fr
contact
BACK TO THE LIST

« Hello, I am The AxioNaut », 1er prototype de véhicule autonome d’Axionable

4 février 2018

« Hello, I am the AxioNaut », 1er prototype de véhicule autonome d’Axionable

“The AxioNaut”, le premier prototype de véhicule autonome d’Axionable a participé le 10 février 2018 à la 1ère compétition de ‘mini-voiture autonome ‘IronCar France’.

Si les américains peuvent le faire, pourquoi pas nous
Pourquoi développer un prototype de voiture autonome ? L’idée a germé suite à hackaton organisé par AWS (Amazon Web Services) fin novembre 2017 à Las Vegas à l’occasion de l’événement re:invent. L’équipe Data Science d’Axionable s’est alors lancé un défi : si les américains peuvent le faire, pourquoi pas nous ? L’objectif scientifique de cette initiative pour Axionable est de tester les technologies et solutions à l’état de l’art dans le domaine de l’intelligence artificielle, le deep learning, embarquées sur un dispositif “low tech” (contrainte des batteries, CPU et mémoire limitée, etc.).

L’implémentation du prototype
L’AxioNaut est un prototype de mini-voiture basé sur un raspberry pi. Elle utilise une raspberry pi camera avec un objectif fisheye ainsi que le châssis et les servomoteurs d’une voiture radio commandée. Ce qui fait de l’AxioNaut un prototype à prix abordable sur lequel nous avons déployé un algorithme d’apprentissage machine qui rend la mini-voiture autonome.

 

L’AxioNaut utilise l’Intelligence Artificielle, plus précisément il utilise la technologie du deep learning (apprentissage profond en Français). Cette technologie fait partie de l’apprentissage automatique mais à différence des approches classiques elle a l’avantage d’analyser des données brutes. En effet, l’extraction de caractéristiques pour décrire les données n’est pas nécessaire.

L’apprentissage profond est basé sur les réseaux de neurones artificiels, où le mot ‘profond’ fait référence aux plusieurs niveaux de connexions entre neurones. Il est possible de construire différentes architectures de réseaux de neurones, dont quelques exemples sont les réseaux de neurones convolutifs et les réseaux de neurones récurrents. L’architecture utilisée dans l’AxioNaut est une architecture de réseau neuronal convolutif où le mode de connexion entre les neurones est inspiré par le cortex visuel des animaux. Ce type de réseau est très utilisé dans l’analyse d’images et de sons. Nous l’avons utilisée pour contrôler la direction de roues de l’AxioNaut.

L’utilisation d’un réseau convolutif a été implémenté dans un cadre d’apprentissage automatique supervisé dans lequel à partir d’une base de données contenants des exemples de conduite on cherche à rendre l’AxioNaut autonome. Un exemple de la base de données inclut une image, un angle pour contrôler les roues, et la vitesse de la voiture. Pour la première version de l’AxioNaut, nous avons limité le champ d’action du réseau convolutif à la prédiction de l’angle pour contrôler les roues en laissant la vitesse constante.

L’implémentation du réseau de neurones a été fait sur Keras, une librairie sur Python qui permet de prendre en main très facilement l’implémentation des architectures de deep learning. L’acquisition de données pour l’entrainement de notre réseau neuronal a été fait dans un circuit déployé dans nos locaux.

What’s next ?
Le résultat accompli par notre modèle lors de la compétition IronCar France valide notre engagement avec les nouvelles technologies en intelligence artificielle, en particulier l’utilisation de la technologie d’apprentissage profond dans le cadre de traitement d’images.
Nous avons plusieurs améliorations en tête pas seulement pour améliorer la conduite mais aussi pour rajouter des nouvelles fonctionnalités. Quelques idées sont le contrôle par la voix, la détection d’obstacles, ainsi que la reconnaissance d’objets.

Concocté avec amour par :
Jean Cupe
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