Cette page a été traduite automatiquement.
Merci de bien vouloir compléter un sondage de 1 minute concernant la qualité de cette traduction.
Toyota construit un terrain d'essai virtuel pour les systèmes ADAS
Création d'actifs numériques pour des tests virtuels réalistes
Un prototype de SUV Toyota® blanc et élégant brillait au siège technique du constructeur automobile à Aichi, au Japon, prêt pour un essai routier rigoureux. Les ingénieurs ont installé des équipements permettant à un robot conducteur d'évaluer avec précision la maniabilité et les performances du véhicule, y compris ses systèmes avancés d'aide à la conduite (ADAS), sur routes sinueuses.
Seules les routes sinueuses de cet essai routier étaient en réalité une simulation VILS sophistiquée (vehicle-in-the-loop) conçue pour évaluer les systèmes ADAS et d’autres fonctions dynamiques. Un grand écran externe affichait des scènes 3D tandis qu’un simulateur de conduite temps réel produisait des mouvements, des vibrations et des sons correspondants. Les capteurs, dont un lidar et des caméras, ont fourni des retours d'informations en direct.
Le système VILS de Toyota, le simulateur réel de systèmes avancés d’aide à la conduite (ADAS-RCS), relie les mondes réel et virtuel grâce à un banc d'essai et un bloc de co-simulation. Les robots roulent pendant des heures, vérifiant les indicateurs de performance clés pour détecter d'éventuelles faiblesses. L’intelligence artificielle fixe ensuite des objectifs pour remédier à ces faiblesses, en fonction des résultats.
Le VILS de Toyota, l'ADAS-RCS. (Crédit image : Toyota)
« La principale fonctionnalité du simulateur est la capacité de réaliser des évaluations multifonctionnelles en une seule fois », explique Daiki Miyata, ingénieur en développement des performances des véhicules au sein du groupe Model-Based Development X-in-the-Loop Simulations Group (MBD XILS) chez Toyota, et également membre du Model-Based Design Platform Group. Son équipe s'efforce de rationaliser le processus de développement des véhicules grâce à des simulations ciblées. L’objectif est de parvenir à un développement de véhicules optimisé.
Les environnements réalistes du système ADAS-RCS de Toyota permettent des tests sur des surfaces routières complexes, qui ne sont pas disponibles sur les pistes physiques du constructeur automobile. Cependant, développer des modèles de données routières en 3D nécessite beaucoup de temps et d'efforts. L'équipe s'est tournée vers MATLAB® et RoadRunner pour reproduire les conditions de conduite réelles hors site.
Test des conditions routières dans RoadRunner avec MATLAB. (Crédit image : Toyota)
« Nous avons adopté RoadRunner parce que nous avons été impressionnés par sa capacité à créer des scènes virtuelles 3D, à lire diverses données cartographiques provenant d’environnements variés et à analyser les données cartographiques grâce à son intégration avec MATLAB », explique Miyata. « Pouvoir effectuer des ajustements de manière intuitive dans RoadRunner a également été un facteur décisif. »
L’équipe VILS de Toyota cible principalement le contrôle adaptatif de la vitesse, mais les ingénieurs prévoient aussi d’utiliser le simulateur pour l’assistance au maintien dans la voie, l’assistance au changement de voie, les systèmes de sécurité pré-collision et les nouvelles fonctionnalités de sécurité avancées.
« L’ADAS-RCS n’est entré que récemment en phase opérationnelle. Nous voyons de nombreuses opportunités à venir », déclare Miyata.
Conditions routières à risque en amont
Par le passé, les conducteurs expérimentés de Toyota, appelés «masters», passaient de longues heures à évaluer la performance des véhicules sur des circuits d'essai dans les installations du constructeur automobile au Japon. Les contraintes de design ont nécessité de tester les scénarios les plus défavorables tardivement dans le processus de développement automobile. Les conditions météorologiques pouvaient également affecter les conditions de test sur place, nécessitant des reprises qui ajoutaient de la pression à un calendrier déjà serré.
Le développement automobile est devenu de plus en plus complexe avec l’avènement des ADAS et des Software-Defined Vehicle. Chez Toyota, les ingénieurs anticipent les essais routiers pour les ADAS en reproduisant des conditions qui influencent les réactions, le jugement et la conduite des conducteurs, telles que des changements de voie dans une circulation dense ou sur des routes de montagne sinueuses.
« Des facteurs tels que la météo, les piétons et les objets en mouvement ne peuvent pas être pris en compte par des scénarios prédéfinis », déclare Miyata. « Identifier et maîtriser rapidement de tels scénarios de contour est essentiel pour renforcer la sécurité du véhicule et la sûreté. »
« Grâce à MATLAB et à ses toolboxes, j’ai pu me concentrer sur ce que je voulais vraiment faire. »
L’architecture de l’ADAS-RCS. (Crédit image : Toyota)
Les vues obstruées et les virages sans visibilité ont représenté les plus grands défis techniques. Dans les processus traditionnels de génération manuelle de scènes, la création de routes 3D était laborieuse et nécessitait plus de six mois par circuit. De plus, ces itinéraires ne fonctionneraient pas dans d’autres simulateurs chez Toyota, y compris les simulateurs model-in-the-loop et software-in-the-loop.
« Toyota dispose de différents simulateurs, donc préparer des scènes qui ne peuvent pas être réutilisées pour chaque type entraînerait des coûts énormes », déclare Miyata. L’équipe avait besoin d’une approche plus rapide et plus efficace.
Au début de son rôle d’ingénieur en performance des véhicules chez Toyota, Miyata était responsable de l’amélioration du confort des véhicules. Il a appris a utiliser MATLAB en développant une méthode pour tester le bruit de moteur. « J’ai approfondi ma compréhension en traitement du signal », se souvient-il. « Grâce à MATLAB et à ses toolboxes, j’ai pu me concentrer sur ce que je voulais vraiment faire. »
Il a choisi MATLAB et RoadRunner pour générer des itinéraires de conduite 3D pour le banc de simulation du groupe MBD XILS. L'équipe a commencé par extraire les données de latitude, de longitude et d'altitude d'un segment de carte de définition standard ZENRIN® DataCom pour l'étape de génération de route.
L’expérience de Miyata avec MATLAB lui a permis de concevoir une méthode pour automatiser le prétraitement fastidieux des données nécessaire à la génération de routes, y compris le lissage des points et l'ajustement des courbes, afin de créer des talus. Ensuite, Miyata a converti les données cartographiques au format OpenDRIVE® à l’aide de l’application Driving Scenario Designer dans la Automated Driving Toolbox™.
« L’application Driving Scenario Designer était pratique et m’a permis de faire ce que je voulais plus rapidement que prévu », dit-il.
Générer un environnement ancré au sol
Une fois les routes générées, les ingénieurs ont utilisé RoadRunner pour construire l'environnement. À ce moment-là, l'équipe a rencontré des problèmes de terrain. À première vue, la route dans l'éditeur interactif semblait lisse, mais lorsque Miyata l'a empruntée dans le simulateur, le véhicule a oscillé comme s'il était sur une route bosselée. RoadRunner a créé des routes basées sur le fichier OpenDRIVE, mais celles-ci présentaient des bosses de l'ordre du centimètre en raison de l'altitude discontinue de la route aux jonctions.
Miyata a utilisé l'approximation polynomiale pour les informations d'altitude lors de la création de routes dans MATLAB, mais l'utilisation de RoadRunner Scene Builder a permis d'éviter des irrégularités similaires. « Nous pouvons désormais générer des modèles routiers plus efficacement et avec une plus grande évolutivité », explique-t-il.
Un autre problème est apparu lorsque Miyata a ajouté des données d'altitude au simulateur et a emmené son collègue faire un essai routier. La route visible à l’écran semblait flotter dans un ciel bleu vif, parsemé de fins nuages cirrus.
« Sans RoadRunner, il aurait fallu énormément de temps et d'efforts pour créer les parcours virtuelles. »
Lissage des routes par approximation polynomiale de l'altitude des routes. (Crédit image : Toyota)
Le problème s’est avéré être l’absence de données d’altitude à certains endroits. Les données d’élévation numériques proviennent de l’Autorité japonaise d’information géospatiale, qui effectue des relevés et des cartographies à l'échelle nationale. Cependant, un outil tiers utilisé indiquait une élévation de -9 999 au niveau de la rivière dans le segment de carte sélectionné. Miyata s'est tourné vers MATLAB pour trouver la solution.
Son équipe a créé un outil qui combinait les données d'élévation et d'image et les convertissait en un format GeoTIFF fusionné en mosaïque pour RoadRunner. Une fois les nouvelles données d'élévation prêtes, Miyata s'est concentré sur une zone de carte spécifique dans l'interface utilisateur graphique de RoadRunner. Il a fait glisser et déposer des images sur la surface du sol, vérifié la correspondance, puis ajouté les données routières OpenDRIVE. En quelques clics, il a ajouté une ligne pointillée pour donner deux voies à la route, apporté des corrections mineures et collé l’élévation.
« L’interface utilisateur graphique de RoadRunner est intuitive », affirme Miyata. « Il est facile d’effectuer des ajustements dans des situations délicates comme celle-ci. »
La dernière étape consistait à vérifier la génération de la route grâce à une lecture vidéo dans RoadRunner Scenario. Un bouton offrait une vue aérienne à 360 degrés, semblable à celle d’un drone, des environs du véhicule, et un autre permettait à l’équipe de visualiser la route du point de vue du conducteur. Cette fois, l'ADAS-RCS avait précisément cartographié des zones inclinées et des paysages de montagnes vallonnées. Plus de flottement. Ajouter des ombres et des détails au paysage vallonné a créé un environnement plus réaliste.
« Sans RoadRunner, il aurait fallu énormément de temps et d’efforts pour créer les formations virtuelles », déclare Miyata. Miyata estime qu'il faudrait au moins six mois à son équipe pour créer un scénario de conduite similaire.
Intensification du développement de véhicules Lean
Les nouveaux parcours 3D que l’équipe de Miyata mettait plus d’une journée à créer peuvent désormais être implémentés en moins de 30 minutes. RoadRunner a augmenté la productivité globale de l’équipe.
« La capacité à exporter des formats tels qu’OpenDRIVE et OpenSceneGraph, adaptés à divers simulateurs, réduit considérablement les coûts de génération de scènes », explique Miyata. « C’est un avantage majeur. »
Ensuite, son groupe souhaite automatiser et rationaliser davantage leur processus VILS. Son équipe prévoit également de collaborer avec l’équipe de développement de mass production pour les faire bénéficier des avantages de la simulation. Miyata estime qu’il est essentiel que d’autres utilisent la technologie, identifient les problèmes et implémentent des améliorations.
« Nous avons fait des progrès considérables et avons réussi à intégrer le flux de trafic réel en utilisant le scénario RoadRunner. »
Reproduction des environs du siège social de Toyota. (Crédit image : Toyota)
Lors de sa présentation à MATLAB Expo Japan, Miyata a abordé la question de l’extension du développement. Il a souligné comment les live scripts MATLAB, App Designer et MATLAB Compiler™ aident à déployer du code pour permettre à plusieurs utilisateurs de traiter des données de système d’information géographique. Il a expliqué qu'utiliser Git™ permettait le contrôle de version et la personnalisation selon les besoins des utilisateurs. Les live scripts, a-t-il poursuivi, ont permis de rédiger des manuels clairs et compréhensibles dans des environnements comme JupyterLab, facilitant ainsi le déploiement convivial d'applications.
Depuis l'exposition, son équipe a étendu les fonctionnalités du simulateur en utilisant la carte mondiale, gratuite et modifiable, OpenStreetMap® pour reproduire des bâtiments simples appelés « tofu assets » d'après les blocs rectangulaires de tofu de soja. Toyota dispose également d’un département qui se spécialise dans la création d'infrastructures de précision. Miyata explique que l’initiative ADAS-RCS les a incités à explorer de nouvelles façons d'exploiter ces ressources.
L’anticipation de l’évaluation de la conduite sur la voie publique avec leur ADAS-RCS en est encore à l’étape de vérification, mais Miyata et ses collègues estiment qu’elle permettra finalement de réduire d’environ 70 % le nombre de jours nécessaires à la réalisation des tests de conduite .
Les projets futurs du groupe incluent l'utilisation de données de nuages de points recueillies sur le terrain, afin de classer et d’implanter automatiquement les infrastructures de bâtiments dans RoadRunner grâce à l’IA. La technologie de réalité mixte est également à l'étude.
« De plus, nous avons réalisé des progrès considérables et réussi à intégrer un flux de trafic réel grâce au scénario RoadRunner », déclare Miyata. « Il est impossible de tester les systèmes ADAS de manière approfondie sans un environnement de simulation réaliste. »
L'équipe a traité de nombreux cas complexes lors de la création de ressources numériques pour l'environnement de simulation. Disposer d'outils performants et faciles à utiliser était essentiel.
« Si nous parvenons à exploiter efficacement les ressources numériques, nous nous attendons à ce que les ADAS-RCS et XILS progressent », poursuit-il. « Leur déployement sous forme de chaîne d'outils deviendra possible, améliorant ainsi l'ensemble du processus de développement des véhicules. »
Lire d'autres témoignages
CONDUITE AUTONOME / ROBOTIQUE
Application de techniques de robotique éprouvées aux processus de développement automobile
Renault fait progresser le prototypage ADAS avec ROS toolbox et l’intégration Simulink
CONDUITE AUTONOME / ROBOTIQUE
Design du WATonoBus, la navette autonome sur le campus
La navette autonome est une plateforme idéale pour le développement de la technologie ADAS
