Waymo crée un nouveau modèle pour comparer les robotaxis aux humains

Waymo, filiale d'Alphabet, a développé un nouveau modèle informatique permettant une comparaison plus précise de son logiciel de conduite autonome avec les capacités humaines. Les recherches sur ce modèle, réalisées en collaboration avec l'université TU Delft, ont été publiées dans la revue Nature Communications. L'entreprise s'attend à ce que ce nouveau système soit nettement plus précis que les versions précédentes utilisées ces dernières années. C'est ce que rapporte Techcrunch.com .

Le nouveau modèle est basé sur un cadre appelé « active inference » (inférence active). Selon cette théorie, un conducteur imagine en permanence des scénarios futurs probables et agit pour obtenir le résultat le plus sûr et le plus prévisible. Grâce à ce modèle, Waymo vise à mieux comprendre comment les humains se comportent dans les situations de collision auxquelles les robotaxis pourraient être confrontés.

Les représentants de Waymo soulignent que, depuis des décennies, l'industrie automobile utilise des mannequins physiques et virtuels pour évaluer les fonctions de sécurité. Le nouveau modèle fait évoluer ce concept et sert de référence comportementale reflétant de manière réaliste la façon dont un conducteur humain prudent et compétent réagit aux situations conflictuelles sur la route.

La principale différence entre ce nouveau modèle, appelé Reference Driver, et son prédécesseur est sa capacité à reconstruire le comportement humain dans le processus précédant une collision. Alors que les modèles précédents se concentraient uniquement sur les manœuvres réactives des dernières secondes, le nouveau système peut également simuler la « surprise » interne du conducteur face à des situations inattendues.

Actuellement, Waymo étend ses services à davantage de villes et fait l'objet d'une surveillance stricte de la part des organismes de réglementation. Le nouveau modèle sera utilisé non seulement pour prévenir les collisions, mais aussi pour analyser un large éventail de comportements des usagers de la route dans des milliers de scénarios différents.