Aujourd’hui, l’un des principaux freins au développement de véhicules entièrement autonomes tient encore dans le délai de traitement des informations visuelles, car les calculs que doivent effectuer les algorithmes de flux optiques sont si complexes qu’ils peuvent prendre jusqu’à plusieurs secondes, ce qui est beaucoup trop long pour garantir une conduite sécurisée.

Une technologie inspirée par la vision humaine

En chine, une équipe de scientifiques de l’université de Pékin a trouvé la parade en mettant au point un dispositif matériel neuromorphique d’attention temporelle inspiré par le fonctionnement de la vision humaine. En effet, pour analyser une situation, notre cerveau détecte d’abord les variations de luminosité et les mouvements, puis traite les détails plus complexes ultérieurement, ce qui lui permet d’aller vite. Il opère de manière sélective.

En suivant ce principe, les chercheurs ont conçu une puce composée d’un réseau bi-dimensionnel de transistors synaptiques qui encode les variations de luminosité pour sélectionner les changements clés d’une scène et les regrouper en paquets. Ces informations servent ensuite d’entrée aux algorithmes de flux optique et de vision conventionnels.

Au lieu de devoir prendre en considération l’image entière, l’ordinateur tient compte uniquement de ce qui est pertinent, et peut ainsi analyser un mouvement dans des délais beaucoup plus courts. Ces travaux ont été publiés dans Nature.

Les puces neuromorphiques d’attention temporelle pourraient considérablement améliorer le fonctionnement des véhicules autonomes. © CEA

Des réactions nettement plus rapides

Comme proof of concept (POC ou preuve de concept), l’équipe a testé cette technologie dans différents scénarios d’application, notamment la conduite de véhicules, le pilotage de drones et l’exécution de tâches spécifiques par des bras robotisés. Les résultats obtenus mettent systématiquement en évidence des gains significatifs de vitesse et d’efficacité dans tous les cas d’usage.

Concrètement, comparé aux algorithmes de pointe les plus performants, l’approche neuromorphique démontre une accélération de 400 % du temps de réponse, qui surpasse les performances humaines, tout en améliorant la précision des systèmes de vision, de prédiction de mouvement, et de suivi d’objets.

Ces avancées cochent toutes les cases pour doter les robots de capacités de perception ultra-rapides et ultra-précises dans un avenir proche, qui leur offriront la possibilité de gérer des tâches complexes et dynamiques bien plus efficacement qu’auparavant. C’est exactement ce qui manque encore aux véhicules autonomes.