Defensa de Yikai WANG (Departamento de Automatización)

Los sistemas avanzados de asistencia al conductor (ADAS) han experimentado un desarrollo considerable en los últimos años. Sin embargo, los ADAS que permiten la conducción autónoma suelen basarse en reglas fijas, lo que, por un lado, limita su capacidad para adaptarse a las diferencias de comportamiento entre los conductores y, por otro, no les permite ajustar dinámicamente su propio comportamiento en función de la situación y las preferencias de dichos conductores.

Sistemas avanzados de asistencia al conductor.

Esta falta de flexibilidad puede llevar a un "desajuste de estilo" entre el conductor y su sistema, provocando conflictos en la toma de decisiones que pueden llevar a recuperar el control, lo que puede afectar a la seguridad de la conducción, así como a un deterioro de la confianza y la aceptabilidad del sistema.

En este contexto, nació el proyecto CoCoVéIA, financiado por la Agence Nationale de la Recherche (N° ANR-19-CE22-0009-01) y dirigido por LAMIH UMR CNRS 8201.

El proyecto anterior, CoCoVeA, ya había desarrollado un controlador de nivel 2 basado en un mecanismo de conducción compartida. Sobre esta base, CoCoVéIA introduce un mecanismo de autoaprendizaje de las preferencias de conducción del conductor, explotando los conflictos de toma de decisiones entre el conductor y su ADAS como principal fuente de datos.

El proyecto CoCoVéIA se basa en un mecanismo de autoaprendizaje de las preferencias de conducción del conductor.

El trabajo de esta tesis se centra en el diseño, desarrollo y validación de un modelo de preferencias de conducción, basado en tecnologías de inteligencia artificial, y que permite el control de un vehículo en modo autónomo y la adaptación progresiva de este modelo a las preferencias del conductor.

En cuanto a la metodología, la investigación se inició con un pre-experimento con conductores para identificar los parámetros vinculados a las preferencias de conducción, es decir, el comportamiento del conductor en términos de actuación ante una determinada situación a gestionar.

Preferencias de conducción.

El análisis de los datos permitió definir los parámetros de situación que debían tenerse en cuenta como entradas del modelo de preferencias, y los parámetros de comportamiento que debían tenerse en cuenta como salidas de este modelo. Se probaron diferentes algoritmos de aprendizaje de redes neuronales con los conjuntos de datos obtenidos durante los pre-experimentos.

A continuación, a partir de los algoritmos seleccionados, se entrena una red con un amplio conjunto de datos para obtener un modelo inicial que permita controlar el vehículo.

Preferencia.

Tras validar el comportamiento de este modelo durante su uso en línea, se utiliza un pequeño volumen de nuevos datos que representan nuevas preferencias para ajustar este modelo, lo que permite aprender nuevas preferencias de conducción.

Los algoritmos seleccionados se entrenan con un gran conjunto de datos con el fin de obtener un modelo inicial que permita controlar el vehículo.

Los experimentos realizados en un simulador de conducción validaron la eficacia del enfoque propuesto. Los resultados muestran que la combinación de una arquitectura de red neuronal de tipo Transformer y la técnica de ajuste fino permite aprender nuevas preferencias de conducción de forma eficiente a partir de un volumen limitado de datos, garantizando así que el sistema se adapte rápidamente a las preferencias de conducción individuales.

Los resultados de los experimentos en simuladores de conducción se han utilizado para validar la eficacia del enfoque propuesto.

Ponentes:

• Sra. Lydie NOUVELIERE, Profesora Titular de Universidad, Universidad de Saint-Étienne
• Sra. Naïma AITOUFROUKH-MAMMAR, Profesora Titular del Informe sobre Desarrollo Humano, Universidad de Evry Val d'Essonne
• Sra.

Examinadores:

• Sr. Jimmy LAUBER, Professeur des Universités, Université Polytechnique Hauts-de-France
• Sr. Jean-Christophe POPIEUL, Profesor de Universidades, Universidad Politécnica de Altos de Francia
• Sr. Jean-Christophe POPIEUL, Profesor de Universidades, Universidad Politécnica de Altos de Francia
• Sr.
• Sr. Bernard RIERA, Profesor de Universidades, Universidad de Reims

Director de tesis:

• Sr. Serge DEBERNARD, profesor universitario, Universidad Politécnica Hauts-de-France
  .