Une équipe de l'Université Rice aux États-Unis a récemment lancé un nouveau système de radar routier appelé EyeDAR, qui devrait fournir aux véhicules autonomes des capacités de détection étendues similaires à celles d'un « troisième œil ». Les chercheurs ont déclaré que cette technologie peut améliorer considérablement la précision de la perception environnementale et la redondance de la sécurité des véhicules autonomes en transmettant des informations clés sur le trafic au système monté sur le véhicule via des radars à ondes millimétriques déployés sur l'infrastructure routière.
La conduite autonome existante repose principalement sur les caméras embarquées, le lidar (LiDAR) et le radar traditionnel pour fonctionner ensemble : la caméra est responsable de l'identification des piétons, des véhicules et des panneaux de signalisation, et le LiDAR utilise des impulsions laser pour créer un nuage de points tridimensionnel de haute précision afin de compenser les lacunes de la vision et du radar dans la perception spatiale de la profondeur. Cependant, les deux sont sensibles aux intempéries telles que la pluie, la neige, la brume, etc. Le radar permet une détection de cible qui ne dépend pas de la lumière et des conditions météorologiques en transmettant et en recevant des ondes radio. Cependant, dans l'environnement routier réel, les objets détectés ne reflètent souvent qu'une petite quantité de signaux et un grand nombre d'ondes radar sont dispersées, ce qui entraîne des informations incomplètes reçues par le radar du véhicule, ce qui rend difficile l'identification précise des risques potentiels tels que les piétons et les véhicules bloqués ou partiellement bloqués en temps opportun.
Alors que les camions autonomes, les robots de livraison, etc. progressent progressivement vers la commercialisation, la limitation des capteurs qui « ne peuvent pas voir clairement ou loin » dans des conditions routières complexes est de plus en plus considérée comme une lacune en matière de sécurité. L'équipe de l'Université Rice tente d'étendre le système de perception des véhicules aux infrastructures routières, en utilisant EyeDAR pour combler les angles morts et les lacunes d'information. Cet appareil adopte une conception de radar à ondes millimétriques de faible puissance et peut être installé sur des installations en bordure de route telles que des feux de circulation, des panneaux de signalisation et des panneaux d'affichage. Il « collecte » les ondes réfléchies initialement dispersées dans l'environnement, les transforme en une description plus complète des usagers de la route environnants et les retransmet au système radar embarqué du véhicule.
Le cœur d'EyeDAR est une unité de détection de la taille d'une orange, composée de deux parties semblables à une « lentille » et à une « rétine » : l'extrémité avant est une lentille en métamatériau de Luneburg fabriquée à l'aide de la technologie d'impression 3D, qui est utilisée pour focaliser avec précision les signaux radio provenant de différentes directions vers une mise au point fixe ; suivi d'une rangée de réseaux d'antennes étroitement disposés, chargés de recevoir et d'analyser les informations spatiales de ces signaux focalisés, puis de les renvoyer au système radar automobile. Contrairement aux solutions radar traditionnelles qui nécessitent des réseaux d'antennes à grande échelle et des calculs numériques complexes pour compléter la formation du faisceau et le traitement du signal, EyeDAR s'appuie sur la structure physique de la lentille elle-même pour effectuer une grande quantité de travail de « prétraitement », simplifiant considérablement la charge sur le matériel électronique et les algorithmes.
Selon l'équipe de recherche, cette lentille est composée de plus de 8 000 petites unités de formes et d'indices de réfraction différents. La position et les paramètres de chaque unité sont soigneusement conçus afin que l'ensemble du matériau puisse se plier et se concentrer d'une manière spécifique lorsque les ondes électromagnétiques le traversent. Il s'agit essentiellement d'un processeur de signal analogique « matériel-matériel ». Grâce à cette structure métamatérielle, EyeDAR peut compléter « instantanément » le pré-calcul des informations spatiales pendant le processus de transmission à la vitesse de la lumière, éliminant ainsi le besoin d'une grande quantité de traitement numérique long et énergivore dans les radars traditionnels. Les résultats expérimentaux montrent que le système peut déterminer les directions des cibles plus de 200 fois plus rapidement que le radar traditionnel, ce qui est considéré comme un progrès significatif en termes de performances dans le traitement analogique par rapport au traitement numérique.
Contrairement aux radars routiers conventionnels ou aux équipements de transmission actifs, EyeDAR lui-même ne génère pas de nouvelles ondes électromagnétiques. Au lieu de cela, il se concentre sur la collecte des échos « résiduels » dispersés vers l’extérieur une fois que le véhicule a détecté la cible, puis les filtre et les reconstruit, et renvoie le signal « nettoyé » au radar monté sur le véhicule. Les chercheurs estiment que cette conception, compacte et peu coûteuse, dotée d'une architecture simple et reposant sur un traitement de simulation ultra-rapide, devrait permettre une pose à grande échelle le long des routes et autoroutes urbaines, formant ainsi un réseau d'infrastructures qui sert la « vision de loin » et la « perspective » des véhicules autonomes.
Cependant, l'expert en fabrication Emeka Moronu reste prudent quant à la possibilité de mettre en œuvre ce plan. Il a souligné que, même si les modèles théoriques et les données expérimentales sont passionnants, il est très difficile de reproduire des milliers d'unités microstructurales de manière stable pendant une longue période dans la production réelle et de garantir qu'elles maintiennent la précision géométrique et les performances dans des environnements extérieurs extrêmes tels que l'exposition à des températures élevées et au froid et au gel intenses. Cela pourrait également devenir l’un des principaux seuils permettant à EyeDAR de sortir du laboratoire et de s’orienter vers un déploiement à grande échelle.
Malgré l'incertitude entourant les perspectives, l'équipe de l'Université Rice estime qu'EyeDAR démontre le potentiel du radar métamatériau routier pour la sécurité de la conduite autonome. Une fois déployés à grande échelle, les véhicules peuvent s'appuyer sur ces « yeux en bordure de route » pour obtenir des informations sur l'état de la route au-delà de la plage de détection de leurs propres capteurs, et détecter précocement les usagers de la route aux coins et les piétons ou les véhicules obscurcis par de gros obstacles, améliorant ainsi la redondance de sécurité de l'ensemble du système de transport. Les chercheurs prédisent également que cette technologie pourra également être étendue à l’avenir à des scénarios d’application tels que les drones, les robots et la surveillance de la sécurité, fournissant ainsi un support plus fiable en matière de perception environnementale pour une variété de systèmes autonomes.