Une nouvelle technologie de vision nocturne permet à l'IA de voir dans l'obscurité totale comme en plein jour

Les prédateurs nocturnes ont un super pouvoir bien ancré : même dans l’obscurité totale, ils peuvent facilement surveiller leur environnement et se concentrer sur des proies savoureuses cachées dans un paysage monochrome.

La chasse pour votre prochain souper n'est pas le seul avantage de voir dans le noir. Prenez la route sur un chemin de terre rural par une nuit sans lune. Les arbres et les buissons perdent leur éclat et leur texture. Les animaux qui traversent la route en trottinant deviennent des taches sombres. Malgré leur sophistication à la lumière du jour, nos yeux ont du mal à traiter la profondeur, la texture et même les objets dans un éclairage faible.

Il n'est pas surprenant que les machines aient le même problème. Bien qu’elles soient équipées d’une myriade de capteurs, les voitures autonomes tentent toujours d’être à la hauteur de leur nom. Ils fonctionnent bien dans des conditions météorologiques parfaites et sur des routes avec des voies de circulation dégagées. Mais demandez aux voitures de rouler sous une forte pluie ou dans le brouillard, dans la fumée d’incendies de forêt ou sur des routes sans éclairage public, et elles ont du mal.

Ce mois-ci, une équipe de l’Université Purdue s’est attaquée de front au problème de la faible visibilité. Combinant l’imagerie thermique, la physique et l’apprentissage automatique, leur technologie a permis à un système d’IA visuelle de voir dans l’obscurité comme s’il faisait jour.

Au cœur du système se trouvent une caméra infrarouge et une IA, entraînées sur une base de données d'images personnalisée pour extraire des informations détaillées d'un environnement donné, apprenant essentiellement à cartographier le monde à l'aide de signaux thermiques. Contrairement aux systèmes précédents, la technologie, appelée détection et télémétrie assistées par la chaleur (HADAR), a surmonté une pierre d'achoppement notoire : « l'effet fantôme », qui provoque généralement des images fantomatiques tachées, peu utiles pour la navigation.

Donner aux machines une vision nocturne n’aide pas seulement aux véhicules autonomes. Une approche similaire pourrait également renforcer les efforts de suivi de la faune à des fins de préservation, ou aider à la surveillance à longue distance de la chaleur corporelle dans les ports très fréquentés en tant que mesure de santé publique.

"HADAR est une technologie spéciale qui nous aide à voir l'invisible", a déclaré l'auteur de l'étude Xueji Wang.

Nous nous sommes beaucoup inspirés de la nature pour former des voitures autonomes. Les générations précédentes ont adopté le sonar et l’écholocation comme capteurs. Puis est venu le balayage Lidar, qui utilise des lasers pour scanner dans plusieurs directions, trouver des objets et calculer leur distance en fonction de la vitesse à laquelle la lumière rebondit.

Bien que puissantes, ces méthodes de détection se heurtent à un énorme obstacle : elles sont difficiles à étendre. Les technologies sont « actives », ce qui signifie que chaque agent d’IA – par exemple un véhicule autonome ou un robot – devra constamment scanner et collecter des informations sur son environnement. Avec plusieurs machines sur la route ou dans un espace de travail, les signaux peuvent interférer les uns avec les autres et être déformés. Le niveau global des signaux émis pourrait également potentiellement endommager les yeux humains.

Les scientifiques recherchent depuis longtemps une alternative passive. C'est ici que les signaux infrarouges entrent en jeu. Tous les matériaux (corps vivants, ciment froid, silhouettes de personnes en carton) émettent une signature thermique. Ceux-ci sont facilement capturés par des caméras infrarouges, que ce soit dans la nature pour surveiller la faune ou dans les musées scientifiques. Vous l'avez peut-être déjà essayé : avancez et la caméra montre une tache bidimensionnelle de vous et comment différentes parties du corps émettent de la chaleur sur une échelle aux couleurs vives.

Malheureusement, les images résultantes ne vous ressemblent en rien. Les bords du corps sont tachés et il y a peu de texture ou de sensation d'espace 3D.

« Les images thermiques du visage d'une personne ne montrent que les contours et un certain contraste de température ; il n'y a aucune caractéristique, ce qui donne l'impression que vous avez vu un fantôme », a déclaré l'auteur de l'étude, le Dr Fanglin Bao. "Cette perte d'informations, de textures et de caractéristiques constitue un obstacle à la perception des machines utilisant le rayonnement thermique."

Cet effet fantôme se produit même avec les caméras thermiques les plus sophistiquées en raison de la physique.

Voyez-vous, des corps vivants au ciment froid, tous les matériaux envoient des signaux thermiques. De la même manière, l’environnement tout entier émet également un rayonnement thermique. Lorsque vous essayez de capturer une image basée uniquement sur des signaux thermiques, le bruit de la chaleur ambiante se mélange aux sons émis par l'objet, ce qui donne des images floues.