Publications

Quand l’IA révolutionne les drones

24 février 2022

Selon le « Drone Market Report 2020 », le marché mondial des drones passera de 22,5 milliards de dollars en 2020 à plus de 42,8 milliards de dollars en 2025 {1}.

Depuis l’introduction du vol télécommandé en 1935 afin de créer des cibles d’entraînement pour l’armée {2}, les drones n’ont fait que se perfectionner. Même si leurs applications se limitaient initialement au domaine militaire, le marché du drone s’est développé également vers le secteur civil. D’après le rapport sur le marché des drones publié en 2020 {1}, le marché des services (événements avec des drones, maintenance, simulation) représente aujourd’hui le segment le plus important de l'industrie des drones. Cependant le marché des logiciels (analyse de données, gestion des flottes, navigation/vision par ordinateur/AI) est celui qui connaît la croissance la plus rapide {1}. Cette croissance s’observe au niveau mondial avec des marchés chinois, japonais et indiens en constante augmentation.

Ce succès tient d’une part à la baisse du coût des composants ainsi que la miniaturisation des technologies qui ont rendues possible la démocratisation du drone. Et d’autre part à l’amélioration des technologies d’IA. L’intégration de l’IA dans les drones a effectivement permis l’automatisation des services de détection tel que l’inspection d’ouvrages d’art ou de la surveillance de zones sensibles. La combinaison de la miniaturisation des processeurs et des progrès effectués en IA a ainsi permis d’étendre le champ d’application des drones.

1 La technologie du pilotage de drone par IA

Les drones se définissent comme des aéronefs sans équipage dont le pilotage est automatisé ou télécommandé, à usage civil ou militaire {3}. Si au départ la technologie d’IA embarquée dans les drones se concentrait sur l’analyse de son environnement pour la surveillance et la détection, elle se focalise désormais sur le pilotage automatisé.

En suivant cette approche, des chercheurs de l’université de Zurich ont organisé une course dans le but de prouver l’efficacité de leur nouvelle IA sur un terrain accidenté. Ce prototype a battu deux pilotes professionnels, dont l’un d’eux était le champion Suisse de pilotage de drone. C’est la première fois qu’un drone réussi à surpasser l’humain dans ce type de courses {4}. Pour ce faire, le drone a utilisé une IA reliée à un algorithme de vision par ordinateur afin de détecter les différents objets autour de lui et ainsi assurer l’auto-navigation en temps réel.

En appui de la vision par ordinateur, d’autres technologies peuvent venir améliorer le processus de navigation. En effet, le pilotage en extérieur se base le plus souvent sur des coordonnées GPS pour prédéfinir le chemin optimal entre son point de départ et son point d’arrivé et se recaler en cas de déviation de sa trajectoire {5}.

Néanmoins, le GPS ne peut pas être utilisé dans toutes les conditions. Car si le GPS offre la possibilité de déterminer le meilleur trajet en extérieur, il n’est pas suffisamment précis en intérieur, voire il est indisponible sur des zones de combats. En effet, les stratégies dites de « déni d'accès et interdiction de zone » peuvent être mises en place pour gêner l’adversaire dans sa manœuvre au travers de systèmes de brouillage GPS par exemple {6}. Également, pour des drones évoluant à très grande vitesse, il est difficile d’utiliser le GPS à cause de sa latence.

De nombreuses solutions sont donc étudiées pour remédier aux manques de signaux GPS.  L’une d’entre elles est le système SLAM. L’algorithme SLAM ou « simultaneous localization and mapping » est un algorithme embarqué ayant un double objectif qui est d’abord, la cartographie et la représentation d’un environnement inconnu, et par la suite la localisation du drone dans ce dernier {7}. Le SLAM est appliqué pour la détection d’environnement en intérieur (ce que le GPS n’arrive pas à réaliser). Pour récolter les données, l’algorithme emploi notamment le LiDAR. Celui-ci est un outil se reposant sur la télémétrie pour permettre de cartographier une zone à travers des nuages de points. Le drone émet des lasers dans différentes directions pour mesurer la distance entre lui et des objets afin de se positionner dans un espace 3D.

Le pilotage peut donc être assuré par la combinaison d’un ensemble d’outils différents (SLAM, LiDAR, GPS etc.) ayant chacun une tâche bien précise : la détection d’objets, la cartographie de son environnement ainsi que le positionnement du drone. Néanmoins, il reste complexe de modifier automatiquement la trajectoire du drone si celui-ci se déplace en intérieur ou à grande vitesse. Dans ce cas de figure, l’IA prend le relais du pilotage du drone car elle est apte à comprendre en temps réel son environnement et peut continuer à fonctionner en l’absence de signal.

2 Applications de l’IA dans le drone

Si un drone ne permet pas d’être entièrement autonome aujourd’hui, les avancées technologiques réalisées ont tout de même offert une certaine automatisation des systèmes. Les drones équipés d’une IA constituent désormais une alternative à des solutions existantes pour résoudre des problèmes dans plusieurs domaines d’applications {8}.

La sécurité

Plusieurs entreprises déploient déjà des drones dédiés à la surveillance et l’inspection automatisée de sites industriels {9}. Un cas de surveillance automatisée de zone industrielle peut se dérouler par exemple de la manière suivante. La zone à surveiller est quadrillée par des boîtiers contenant un drone, ceux-ci les protègent des aléas météorologiques et leur servent de stations de recharge. Ces stations d’accueils sont elles-mêmes reliées au VMS (Vidéo Management System) du site. Ce dernier comprend l’ensemble des capteurs de sécurité (caméra, radar etc.) dispersés sur la zone industrielle. Par la suite, soit par alerte des capteurs ou soit par mission préprogrammée, le drone s’envole automatiquement pour naviguer sur le site et examiner la zone. Si le drone reconnaît une anomalie dans l’environnement, par exemple la présence d’un intrus ou d’une véhicule suspecte, il va alors avertir les forces de sécurité qui pourront suivre la mission depuis le VMS. Une fois l’alerte levée, la mission est terminée et le drone retourne automatiquement dans son boîtier. De cette manière, les drones garantissent la sécurité des sites industriels sans interruption et en évitant de faire prendre des risques inutiles pour les équipes de sécurité.

La détection et la maintenance

Il existe de multiples IA consacrées à l’identification, parmi celles-ci, il est possible de citer le réseau neuronal de Deep Learning « Neurala ». Ce dernier permet aux drones d’inspecter des foules pour identifier des personnes spécifiques ou des comportements suspects. Il est également utilisé par la fondation Lindbergh, dans la lutte contre le braconnage en Afrique. Les drones surveillent le territoire des éléphants et alertent de la présence de braconniers bien avant qu’ils puissent agir {10}.

En outre, cette IA est capable d’inspecter de grandes structures industrielles, comme des tours téléphoniques ou des bâtiments en travaux pour détecter des incidents. Le secteur de la construction a bien compris l’avantage d’engager cette technologie à grande échelle. Celui-ci compte investir 11,2 milliards de dollars dans les drones d’ici les 5 prochaines années pour faciliter la détection de possibles défauts de conception sur des chantiers, l’étude des terrains constructibles ou pour la cartographie de sites {11}.

Conclusion

La combinaison entre des composants plus compacts et une IA toujours plus précise, a permis l’automatisation d’une multitude de services BtoB par les drones. En outre, l’IA est devenue un outil précieux pour le pilotage des drones car elle permet à ces derniers de maintenir leurs performances en naviguant dans des zones hostiles ou inconnues au préalable.

Jusqu’à récemment, les drones étaient vus comme des systèmes embarquant une IA leur permettant d’augmenter leurs capacités (pilotage, détection, …). Ces IA s’appuient généralement sur des technologies à base de Deep Learning pour réaliser la fusion de données nécessaires à leur action. Dans ce contexte, la résilience du système est souvent assurée par la redondance afin d’augmenter la robustesse des systèmes au travers de la duplication des composants {12}. Ce choix de conception est souvent employé dans les missions militaires ou critiques.

Dans le même temps, l’émergence des IA à base d’intelligence distribuée permet d’envisager d’utiliser ces drones en essaims. À la différence de la redondance, où tous les agents sont vus indépendamment les uns des autres, les systèmes dits multi-agents (SMA) sont composés de plusieurs agents ayant plus ou moins un degré de liberté, qui interagissent entre eux pour accomplir un objectif commun. La décision n'est pas centralisée mais l’objectif est atteint au travers de l’auto-répartition des agents. Appliquée aux flottes de drones, cette architecture se compose d’une part de drones dotés d’une IA spécifique consacrée au traitement d’image, et d’autre part d’une IA (SMA) permettant à l’essaim de réaliser collectivement sa mission {13}.

Le cas des SMA démontre les possibilités d’employer plusieurs types d’IA simultanément dans un système global. L’intelligence distribuée pourrait à ce titre devenir un modèle à suivre pour les prochaines générations d’essaims de drones automatisés {14}.

 

Retrouvez tous nos articles ici

Auteurs

Écrit par Arnault Ioualalen & Quentin Guisti

 

Crédits images : 

image bandeau : DJI-Agras (Pixabay)

image texte 1 : George Kroeker (unsplash)

image texte 2 : KAL VISUALS (unsplash)

Numalis

We are a French innovative software editor company providing tools and services to make your neural networks reliable and explainable.

Contact us

Follow us