fr
contact
BACK TO THE LIST

Axionable remporte l’IronCar et passe au JT de TF1

26 juin 2018

L’équipe Axionable composée d’experts en Intelligence Artificielle et en électronique embarquée a remporté samedi 23 juin l’Iron Car, 1ère course de véhicule autonome en France. Une performance remarquée et relayée par le JT de TF1. L’équipe revient sur sa performance en expliquant les modifications apportées à son code, disponible à tous en open source. 

Iron Car France : la première course de véhicule autonome en France

L’Iron Car est une course de voitures autonomes en modèle réduit dont le but est de vulgariser l’utilisation de l’Intelligence Artificielle de façon ludique et de sensibiliser le grand public aux techniques de Machine Learning et Deep Learning. Le principe de la course est simple : programmer une voiture au modèle réduit pour lui permettre de réaliser 3 tours de circuit avec le moins d’interventions humaines. Un kit de démarrage et toutes les informations utiles sur la course sont disponibles sur le site Web officiel d’IronCar.

Le championnat, qui attire de plus en plus de passionnés, a également retenu l’attention de TF1 qui a dépêché une équipe sur place pendant les 5 heures de l’épreuve (voir le replay ici) lors de la Summer Race.

L’édition de l’IronCar du 23 Juin relayée au JT de TF1. Regardez la vidéo ici.

Summer Race 2018 : une édition riche en émotions et en surprises

La Summer Race de l’Iron Car s’est déroulée samedi 23 juin et a rassemblé une dizaines d’équipes. Des étudiants de plusieurs écoles d’ingénieurs, des entreprises ainsi que de équipes d’individuels, tous passionnés d’Intelligence Artificielle (IA).

Cette édition a été pleine de surprises : un nouveau parcours, des nouveaux participants, une organisation plus rodée, une diffusion sur TF1, ainsi que la participation des personnalités telles que Grégory Renard Chief AI Officer chez XBrain et organisateur de DIYRobocars, et de Aurélie Jean CEO of In Silico Veritas et CTO of MixR. Ils ont présenté leur serment Holberton-Turing qui visent à faire respecter les valeurs morales et éthiques dans le domaine de l’Intelligence Artificielle.

Aurélie Jean et Greg Renard partagent la philosophie derrière le serment Holberton-Turing lors de la Summer Race Iron Car

La qualité des données, secret de la victoire d’Axionable 

La vitesse n’était pas le facteur clé de la course. En effet, la stratégie commune à toutes les équipes s’est focalisée à éviter les sorties de piste qui étaient pénalisées de cinq seconds par sortie. Avoir un rythme constant et réduire le nombre de sorties de piste vaut plus en termes de performance globale que d’avoir une grande vitesse avec un nombre élevé de sorties.

L’équipe Axionable sur le podium de la Summer Race IronCar pour recevoir la coupe

Nous avons fait beaucoup des changements pour améliorer l’AxioNaut pour cette deuxième édition de l’IronCar. Voici la liste des principaux changements :

  • La hauteur de la caméra : Nous avons constaté que le fait de placé la caméra plus haut améliore la capture de l’image en termes de luminosité ayant une représentation plus précise de la piste.
  • Le modèle de la raspberry pi : Nous avons utilisé une carte Raspberry 3B+. Ce type de carte est plus conseillée pour faire tourner des modèles de deep learning grâce à sa vitesse de traitement et sa connexion sans fil.
  • L’architecture du réseau de neurones : le nombre de couches et de filtres de l’architecture a été incrémenté pour récupérer plus d’aspects et caractéristiques spatiales de la piste.
  • La qualité de données : C’est l’amélioration la plus importante et sans doute l’élément qui a stimulé notre performance en piste pour cette édition. Nous avons utilisé cette fois-ci des images réelles et pas d’images simulées. Des vrais segments de piste ont été recréés avec une largeur très similaire à celle de la vraie compétition IronCar. La capture d’images a aussi pris en compte l’intensité de la lumière, certaines images ont été prises sur des zones sombres et ensoleillées. De plus, la labellisation a été faite de façon semi-automatique. Cela nous a permis d’avoir un meilleur contrôle des données d’entrainement. Le fait d’agréger ces types d’images et de les labéliser manuellement ont amélioré notre modèle.
  • Le sur-apprentissage: une stratégie gagnante est aussi d’augmenter des images des zones où on voit que la voiture a du mal à prendre la bonne décision. On fait en quelque sorte un sur-apprentissage sur des erreurs rencontrés afin de les éviter.

 Jean Cupe explique la stratégie deep learning mise en œuvre par l’équipe Axionable

Un grand bravo à l’équipe Axionable victorieuse de cette très belle édition estivale de l’Iron Car : Nelson Fernandez, Simon Palma, Jean Cupe.

Une course Open Source et ouverte à tous

La vulgarisation d’une technologie ne peut pas être complète seulement avec des démos et des vidéos sur comme elle fonctionne. C’est pour cela que le gagnant de chaque édition de l’IronCar est obligé de partager son code et ses améliorations afin que toutes les équipes puissent avancer et améliorer leurs modèles et performances pour la prochaine course. C’est une démarche collaborative dans laquelle nous apprenons tous de nos erreurs.

Cependant, un code sans donnée n’est pas vraiment utile pour une équipe qui démarre de zéro. C’est pour cela, qu’une initiative pour collecter des données des plusieurs équipes a été lancée afin de faciliter un peu plus l’intégration des nouvelles équipes aux prochaines éditions de l’IronCar. En attendant de collecter beaucoup plus de données, nous mettons à disposition les images que nous ont aidé à améliorer notre dernier modèle.

Dans le respect de la philosophie Open Source de l’Iron Car, nous sommes fiers de partager :

  • la dernière base de données utilisée pour entrainer notre modèle
  • le dernier algorithme utilisé par l’AxioNaut dans notre GitHub

Axionable partenaire de la course

Pour contribuer à l’essor et à la notoriété de la course, Axionable est fière d’être sponsor de l’évènement. Un évènement qui accompagne la communauté des développeurs et des passionnés de l’IA à montrer les atouts mais aussi les défauts de l’intelligence artificielle.

Axionable est fier d’être sponsor de l’IronCar.

Les organisateurs sont à la recherche d’autres sponsors pour amplifier l’initiative, n’hésitez pas à les contacter !

Perspectives et prochaines courses

La qualité de l’événement s’est améliorée de façon exponentielle depuis la première édition grâce aux efforts mutuels des organisateurs et des sponsors. Cependant, on peut faire mieux encore avec l’aide des plus d’entités désireuses de parier sur la croissance de l’événement.

Plus d’entreprises et d’institutions peuvent participer à cet événement en rejoignant la ligne des sponsors. C’est une excellente occasion de communiquer avec d’autres équipes, d’avoir un aperçu des aspects techniques et d’en savoir plus sur le monde passionnant de l’intelligence artificielle et le machine learning.

Aussi, si vous êtes curieux et passionné par la technologie et l’intelligence artificielle, l’équipe d’Axionable vous invite à faire partie de l’expérience en participant à la prochaine édition d’IronCar qui aura lieu à la rentrée le 08 Septembre à 14h.

Concocté avec amour par :
Jean Cupe
Concocté avec amour par :
Simon Palma
Concocté avec amour par :
Nelson Fernandez

Articles concoctés avec les mêmes ingredients

7 juin 2021

Trois jours à ChangeNOW

ChangeNOW 2021 Du 27 au 29 mai dernier s’est tenue la quatrième édition de ChangeNOW, le sommet international de référence en matière d’innovation environnementale, et Axionable était présent ! Lors de ces trois jours de rencontres en ligne, 500 intervenant·es originaires de 120 pays différents ont pu échanger et proposer au total plus de 1000 […]

Anouk PERRIER
Quentin FAULCONNIER
3 juin 2021

[REPLAY] Axionable & Allianz at Change Now 2021 : AI for climate resilience

[Workshop] AI for climate resilience Facing climate challenges, responsible AI can provide societal & sustainable solutions, including improvement of risk management for weather-related perils. To know more, discover Axionable use cases solved by AI with positive & measurable impacts, especially our joint feedback with Allianz to manage & predict weather related perils in a changing […]

Minetou NDIAYE
27 mai 2021

Axionable développe sa solution de prédiction et d’adaptation aux risques climatiques

Labellisée par l’ADEME et le Ministère de la Transition Écologique (GreenTech Innovation), cette solution permet à tous les secteurs concernés par les risques climatiques de prédire et scénariser finement les impacts de ces risques et de s’y adapter. D’ici 20 ans, les changements climatiques coûteront 13 milliards d’euros Les changements climatiques sont au cœur des […]

Gwendal BIHAN
3 mai 2021

Axionable obtient la labellisation Greentech Innovation !

Axionable obtient la labellisation Greentech Innovation ! Nous rejoignons ainsi une communauté riche de 170 startups innovantes qui développent de nouveaux produits, usages et services à finalité durables sur les différentes thématiques du Ministère de la Transition Écologique. La labellisation de notre solution de prévention des risques climatiques grâce à l’IA symbolise pour Axionable la […]

Quentin FAULCONNIER

Ready for sustainable AI?

Let's make an appointment to discuss our approach
career solutions and opportunities
Contactez-nous
Paris
13 rue des Arquebusiers
75003 Paris
Montréal
1275 Avenue Des Canadiens-De-Montréal, Montréal, QC, H3B 0G4
contact Contact