Comparaison des approches classiques et neuronales dans l'architecture d'un système d'intelligence artificielle embarqué : application à la détection temps réel de danger automobile

par Daniel Berschandy

Thèse de doctorat en Sciences

Sous la direction de Thierry Maurin et de Roger Reynaud.

Soutenue en 1993

à Paris 11 .


  • Résumé

    Le travail décrit dans cette thèse se situe dans le cadre d'un programme de recherche européen Eurêka PROMETHEUS. Il s'agit de proposer une architecture d'un système embarqué dans une automobile pour la détection de certaines configurations de conduite dangereuse. Dans le premier chapitre, nous exposons le projet PROMETHEUS et ses objectifs. Il s'agit de la réalisation d'un démonstrateur sous trois fortes contraintes: embarquabilité, faible coût et temps réel. Une description de la machine de fusion réalisée est donnée: fusion au niveau signal des informations issues des capteurs, fusion objet pour construire des objets obstacles complets provenant d'informations multi-sources, et fusion symbolique qui fournit, qualifie et quantifie l'information danger. Cette présentation permet de cadrer la problématique de fusion de ce travail, distincte de celle d'autres travaux qui utilisent des méthodes plus calculatoires de diminution d'erreurs: il s'agit ici d'utiliser, d'améliorer et de faire collaborer des approches existantes. Ce chapitre se termine sur une présentation des architectures fonctionnelle et matérielle multi-processeurs retenues, compatibles avec d'autres travaux européens. Le deuxième chapitre est consacré à l'apport et aux outils de l'intelligence artificielle. Après un rappel des notions classiques sur les systèmes experts, nous décrivons le prototype logiciel retenu. Nous proposons ensuite une série d'adaptations opérées sur ce prototype, compte tenu du problème à résoudre: enrichissement de sémantique dans les règles, gestion dynamique de mémoire, fonctionnement du moteur d'inférence, codage et représentation de la connaissance,. . . Des résultats chiffrés illustrent ces améliorations (diminution du nombre de règles nécessaires à une application, vitesse d'exécution, etc. . . ). Nous comparons enfin l'approche choisie avec un environnement de développement de systèmes experts temps réel intégré qui offre la possibilité de compiler les fichiers de règles. Le gain en vitesse d'exécution est comparé au manque de souplesse et d'adaptabilité dans le raisonnement, inhérent à ce principe. Le troisième chapitre est dédié à la conversion numérique symbolique, conversion qui dépend fortement du contexte de la situation. Les fonctions d'appartenance retenues ici sont de type créneau, par opposition aux fonctions d'appartenance à recouvrement, mais de largeurs adaptables au contexte. Nous détaillons la mise en oeuvre de cette conversion, dans le cadre de l'application. La deuxième partie de ce chapitre décrit le raisonnement adopté pour la détection de configurations de conduite dangereuse. Ce raisonnement est décomposé en deux parties: acte réflexe, sur un faible nombre de données, et acte réfléchi. L'ensemble des 250 règles couvre les dangers inhérents à la conduite sur une portion d'autoroute en présence d'obstacles. L'approche est validée par l'étude des résultats fournis sur des scénarios types. Ces scénarios montrent l'importance de la conversion numérique symbolique par rapport à la totalité des règles exécutées lors d'un cycle d'inférence. Le quatrième chapitre traite de la conversion numérique symbolique, qui occupe le tiers des ressources du système expert. L'idée de séparer conversion et prise de décision nous amène à proposer une conversion par réseau neuronal. Après un rappel des différentes structures connexionnistes existantes, nous nous consacrons à une structure de reconnaissance utilisant la notion de prototypes dans un hyperespace. Nous présentons un logiciel, écrit par l'auteur en programmation orientée objet, basé sur ce principe. Un exemple de classification, relatif à l'application, utilisant des classes non linéairement séparables est ensuite proposé. Il s'agit d'une conversion numérique symbolique, évaluée sur des données simulées. Cette expérimentation montre que le problème du temps de calcul reste à résoudre avant une éventuelle utilisation en environnement temps réel. Le dernier chapitre, enfin, traite de l'ensemble du système de détection de configurations de conduite dangereuse embarqué. Les problèmes de communication entre processeurs ou modules de traitement sont examinés. Une mesure des temps de réaction des différents constituants de la machine, de la source d'information à la prise de décision est ensuite proposée. Une critique objective de l'architecture actuelle est ensuite donnée, suivie d'une proposition de nouvelle architecture pour les systèmes de contrôle temps réel embarqué.

  • Titre traduit

    Classical versus neural approach comparison in an artificial intelligence on board system architecture : application to real time danger detection in a car


  • Pas de résumé disponible.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (216 p.)
  • Annexes : Bibliogr. p.177-184 (82 réf.)

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Université Savoie Mont Blanc (Annecy-le-Vieux). Bibliothèque de Polytech'Annecy-Chambéry, site d'Annecy.
  • Disponible pour le PEB
  • Cote : T P1993/2036
  • Bibliothèque : Université Paris-Sud (Orsay, Essonne). Service Commun de la Documentation. Section Sciences.
  • Accessible pour le PEB
  • Bibliothèque : Centre Technique du Livre de l'Enseignement supérieur (Marne-la-Vallée, Seine-et-Marne).
  • Disponible pour le PEB
  • Cote : TH2014-011134
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.