Le domaine de l’intelligence artificielle (IA) est en constante évolution, et les véhicules autonomes en sont un exemple frappant. Pour que ces véhicules puissent circuler en toute sécurité sur les routes, il est crucial qu’ils puissent apprendre à identifier et à réagir aux différentes situations auxquelles ils peuvent être confrontés. Cela nécessite une quantité importante de données collectées à partir de situations réelles ou de simulations.

Pour accélérer l’apprentissage des véhicules autonomes et améliorer leur sécurité, l’IMREDD a lancé le projet BonsAI. Il s’agit d’un testbed, c’est-à-dire un environnement routier en échelle réduite.

L’originalité de ce projet réside dans le fait que l’environnement de test reproduit un endroit réel : le rond-point des Balcons d’Azur à Mandelieu-La Napoule. Ce rond-point a été équipé de capteurs pour collecter des données réelles et dynamiques sur le trafic routier. Les données collectées sont envoyées au testbed et utilisées pour
tester et développer les technologies de conduite autonome, évaluer les performances des systèmes de navigation et de communication, et améliorer la sécurité des véhicules autonomes.

Des véhicules en échelle réduite, équipés de la même technologie des navettes autonomes, circulent sur une maquette du rond-point dans la Plateforme Technologique de l’IMREDD et réagissent aux conditions de circulation provenant des capteurs installés au rond-point napoulois.

Le projet BonsAI vise également à contribuer au développement d’une nouvelle approche d’apprentissage par la machine appelée « IA fédérative ». Contrairement à
l’approche traditionnelle, qui implique la collecte de données individuelles dans une base de données centralisée, l’IA fédérative se base sur l’apprentissage distribué, dans lequel les données restent sur les appareils locaux et les modèles de données sont échangés plutôt que les données individuelles. Ainsi, l’IA fédérative permet un apprentissage plus rapide et efficace tout en préservant la confidentialité des données individuelles.