XTRACTIS pour les A.D.A.S. & les véhicules autonomes

DÉTECTION D'URGENCE POUR UNE ASSISTANCE AU FREINAGE AUTOMATIQUE

Benchmark vs. Forêts Aléatoires, Arbres Boostés et Réseaux de Neurones

Comment diagnostiquer automatiquement, efficacement et en toute transparence les situations de conduite pour activer le freinage d’urgence, uniquement à partir des enregistrements de la voiture sans caméra, radar ou lidar ?

les OBJECTIFS & AVANTAGES

Identifiez les paramètres de la voiture impliqués dans le diagnostic de la situation de conduite et améliorer les connaissances techniques en aidant les ingénieurs à comprendre les relations de cause à effet entre des paramètres spécifiques, leur combinaison et l’apparition d’une situation d’urgence.

S’approcher du modèle parfait : la moindre erreur peut être fatale.

Aider les ingénieurs à concevoir des véhicules autonomes fiables et intelligibles qui assistent efficacement le conducteur en fonction de son style de conduite. Intelligible signifie que la logique interne du système de décision est explicite.

Imposer l’utilisation de modèles stables et transparents, audités par l’expert du domaine et certifiés par le régulateur avant de les intégrer dans le véhicule.

Mettre XTRACTIS au défi de trouver de meilleurs modèles que ceux que nous avons initialement créés “à la main” et bien plus rapidement !

les résultats XTRACTIS

Nous obtenons un modèle prédictif qui est à la fois :

Intelligible.

Un système de décision composé de 25 règles graduelles non chaînées, chaque règle utilise certaines des 12 variables identifiées par XTRACTIS comme significatives.

Robuste.

Très bonnes performances sur les données de Test par points et par essais.

Efficient & Operationnel.

Exécution en temps réel jusqu’à 70 000 prédictions par seconde (sur i7, 8 cœurs physiques, 2.5 GHz), hors ligne ou en ligne (API).

Use Case 11/2021 (v1.3)

Résultats par
XTRACTIS® GENERATE 11.3.40047 (11/2021)

SOMMAIRE DU DOCUMENT

  1. Définition du problème
  2. Solution Xtractis
  3. Induction du Top-Modèle 
  4. Prédictions pour 3 cas inconnus
  5. Benchmark des Top-Modèles
  6. Analyse des résultats temporels par essai