Constatant les limites des algorithmes de navigation classiques, l’équipe R&D du programme ARION propose de créer des systèmes de navigation autonome qui intègrent de nouvelles méthodes d’interprétation et de compréhension des environnements dans lesquels circulent les véhicules autonomes. Ces méthodes sont basées sur l’usage de nouvelles techniques d’analyse de l’information tel que l’apprentissage machine et plus spécifiquement l’apprentissage profond (Deep learning). Une des approches ciblées dans la proposition de recherche pour accroître la qualité de l’interprétation de l’environnement est l’analyse sémantique de scène. Il s’agit d’une innovation jugée particulièrement prometteuse pour rendre les véhicules autonomes aptes à circuler dans des environnements changeants et très dynamiques, par exemple sur des routes enneigées en hiver où circulera une navette autonome ou encore dans les champs d’agriculture où la croissance de cultures modifie fortement l’environnement perçu par un tracteur autonome. Cette approche pourra également être utilisée pour d’autres véhicules d’intérêt pour le programme ARION tels que les véhicules de manutention industrielle et de transport lourd spécialisé. Par ailleurs, l’équipe R&D compte également utiliser l’apprentissage profond pour améliorer la compréhension de l’environnement dans lequel circulent les véhicules autonomes. Des algorithmes de prédiction seront mis en fonction et testés pour, par exemple, prédire la trajectoire de piétons situés à proximité des véhicules autonomes ou encore anticiper les comportements dynamiques du véhicule dans un environnement donné.