L'IA dans les transports : Comment les entreprises construisent un avenir autonome

15 mars 2022

2022 Blog Perspectives Recherche Recherche 2022

Par Jonathan Woods
15 mars 2022

Ouvrez le capot de l'industrie des transports et vous constaterez que la recherche et le déploiement de l'IA sont en plein essor. Stimulées par les gains d'efficacité potentiels et le désir des clients d'obtenir de meilleures performances, les entreprises utilisent des systèmes d'IA pour optimiser la fabrication, améliorer les modèles d'aide à la conduite et collecter les données nécessaires à un avenir caractérisé par des systèmes de transport de plus en plus autonomes.

L'innovation en matière d'IA dans le secteur de la mobilité est remarquable, et les progrès réalisés par les sociétés sponsors de Vector Industry - Thales et Linamar - en sont l'illustration. Ces deux entreprises accordent une grande attention à l'IA et ont récemment participé au projet Vector Computer Vision, un projet industriel collaboratif qui réunit les entreprises sponsors de Vector et les chercheurs en IA pour appliquer des modèles de pointe à des cas d'utilisation réels dans l'industrie. Le travail de ces deux entreprises et leurs projets relatifs à la détection des anomalies et aux systèmes de mobilité autonome permettent de comprendre comment l'IA transforme l'industrie des transports et comment les entreprises se préparent à un avenir dominé par l'IA.

Assurance qualité : Identifier les défauts à grande échelle

Pour Linamar, l'IA peut accroître l'efficacité de la fabrication en automatisant l'assurance qualité. Tristan Trim, ingénieur en intégration, a expliqué comment cela se passait lors du symposium sur la vision par ordinateur de Vector :

"Chez Linamar, nous faisons beaucoup de fabrication de précision. ... Mais comme vous pouvez l'imaginer, chaque petit détail ajouté à chaque pièce sur 10 000 pièces par jour va commencer à s'accumuler. ... Ce qui serait formidable si nous pouvions trouver un moyen automatisé de détecter les défauts dans nos produits manufacturés sans avoir à y consacrer autant d'attention".

C'est précisément ce que Trim a réussi à faire dans le cadre du projet "Vision par ordinateur". Trim a entraîné des modèles à détecter les anomalies dans les images d'objets tels que les composants de transmission, puis à reproduire ces images en mettant en évidence les imperfections. À l'aide d'un ensemble de données de 5 000 images haute résolution, le modèle a appris à identifier les pixels anormaux. Ces pixels anormaux indiquaient des défauts et permettaient de les localiser avec précision. Ces travaux montrent qu'il est possible de développer un système automatisé capable de détecter n'importe quel défaut unique, ce qui permet une assurance qualité précise à grande échelle.

Vers des trains autonomes : Détection des véhicules, des obstacles et du personnel de bord

Chez Thales, les demandes de systèmes "aussi performants, voire plus, qu'un être humain" ont conduit l'entreprise à étudier comment la vision par ordinateur peut soutenir le développement à long terme de trains autonomes, explique Veronica Marin, responsable des algorithmes avancés, de la recherche et de la technologie, des systèmes de transport.

"Nous apportons des fonctionnalités d'autonomie au train", explique M. Marin. "Cela signifie que les trains seront en quelque sorte des agents. En d'autres termes, les systèmes à bord des trains devront comprendre où ils se trouvent, ce qu'il y a dans leur environnement et quelles actions entreprendre sur la base de ces informations.

Contrairement aux trains sans conducteur, qui existent depuis un certain temps, les trains autonomes ne dépendront pas d'une infrastructure centralisée et en bordure de route pour déterminer leur emplacement par rapport à d'autres véhicules ou pour guider leurs actions. Les trains autonomes devront agir et interagir de manière indépendante, ce qui signifie que les systèmes à bord des trains eux-mêmes devront être constamment conscients 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 classer avec précision et en temps réel des objets, tels que des véhicules, des travailleurs en bord de voie ou des obstacles.

Pour l'instant, les modèles de vision par ordinateur de Thales sont destinés à fournir une assistance à la conduite uniquement - 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 former leurs systèmes. À l'heure actuelle, il n'existe pas d'ensembles de données aussi riches, mais ils sont essentiels pour les ambitions autonomes.

Les entreprises tournées vers l'avenir comme Thales ne se contentent pas d'attendre l'émergence de ces ensembles de données. Elles sont proactives et utilisent leurs systèmes actuels pour collecter les données dont elles auront besoin pour former les futurs modèles. Marin déclare : "Avec ces données, nous construisons la confiance nécessaire à 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 l'efficacité opérationnelle que les différentes techniques d'IA peuvent offrir.

L'une des façons de rester à la pointe du progrès est de devenir un sponsor industriel de l'Institut Vecteur. L'Institut Vecteur apporte son soutien aux entreprises du secteur des transports sous forme d'expertise, de projets industriels appliqués mettant en avant la recherche de pointe en matière d'IA, et d'événements axés sur l'IA et la mobilité. Angela Schoellig, membre du corps professoral de l'Institut Vecteur, dirigera une série de cours sur les systèmes de navigation autonomes et les systèmes de contrôle pilotés par les données - explorant l'apprentissage par renforcement pour la robotique.

Communiquez avec l' équipe d'innovation industrielle de Vector pour savoir comment le parrainage et la collaboration de Vector peuvent accélérer l'innovation en IA et le transfert de technologie aujourd'hui afin de développer des produits et des solutions de pointe " fabriqués au Canada " pour l'avenir.

En rapport :

2024
Étude de cas
Recherche
Recherche 2024

BMO, TELUS et leurs partenaires utilisent la boîte à outils Vector AI pour appliquer les techniques de vision par ordinateur dans la lutte contre les changements climatiques

2024
Recherche
Recherche 2024

Les chercheurs de Vector présentent plus d'une douzaine d'articles à CVPR 2024

2024
Recherche
Recherche 2024

L'atelier sur la vision par ordinateur de l'institut Vector présente les capacités actuelles et le potentiel futur de ce domaine.