Wayve veut modifier cette façon de faire en laissant la voiture apprendre d'elle-même. Le principe sur le papier est simple. On fait parcourir au véhicule un trajet et un humain corrige les fautes de conduite. Après plusieurs trajets, la voiture a appris et ne sort plus de la route.

C'est le principe du "deep learning" (apprentissage profond via réseau neuronal) où l'expérience joue à plein pour améliorer les logiciels. On l'utilise par exemple dans la reconnaissance d'objets, de personnes, etc. Cette reconnaissance ingurgite des centaines de milliers d'échantillons où l'on indique par exemple ce qu'il y a sur une photo (chien, chat, humain, vélo, voiture, etc.) et la machine apprend. On retrouve cette reconnaissance dans les véhicules autonomes qui doivent distinguer leur environnement.

Ici, le véhicule est un Twizy, disposant d'une unique caméra, et le trajet est simplissime : une ligne droite. Le véhicule s'élance, sort de la route ou presque, se fait corriger, et ainsi de suite. Au bout de 11 essais, le Twizy réussi à ne pas sortir de sa ligne même si cela reste hésitant. On dirait presque un poulain ou autre animal nouveau-né qui réussit en quelques minutes/heures à se tenir debout et continuer son apprentissage. Wayve le compare à un enfant sur une bicyclette. Pas faux.

Générer des algorithmes supra-humains

Le but de Wayve n'est pas d'ouvrir une voie différente vers les véhicules autonomes, mais une voie complémentaire. Un véhicule autonome qui apprend au fur et à mesure, et peut même bénéficier de l'apprentissage des autres véhicules. Lancé avec déjà des règles, en quelques jours cela devient un super-conducteur comme il y a des super joueurs d'échecs ou de GO.

"Actuellement, les voitures autonomes sont bloquées à un bon niveau, mais pas suffisant. Là, nous avons les premières briques d'un framework viable pour rapidement améliorer les algorithmes de conduite, de médiocre à prêts pour la route. La capacité à apprendre rapidement à résoudre des problèmes au travers d'essais et d'erreurs est ce qui fait que les humains sont des machines incroyablement souples, capables d'évolution et de survie. Nous apprenons à travers un mélange d'imitation et beaucoup d'essais et d'erreurs pour tout, de la conduite d'un vélo à apprendre comment cuisiner"

Wayve n'hésite pas à reprendre la comparaison avec Google et son DeepMind, capable d'apprendre le jeu de GO et de battre un grand maître, les échecs, reconnaître un dessin, etc. DeepMind s'est même attaqué à des jeux vidéo Atari, avec plus ou moins de réussite. Sauf qu'il y a un détail.

"Les algorithmes pour jouer au jeux Atari demandent des millions d'essais pour résoudre une tâche. C'est remarquable que nous ayons appris à suivre une voie en moins de 20 essais".

Illustration : Wayve