Le 3 avril dernier, Antoine Plissonneau a soutenu sa thèse de doctorat intitulée « Apprentissage machine pour la décision de conduite autonome de véhicules guidés : Application dans le domaine ferroviaire ».
L’un des défis majeurs de l’adoption de véhicules autonomes réside dans leur capacité à gérer les situations dangereuses et notamment à éviter les collisions avec d’autres objets évoluant dans le même environnement. Pour y parvenir, ces véhicules doivent embarquer des systèmes capables de prendre des décisions de conduite assurant la sécurité des biens et des personnes. Cette thèse visait l’élaboration de stratégies de prise de décision pour des véhicules guidés autonomes en évitant les collisions, via le contrôle de leur vitesse.
Ce travail, intégré au projet Train de Fret Autonome, a permis la proposition de deux méthodes et d’une architecture de réseau de neurones. La première méthode utilise l’apprentissage par imitation pour entraîner un agent à imiter un expert dans la tâche d’évitement de collision. La seconde utilise l’apprentissage par renforcement pour maximiser une fonction de récompense favorisant une conduite sécuritaire et efficiente en termes de temps de trajet. Finalement, une architecture de réseau de neurones innovante est proposée consistant à l’ajout d’une tâche auxiliaire de prédiction de trajectoire des obstacles à un modèle d’apprentissage par renforcement. Cette tâche auxiliaire apporte à l’agent des informations d’anticipation en forçant la représentation intermédiaire à être prédictive.
La contribution de cette thèse a été appliquée sur deux types de véhicules : un train de fret et un tramway. La validation s’est faite sur un simulateur que nous avons développé ainsi que sur le simulateur Pschitt du laboratoire LAMIH. Les résultats montrent que les méthodes et l’architecture proposées sont efficaces pour gérer ces situations de conduite en présence d’obstacles en mouvement
Cette thèse s’est déroulée au sein de l’IRT RAILENIUM, encadrée par Lotfi ABDI, en partenariat avec le Laboratoire LAMIH UMR CNRS 8201 de l’Université Polytechnique Hauts-de-France.
Nous félicitons chaleureusement Antoine et lui souhaitons le meilleur pour la suite de sa carrière professionnelle.