances, les entreprises utilisent des systèmes d'IA pour optimiser la production, améliorer les modèles d'aide à la conduite et recueillir les données nécessaires à un avenir où les transports seront de plus en plus autonomes.
L'innovation en intelligence artificielle (IA) dans le secteur de la mobilité est remarquable, comme en témoignent les progrès réalisés par Thales et Linamar, entreprises partenaires de Vector. Les deux investissent massivement dans l'IA et ont récemment participé au projet de vision par ordinateur de Vector, un projet collaboratif qui réunit les entreprises partenaires de Vector et des chercheurs en IA afin d'appliquer des modèles de pointe à des cas d'utilisation concrets. Leurs travaux, notamment leurs projets de détection d'anomalies et de systèmes de mobilité autonome, illustrent comment l'IA transforme le secteur des transports et comment les entreprises se préparent à un avenir piloté par l'IA.
Assurance de la qualité : identifier les défauts à grande échelle
Pour Linamar, l'IA peut accroître l'efficacité de la production en automatisant l'assurance qualité. L'ingénieur d'intégration Tristan Trim a expliqué comment lors du symposium sur la vision par ordinateur de Vector :
« Chez Linamar, on fait beaucoup de fabrications de précision. … Mais comme vous pouvez l'imaginer, chaque petite attention portée aux détails sur chacune des 10 000 pièces produites par jour finit par représenter un coût important. … L'idéal serait de trouver un moyen automatisé de détecter les défauts de nos produits sans avoir à y consacrer autant d'efforts. »
Dans le cadre du projet de vision par ordinateur, Trim a réussi à atteindre cet objectif. Trim a entraîné des modèles à détecter les anomalies dans des images d'objets tels que des composants de transmission, puis à reproduire ces images en mettant en évidence les imperfections. À partir d'un ensemble de données de 5 000 images haute résolution, le modèle a appris à identifier les pixels anormaux. Ces anomalies de pixels indiquaient des défauts et permettaient de les localiser précisément. Ce travail démontre qu'il est possible de développer un système automatisé capable de détecter tout défaut spécifique, permettant ainsi une assurance qualité précise à grande échelle.
Vers des trains autonomes : détection des véhicules, des obstacles et des travailleurs en bordure de voie
Chez Thales, les demandes de systèmes « aussi performants, voire plus performants, qu'un humain » ont mené l'entreprise à explorer comment la vision par ordinateur peut soutenir le développement à long terme des trains autonomes, explique Veronica Marin, responsable des algorithmes avancés, de la recherche et de la technologie, des systèmes de transport.
« Nous intégrons des fonctionnalités d'autonomie au train », explique Marin. « Ça veut dire que les trains deviendront en quelque sorte des agents. Autrement dit, les systèmes embarqués devront déterminer leur position, leur environnement et les actions à entreprendre en fonction de ces informations.
Contrairement aux trains sans conducteur, qui existent depuis un certain temps, les trains autonomes ne dépendront pas d'infrastructures centralisées ou de voies de circulation pour déterminer leur position par rapport aux autres véhicules ni pour guider leurs déplacements. Les trains autonomes devront agir et interagir de manière indépendante, ce qui signifie que les systèmes embarqués devront être constamment informés de leur environnement et de leur position au sein de celui-ci. Cela nécessite des modèles de vision par ordinateur capables de détecter et de classifier avec précision et en temps réel les objets, tels que les véhicules, les travailleurs en bordure de voie ou les obstacles.
Pour l'instant, les modèles de vision par ordinateur de Thales sont conçus pour fournir uniquement une assistance au conducteur — une étape nécessaire sur la voie de l'autonomie complète.
Cette transition implique une autre activité sur laquelle les entreprises de transport se concentrent aujourd'hui : la collecte de données pour entraîner leurs systèmes. Actuellement, de tels ensembles de données complets n'existent pas, mais ils sont essentiels à la réalisation des ambitions en matière de conduite autonome.
Les entreprises visionnaires comme Thales ne se contentent pas d'attendre l'apparition de ces données. Elles adoptent une approche proactive et utilisent leurs systèmes actuels pour recueillir les données nécessaires à l'entraînement de leurs futurs modèles. Marin explique : « Grâce à ces données, nous renforçons notre confiance en vue d'une certification de sécurité. »
La vision par ordinateur n'est qu'une des nombreuses techniques d'IA qui transforment le secteur des transports. L'IA est en plein essor dans l'ensemble du secteur, et les entreprises proactives explorent les nouvelles capacités et les gains d'efficacité opérationnelle que peuvent offrir les différentes techniques d'IA.
Pour demeurer à l'avant-garde de l'innovation, l'une des solutions consiste à devenir partenaire industriel de Vector. L'Institut Vector accompagne les entreprises du secteur des transports en leur apportant son expertise, en menant des projets industriels appliqués axés sur la recherche de pointe en IA et en organisant des événements dédiés à l'IA et à la mobilité. Angela Schoellig , membre du corps professoral de Vector, animera bientôt un cycle de conférences sur les systèmes de navigation autonome et les systèmes de contrôle basés sur les données , explorant notamment l'apprentissage par renforcement appliqué à la robotique.
Discutez avec l'équipe d'innovation industrielle de Vector pour découvrir comment le parrainage et la collaboration de Vector peuvent accélérer l'innovation en IA et le transfert de technologie dès aujourd'hui afin de développer des produits et des solutions de pointe « fabriqués au Canada » pour l'avenir .
