Le rôle de l'IA s'impose dans les véhicules commerciaux et agricoles

Application Tria :

[APPLICATION TRIA] Quand on pense aux véhicules de chantier ou agricoles, on imagine de gros moteurs , avec une puissance brute et une endurance à toute épreuve que l’on retrouve dans les silhouettes imposantes des moissonneuses-batteuses, des pelles mécaniques, des tracteurs et des camions de transport. Cependant, ces machines ont bien évolué et n’ont plus grand-chose à voir avec leurs prédécesseurs. Précise, autonome et capable de s’adapter à son environnement, la dernière génération de véhicules de chantier et agricoles transforme désormais  les pratiques sur le terrain grâce à l'utlisation d'une intelligence artificielle (IA) embarquée. 

Auteur : Ralf Kapahnke

Responsable du développement des affaires

TRIA Technologies

 

Qu’il s’agisse de pulvérisation ciblée assistée par intelligence artificielle, de maintenance prédictive ou d’engins lourds autonomes, TRIA Technologies analyse les besoins en matière de capteurs, de puissance de calcul et de systèmes embarqués nécessaires au développement des véhicules de nouvelle génération. L’entreprise explore également comment des plateformes matérielles modulaires peuvent accélérer le développement et réduire la complexité de conception.

Après avoir constitué les fondements architecturaux des CAV (Commercial and Agriculture Vehicles) modernes, les routines fixes et répétitives, associées à des instructions ponctuelles, laissent désormais place à un comportement dynamique et autonome, capable de s'adapter à l'environnement. L’électrification, la numérisation et l’automatisation ont à ce niveau ouvert une nouvelle voie dans la conception de ces véhicules.

Qu’il s’agisse de pulvérisation ciblée assistée par intelligence artificielle, de maintenance prédictive ou d’engins lourds autonomes, les besoins en matière de capteurs, de puissance de calcul et de systèmes embarqués nécessaires au développement des véhicules de nouvelle génération ont ainsi drastiquement évolués. 

La combinaison de flux de travail HITL - Human-in-the-Loop - avec une intervention humaine, et de la réactivité en temps réel permet désormais d’atteindre de nouveaux niveaux d’efficacité, de sécurité et de production.

D’ailleurs, le moment ne pourrait être mieux choisi. En effet, le monde est confronté à de nouveaux facteurs tels qu’une pression croissante quant aux questions environnementales, des pénuries de main-d’œuvre, de nouvelles normes de développement durable, des pratiques de sécurité à respecter, ou bien encore la hausse des coûts de la chaîne d’approvisionnement et des matériaux.

Tous ces facteurs s’inscrivent dans un contexte d’incertitude mondiale et font que l’assistance apportée par les véhicules CAV connectés peut constituer un soulagement pour l’industrie dans son ensemble.

Cependant, la conception de ces nouveaux systèmes fpondés sur l’IA n’est pas simple car elle nécessite de repenser les architectures embarquées au sein des véhicules. Les exigences en matière de matériel, de puissance de calcul et de sécurité fonctionnelle sont considérables et indispensables pour permettre l’avènement de la nouvelle génération d’engins à assistance intelligente.

Un nouveau défi en matière de détection

Les véhicules de chantier sont principalement utilisés sur les sites de construction, où l’activité est intense. Matériaux, engins et personnes circulent sans cesse sur des terrains accidentés et chaotiques. Les exploitations agricoles peuvent sembler un peu plus calmes.

Cependant, les cours de ferme, le bétail, la faune sauvage, ainsi que la flotte de véhicules et leurs équipements exigent une vigilance tout aussi grande.

Dans ces environnements imprévisibles et hétérogènes, le passage de l’automatisation de base à l’autonomie a nécessité l’adoption d’une multitude de technologies de détection.

Les caméras et les technologies de vision permettent la détection et la classification d’objets, tandis que le LiDAR et le radar assurent une perception fiable de la distance et de la profondeur. Le GNSS permet le positionnement spatial et le suivi GPS, et les capteurs IMU embarqués, notamment les accéléromètres, les gyroscopes et les magnétomètres, fournissent des données complètes sur l’orientation et les mouvements.

Les données issues de ces différents capteurs sont fusionnées pour permettre aux véhicules de reconstituer leur environnement, d'en établir une cartographie et de déterminer leur position dans l'espace tridimensionnel grâce à des techniques telles que la localisation et la cartographie simultanées par vision (VSLAM). Ils peuvent ainsi adapter leur comportement en fonction de leur environnement.

Comme on pouvait s’y attendre, ces capteurs produisent un volume considérable de données. La conception d’un système capable de gérer de tels volumes, de fusionner plusieurs flux simultanés et de gérer la logique ainsi que les instructions système nécessite un environnement de calcul hétérogène.

Les NPU permettent une inférence efficace, un GPU et un VPU performants gèrent les charges de travail multimédia, tandis que les CPU fournissent la logique applicative. Avec un traitement du signal dédié et une accélération matérielle adaptés, les goulots d’étranglement peuvent être évités, mais ils doivent s’appuyer sur une mémoire, une bande passante et un stockage suffisants.

Si les chiffres TOPS (milliers de milliards d’opérations par seconde), utilisés pour évaluer les performances d’un processeur d’IA, sont importants, ils ne font cependant pas tout. L’ensemble du chemin de données doit être dimensionné en fonction du système.

Historiquement, le transfert de ces tâches de calcul vers des unités de calcul dédiées constituait une solution permettant de réduire les coûts et les délais de développement des systèmes intégrant de l'IA.

Cependant, en raison des problèmes de latence et de réactivité en temps réel, le traitement des données a été déplacé vers la périphérie. Or, les engins lourds autonomes ne peuvent pas se permettre d’attendre une inférence dans le cloud, car cela prend trop de temps, la connectivité n’est pas fiable, et au final, c’est trop dangereux.

L’inférence locale permet aux véhicules CAV autonomes de rester réactifs même en cas de perte de signal. Les services cloud continuent de jouer un rôle très important, en permettant la gestion de flotte, la vérification HITL, les mises à jour (F)OTA et de modèles, ainsi que les diagnostics à distance, mais pas dans le cadre d’un processus de prise de décision en temps réel.

Une agriculture de précision "pour de vrai"

Pour les agriculteurs, la véritable plus-value de l’IA, c’est la précision. Depuis l’introduction des réseaux de capteurs IoT au début des années 2010, l’agriculture a affiné la science de la culture grâce à des données granulaires.

Désormais, grâce à l’IA embarquée, les véhicules autonomes peuvent prendre des décisions pour chaque plante, en s’appuyant sur des ensembles de données riches et des informations en temps réel pour maximiser les rendements et limiter la dépendance aux produits chimiques.

La technologie à débit variable ajuste l’épandage des semences, des engrais et de l’eau en fonction de la qualité du sol, en suivant chaque graine semée au centimètre carré près.

Les drones autonomes, équipés de divers accessoires, sont désormais multifonctionnels : ils cartographient la topographie des champs et l’état sanitaire des cultures, pulvérisent les traitements et épandent des engrais, et vont même jusqu’à nourrir les poissons et autres espèces d’aquaculture.

Les mauvaises herbes peuvent désormais être maîtrisées à l’aide de systèmes laser à dioxyde de carbone de forte puissance, qui identifient et vaporisent de manière autonome les plantes envahissantes, favorisant ainsi des rendements agricoles plus élevés. Plus que tout le reste, la pulvérisation ciblée s'est rapidement imposée comme l'un des cas d'utilisation les plus intéressants sur le plan commercial pour la conception d'équipements destinés aux véhicules CAV autonomes.

Ces systèmes associent des caméras à l'apprentissage automatique pour distinguer les mauvaises herbes des cultures, appliquant ainsi l'herbicide uniquement là où cela est nécessaire, plutôt que de procéder à une pulvérisation à grande échelle. Les agriculteurs qui les utilisent constatent une baisse de la consommation de produits chimiques pouvant atteindre 50 %, avec un retour sur investissement complet atteint en seulement deux à trois saisons.

Au-delà des avantages financiers, les résultats obtenus ont également des implications importantes en matière de durabilité environnementale. Nos agriculteurs peuvent produire plus avec moins de produits chimiques, en utilisant de nouveaux moyens qui préservent la santé des sols.

Des chantiers assistés par l’IA

Alors que l’agriculture exploite l’IA pour une application précise, le secteur de la construction privilégie la sécurité des personnes tout en optimisant la disponibilité et les taux d’utilisation des engins de chantier.

La prochaine génération d’excavatrices, de chargeuses, de camions de transport, de bulldozers et de compacteurs promet de fonctionner de manière quasi autonome, presque sans aucune intervention des opérateurs. Les engins pourront creuser des tranchées, charger, répartir, niveler et préparer les surfaces grâce à des routines automatisées et autonomes.

Les mêmes technologies de fusion entre technologies de vision, LiDAR, radar et GPS sont ici mises à contribution, permettant une autonomie de niveau 4, ce qui signifie que les véhicules peuvent fonctionner sans intervention humaine directe au sein de zones géographiques délimitées par géorepérage.

Des protocoles d’arrêt de sécurité garantissent que les machines procèdent à des arrêts sécurisés lorsqu’elles sont déclenchées suite à une défaillance, une alerte ou un danger, et attendent l’intervention d’un opérateur humain (HITL) pour redémarrer ou gérer les routines. Au-delà des gains de productivité et de précision issus de l’activité (semi-)autonome, la maintenance s’améliore tant pour les engins de chantier que pour les véhicules d’agriculture de précision grâce à l’intelligence intégrée.

Qu’il s’agisse d’une moissonneuse-batteuse, d’une pelleteuse ou de tout autre engin lourd, chacun génère en continu des flux de données sur les vibrations, la température, la pression hydraulique et les émissions acoustiques pendant le fonctionnement normal. À partir de cet ensemble de données, l’IA en périphérie peut apprendre à reconnaître les conditions d’un fonctionnement dit "normal".

Lorsque les données relevées s’écartent de ce profil, elle peut signaler une usure potentielle bien avant qu’elle ne se manifeste au moyen d’un voyant d’alerte ou en signalant la défaillance d’une pièce. La maintenance, jusqu’alors planifiée et corrective, devient une maintenance préventive prédictive et proactive. Adaptation des choix technologiques

Dans des conditions d’exploitation aussi difficiles, le choix d’un matériel robuste est d’autant plus important. L’exposition à la poussière, aux températures extrêmes, aux vibrations, aux chocs et à l’humidité est inévitable ; la robustesse et les indices de résistance environnementale appropriés sont donc tout aussi importants que les performances de calcul.

De plus, ces environnements sont saturés de bruit électrique. Les moteurs, les systèmes hydrauliques, les radios et toutes les autres machines à proximité sont susceptibles de perturber le systèmes IA sensibles et les flux de données des capteurs. La compatibilité électromagnétique et le blindage sont également essentiels.

Si l’on ajoute à ces défis le choix des composants, les architectures de calcul hétérogènes, l’intégration des capteurs, l’agencement des cartes, les contraintes d’alimentation et thermiques, la conception de l’IHM et les exigences de sécurité fonctionnelle, on comprend rapidement à quel point l’intégration de l’IA peut sembler insurmontable pour le développement de véhicules industriels en quête d’autonomie, sans parler du développement des modèles et des compétences spécialisées requises au niveau logiciel.

Les modules informatiques (COM) pour simplifier la conception

Le recours aux modules informatiques (COM) peut contribuer à simplifier considérablement les choses. Les modules informatiques (COM) intègrent les processeurs nécessaires (NPU, GPU, VPU et CPU), ainsi que la mémoire et les interfaces permettant de prendre en charge un large éventail de périphériques et d'entrées/sorties.

Reposant sur des formats standardisés tels que SMARC et OSM, ils sont dimensionnés pour traiter les flux simultanés issus des caméras, des lidars et des autres capteurs embarqués, dont les données doivent être fusionnées par le véhicule autonome (CAV).

Plus besoin de s’approvisionner, d’intégrer et de tester chaque composant individuellement. Cette normalisation s’étend également à la sécurité fonctionnelle.

Les modules de pointe sont certifiés conformes aux normes applicables en matière d’environnement et de sécurité, offrant ainsi aux équipes une base de référence connue sur laquelle s’appuyer pour la conception. Les équipes d’ingénierie peuvent ainsi se concentrer sur les cartes porteuses et les piles logicielles plutôt que de perdre du temps et de l’énergie dans la conception des circuits intégrés et les tests de qualification.

Surtout, les systèmes de modules embarqués standard comme les modules SMARC et OSM sont également remplaçables. Les cartes porteuses peuvent donc accueillir des mises à niveau de nouvelle génération, telles que des performances d’IA supplémentaires ou une prise en charge étendue des périphériques, sans pour autant nécessiter de refonte majeure.

Les exigences en ressources de calculs s’accélèrent et les attentes des clients en matière de durée de vie des véhicules lourds se font plus pressantes ; cela contribue à diminuer les risques liés aux projets de conception, incite à davantage d’expérimentation et à renforcer la confiance dans les achats (il s’agit après tout d’investissements considérables !).

Les véhicules connectés représentent incontestablement l’avenir de l’agriculture de précision et des chantiers assistés par IA. Les capteurs, la puissance de traitement, les modèles d’IA et les cas d’utilisation sont tous bien établis et évoluent rapidement.

Ce qui distingue les principaux fabricants, c’est la rapidité avec laquelle ils innovent, réalisent des prototypes et commercialisent leurs solutions. Les systèmes modulaires certifiés offrent des plateformes idéales pour intégrer et innover rapidement dans le domaine des applications d’IA basées sur des capteurs. Le choix du bon partenaire technologique constitue la clé du succès.