Évolution de l'autopilot et de la conduite autonome (MàJ 10/2020 avec FSD Beta)

[MrFurieux]

Le 12/10/2021 à 11:34, pistache a dit :

Une machine non plus. C'est rare que le signal d'un capteur active directement un actionneur.

Oui. Et les problèmes sont souvent quelque part entre le capteur et l'actionneur 🙂. Dans le cas du FSD les problèmes actuels ne sont clairement pas un problème de résolution des caméras, elles peuvent détecter des objets de très loin - ce qui n'empêche pas de rater l'identification d'un obstacle réfléchissant à 2 m de distance.

[Bart]

Tout a fait, j'ai l'impression que l'on arrive au seuil de compétence du ML avec nos technologies et algos actuels.

Ca arrive à faire énormément de choses, les progrès ont été immenses, mais restent les petits trucs qui se produisent souvent et qui gâchent tout.

Modifié octobre 12, 2021 par Bart

[Fpse]

tesla n utilise pas le machine learning et heureusement sinon ils seraient loin de faire ce qu ils font aujourd'hui . Ils utilisent le Deep learning qui a bien plus de possibilités et en plus j ai l impression qu ils utilisent le mode non supervisé au regard de certaines régression. C est le mode d apprentissage le plus rapide mais aussi le plus incertain et je crois que c est un très bon choix. Laisser la machine analyser ce qu elle observe et imaginer un résultats avec bien-sûr l'aide de l homme qui oriente en changeant un peu les algorithmes au vu des résultats.

Le problème c est lorsque nous somme dans un scénario de déviance....le plus dur c est de détecter le moment où le moteur de Deep learning commence a dévier mais il y a plusieurs projets ici et là pour prévenir ces comportements... Donc ça ne peut que s améliorer.

 

 

 

 

 

 

 

 

 

 

 

Modifié octobre 12, 2021 par Fpse

[Solardream]

D ailleurs ça ne fait que de s améliorer, lentement, de façon quasi imperceptible a chaque MAJ, mais au bout de 3 ans la voiture gère beaucoup plus de situation elle même.

L apprentissage de l'AP se fait aussi pour le conducteur.  A prend du temps également.

[Bart]

Le 12/10/2021 à 21:04, Fpse a dit :

tesla n utilise pas le machine learning et heureusement sinon ils seraient loin de faire ce qu ils font aujourd'hui . Ils utilisent le Deep learning qui a bien plus de possibilités et en plus j ai l impression qu ils utilisent le mode non supervisé au regard de certaines régression. C est le mode d apprentissage le plus rapide mais aussi le plus incertain et je crois que c est un très bon choix. Laisser la machine analyser ce qu elle observe et imaginer un résultats avec bien-sûr l'aide de l homme qui oriente en changeant un peu les algorithmes au vu des résultats.

Le problème c est lorsque nous somme dans un scénario de déviance....le plus dur c est de détecter le moment où le moteur de Deep learning commence a dévier mais il y a plusieurs projets ici et là pour prévenir ces comportements... Donc ça ne peut que s améliorer.

 

Deep learning, machine learning… tu joues sur les mots, au final les limitations de ces technologies restent un obstacle pour tout ce qui sort des scénarios classiques 

Modifié octobre 13, 2021 par Bart

[pistache]

Le 12/10/2021 à 21:04, Fpse a dit :

machine learning et heureusement sinon ils seraient loin de faire ce qu ils font aujourd'hui . Ils utilisent le Deep learning

😃 Tu nous sors des définitions qu'on rigole ?

[Louzof]

Le 13/10/2021 à 07:46, pistache a dit :

😃 Tu nous sors des définitions qu'on rigole ?

En gros le deep learning et une sous catégorie du machine learning. 

La différence se situe dans le fait que le Deep Learning va être un apprentissage plus "profond" (d'où le nom). C'est-à-dire que le système va travailler sur des millions de données plutôt que sur des milliers côté machine learning.

La plus souvent, les réseaux de neurones travaillant sur des images ou vidéos fonctionnent avec du deep learning plutôt que du machine learning.

Après je ne rentre pas dans le détail, mais dans les faits les technologies sont différentes, les modèles de réseaux aussi, les méthodes d'apprentissage aussi, ...

[MrFurieux]

Le 13/10/2021 à 08:40, Louzof a dit :

En gros le deep learning et une sous catégorie du machine learning. 

Oui le DL est une forme de ML, donc c'est correct de parler de ML y compris pour Tesla

 

Le 13/10/2021 à 07:28, Bart a dit :

Deep learning, machine learning… tu joues sur les mots, au final les limitations de ces technologies restent un obstacle pour tout ce qui sort des scénarios classiques 

Sur le problème de la "sortie des scénarios classiques" E Musk a explicitement dit pendant la dernière conférence IA que leur nouvelle version pourrait réagir correctement à toutes les situations (il a cité de cas de l'atterrissage d'un OVNI sur la route).

Ça veut dire que même les objets non étiquetés devraient être "vus", d'où la surprise devant la non-détection d'un barrage routier. Peut être que le FSD peut détecter les objets inconnus mobiles mais pas les objets statiques ? Il n'a pas précisé si la soucoupe volante était en train d'atterrir ou déjà posée, le diable est toujours dans les détails 🙂

[pistache]

Le 13/10/2021 à 08:40, Louzof a dit :

En gros le deep learning et une sous catégorie du machine learning. 

Merci, ça suffit.

[Louzof]

Le 13/10/2021 à 08:56, MrFurieux a dit :

Oui le DL est une forme de ML, donc c'est correct de parler de ML y compris pour Tesla

Tout à fait. C'est simplement moins précis.

 

Le 13/10/2021 à 08:56, MrFurieux a dit :

Sur le problème de la "sortie des scénarios classiques" E Musk a explicitement dit pendant la dernière conférence IA que leur nouvelle version pourrait réagir correctement à toutes les situations (il a cité de cas de l'atterrissage d'un OVNI sur la route).

Oui du Musk tout craché... Toujours dans la retenue.

[LouisF]

Le 12/10/2021 à 00:01, lithium73fr a dit :

Si un humain peut gérer ces situations il n’y aucune raison que la machine ne sache pas en faire de même à terme. C’est justement le modèle défendu par Tesla qui est basé sur la vision et donc utilise les mêmes «capteurs» qu’un humain.

C'est un schéma qui ne fonctionne pas toujours. Pour arriver à refaire ce que fait la nature, l'humain invente très souvent des nouveaux dispositifs pour parvenir aux mêmes résultats.

[LouisF]

Le 11/10/2021 à 23:22, Samsaggace a dit :

Il est clair que les situations de travaux, routes barrées, déviations …. n’ont aucune signalisation standard et ne pourront jamais faire l’objet d’un traitement automatique avec quelques senseurs que ce soit.

Il n'y a pourtant rien dans cette situation qu'un radar ne saurait détecter automatiquement. A minima stopper la voiture.

[MrFurieux]

Le 13/10/2021 à 13:46, LouisF a dit :

Il n'y a pourtant rien dans cette situation qu'un radar ne saurait détecter automatiquement. A minima stopper la voiture.

Tout à fait, c'est un avantage des capteurs actifs (radar, lidar, ultrasons,...) que Tesla a perdu en passant au tout-caméras. Le "cerveau" derrière la caméra doit interpréter une image 2D au lieu de capter directement une scène 3D prémâchée. En plus la voiture a très peu de stéréoscopie faute de recouvrement entre des caméras distantes, pour évaluer les distances ça n'aide pas.

[Samsaggace]

Le 13/10/2021 à 14:46, MrFurieux a dit :

Tout à fait, c'est un avantage des capteurs actifs (radar, lidar, ultrasons,...) que Tesla a perdu en passant au tout-caméras.

Si vous voyez la gueule des images produites par ces capteurs vous en reviendriez. Ce n’est pas le type de capteur qui est ici en cause mais le traitement qui en est fait. 

[MrFurieux]

Le 13/10/2021 à 16:21, Samsaggace a dit :

Si vous voyez la gueule des images produites par ces capteurs vous en reviendriez. Ce n’est pas le type de capteur qui est ici en cause mais le traitement qui en est fait. 

C'est exactement ce que j'ai dit. Il n'empêche qu'un radar (ou un lidar) peut rattraper le coup si le traitement "visuel" hallucine une absence d'obstacle parce que lui va détecter directement tous les objets réfléchissants et leur distance.

Modifié octobre 13, 2021 par MrFurieux

[Samsaggace]

Le 13/10/2021 à 16:37, MrFurieux a dit :

parce que lui va détecter directement tous les objets réfléchissants et leur distance

Ca c'est ce que tu penses ! Rien à voir entre la détection et la classification.

Désolé de ces termes de radariste mais ,c'est essentiel pour bien comprendre.

Avec TOUT capteur il y a toujours une masse de faux échos que l'on élimine par différentes techniques puis l'image ainsi "purifiée" est analysée et plein d'éléments rentre dans le processus de classification.

Pour rendre la chose un peu compréhensible, il y a fort à parier que sans une bonne classification ton "lidar" ou ton "radar" ferait stopper ton véhicule devant tous les pigeons de la capitale.

A ce propos, je viens de faire un aller-retour 15ème - 19ème en intuitant à ce que ferait un FSD dans toutes ces zones de travaux, de chicanes et autres barrières où la voiture passe ric-rac en bipant de partout, où on se retrouve à se glisser dans des couloirs de bus ou sur la voie à contresens et où, parfois, on est totalement pommé qu'on se dit qu'il faut bien s'en sortir quelque-part entre un feu vert à droite et un feu rouge à gauche. Alors je soupire en pensant que tout cela n'a rien à voir avec mon excellente Champion mais vient de la décision notre chère édile qui souhaite que les automobiles ne puissent vraiment pas circuler paisiblement dans SA capitale.

[MrFurieux]

Le 13/10/2021 à 18:18, Samsaggace a dit :

Ca c'est ce que tu penses ! Rien à voir entre la détection et la classification.

Désolé de ces termes de radariste mais ,c'est essentiel pour bien comprendre.

Avec TOUT capteur il y a toujours une masse de faux échos que l'on élimine par différentes techniques puis l'image ainsi "purifiée" est analysée et plein d'éléments rentre dans le processus de classification.

Pour rendre la chose un peu compréhensible, il y a fort à parier que sans une bonne classification ton "lidar" ou ton "radar" ferait stopper ton véhicule devant tous les pigeons de la capitale.

Je veux bien te croire, mais en même temps la technologie du radar est suffisamment bien maitrisée pour être intégrée depuis des années comme dispositif anti-collisions sur pas mal de modèles et pas seulement dans le haut de gamme hi-tech. J'ai du mal à comprendre pourquoi ils ne l'ont pas gardé comme 2eme rideau anti-catastrophe pour le FSD, même s'il n'est pas utilisé dans les circonstances "normales".

[Ben_TM3]

Le 13/10/2021 à 18:47, MrFurieux a dit :

J'ai du mal à comprendre pourquoi ils ne l'ont pas gardé comme 2eme rideau anti-catastrophe pour le FSD

Musk avait donné l’explication. 
 

Selon lui, le radar génère trop de faux positifs et faux négatif, au point (toujours selon lui) d’être désormais plus une source de bruit qu’une aide pour le système Tesla Vision.

[MrFurieux]

Le 13/10/2021 à 22:19, Ben_TM3 a dit :

Musk avait donné l’explication. 
 

Selon lui, le radar génère trop de faux positifs et faux négatif, au point (toujours selon lui) d’être désormais plus une source de bruit qu’une aide pour le système Tesla Vision.

Oui il l'a même redit récemment

 

...mais ce qui n'est pas clair c'est en quoi le fait que les caméras soient les capteurs principaux empêche de garder le radar comme alerte anti-collisions, vu sa portée et sa résistance aux mirages optiques et aux ratés de l'IA. Un peu comme les ultrasons pour le parking (qui restent utilisés, et heureusement). Le mode "Tesla Vision" des voitures US actuelles reste handicapé par rapport aux voitures avec radar, plusieurs mois après la sortie, donc pour l'instant c'est une régression sur voie rapide.

L'argument "en cas de désaccord on ne sait pas quoi faire" est le même que pour les avions qui ont aussi des systèmes redondants qui peuvent être en désaccord, mais la solution retenue pour l'aviation civile est d'avoir 3 systèmes et de suivre la majorité - plus cher mais plus sûr que de faire confiance à un système unique.

Et l'argument "les humains ont juste des yeux et un cerveau" est franchement insultant, pas seulement pour les humains mais pour une grosse partie du règne animal.

[Fpse]

Je vois qu il y a de super spécialistes du dimanche de l IA. C est fabuleux.

Deep learning permet de traiter plusieurs éléments simultanément.

Machine learning , détecte une fleur sur une image et on te dira si c est juste ou non, très long process  ,

Deep learning technique de reconnaissance multiple avec deux mode de fonctionnement un supervisé et l'autre non.

Même si ça fait partie de la même famille c est très loin d être la même chose  ou un sous ensemble , dans l usage oui mais certainement pas d'un point de vue technique..... 

Modifié octobre 14, 2021 par Fpse

[Ben_TM3]

Le 14/10/2021 à 00:28, MrFurieux a dit :

mais ce qui n'est pas clair c'est en quoi le fait que les caméras soient les capteurs principaux empêche de garder le radar comme alerte anti-collisions, vu sa portée et sa résistance aux mirages optiques et aux ratés de l'IA

Justement : selon Musk (à prendre pour ce que ça vaut donc), le radar générait plus de "mirages optiques" et d'erreurs que les caméras, amenant à un résultat final moins bon que sans.

 

Cela étant, comme cela a été mentionné précédemment, un radar va par définition renvoyer un écho de plus ou moins tout ce qui est solide et a une masse; le problème viendrait donc plus de l'interprétation des données brutes du radar que du radar en lui-même...

[nicolinux]

Le 14/10/2021 à 09:49, Ben_TM3 a dit :

le radar générait plus de "mirages optiques" et d'erreurs que les caméras, amenant à un résultat final moins bon que sans.

Exactement, en particulier ils ont expliqué que cela retardait les freinages d'urgence, le temps de confirmer les informations du radar avec la vision. D'où leur idée d'enlever le radar et de faire confiance aux seules caméras.

[pistache]

Le 14/10/2021 à 09:52, nicolinux a dit :

D'où leur idée d'enlever le radar et de faire confiance aux seules caméras.

Et de prier...

[MrFurieux]

Le 14/10/2021 à 09:52, nicolinux a dit :

Exactement, en particulier ils ont expliqué que cela retardait les freinages d'urgence, le temps de confirmer les informations du radar avec la vision. D'où leur idée d'enlever le radar et de faire confiance aux seules caméras.

Tu as la source ?

Mais quel que soit leur argumentaire, perso j'ai pas trop confiance dans ce qu'ils disent, entre autres à cause du cas de la détection de pluie. On retrouve un problème similaire - à plus petite échelle - avec les détecteurs classiques (actifs) IR ou ultrasons remplacés par les caméras, et ça marche très mal (c'est même un running gag depuis des années). Le capteur de pluie de ma vieille voiture (+ de 20 ans) marchait parfaitement, le détecteur de ma TM3 dit n'importe quoi.

Et si on prend du recul, E Musk a toujours défendu l'option caméras seules contre le lidar, mais en répétant seulement en boucle deux arguments:

1) le lidar c'est cher

2) les humains se débrouillent avec deux caméras

Avec tout le respect dû à M. Musk pour toutes les fois où il a eu raison, le 2eme argument est bidon, pas dans l'absolu mais avec le hw actuel. Et le premier argument commence à sérieusement s'affaiblir avec l'arrivée de voitures chinoises avec lidar dans la zone des 25k$.

[nicolinux]

Le 14/10/2021 à 11:02, MrFurieux a dit :

Tu as la source ?

C'était pour cet article que je l'avais trouvée, dans une vidéo de Tesla sur le sujet de mémoire, peut-être celle-ci, mais sans garantie.

 

Cet article se concentrait sur le pari de la vision chez Tesla justement. C'est un pari, on ne sait pas encore s'il sera réussi, mais je trouve l'approche intéressante. Et pour la pluie, je n'ai pas connu les déboires des débuts, mais aujourd’hui je ne trouve ça pas si mal. Il y a encore quelques erreurs, mais rien de gênant, je trouve.