Titre ■ Dispositif et procédé d’évaluation d’un système d’aide à la conduite pour véhicule automobile, le système d’aide à la conduite mettant en œuvre un réseau neuronal artificiel

L’invention se rapporte au domaine des systèmes d'aide à la conduite pour véhicules automobile, et elle concerne plus particulièrement de tels systèmes d'aide à la conduite mettant en œuvre au moins un réseau neuronal artificiel. Elle trouve une application non exclusive mais particulièrement avantageuse pour les véhicules automobiles autonomes ou semi-autonomes.

Les systèmes d'aide à la conduite occupent une part de plus en plus importante dans les véhicules automobiles, que ces derniers soient complètement autonomes ou à des degrés d’autonomie divers. Selon les types de véhicules et leurs configurations, ces systèmes d'aide à la conduite ont pour tâche de faciliter ou de permettre la conduite du véhicule en toute sécurité. De tels systèmes d'aide à la conduite peuvent, par exemple, transmettre un simple avertissement au conducteur lors d'une situation potentiellement dangereuse telle que, par exemple, un franchissement intempestif de ligne sur une route, ou ils peuvent agir directement sur un ou plusieurs organes de commande du véhicule, par exemple, pour imprimer à un véhicule autonome ou semi-autonome un changement de direction.

Quel que soit le degré d’autonomie du véhicule sur lequel est appliqué le système d’aide à la conduite, la mise en œuvre de réseaux neuronaux dans ces permet d'augmenter la précision et la pertinence de l'aide apportée. Le réseau neuronal artificiel est notamment mis en œuvre pour définir un vecteur caractéristique représentatif d’un ensemble d'informations de conduite assimilées simultanément par le réseau neuronal artificiel pour une scène de route donnée. Ce vecteur caractéristique représente une priorisation des données présentes dans les informations de conduite assimilées et sert de base à l’élaboration, par des moyens de calcul appropriés du système d’aide à la conduite, d’une action de conduite sur un organe de commande du véhicule propre à répondre à la situation de conduite analysée par le réseau neuronal artificiel. Tel qu’évoqué, l’utilisation de ces réseaux neuronaux permet de répondre très efficacement à des situations de conduite instantanées qui peuvent ne pas avoir été encore rencontrées par le système d’aide à la conduite. Ces systèmes sont particulièrement fiables, mais un inconvénient de leur utilisation est qu’il est compliqué de détecter d’éventuels cas de dysfonctionnement du fait de la difficulté d’appréhender et critiquer rapidement la logique de traitement des informations du réseau neuronal artificiel.

Le problème technique auquel la présente invention se propose d'apporter une solution est celui de l'identification, dans un système d'aide à la conduite mettant en œuvre un réseau neuronal, des cas de dysfonctionnement ou des situations de conduite dans lesquelles le système d'aide à la conduite est susceptible de dysfonctionner.

Pour atteindre son but, l'invention a pour objet, selon un premier aspect, un dispositif d'évaluation d'un système d'aide à la conduite pour véhicule automobile, le système d'aide à la conduite mettant en œuvre un réseau neuronal artificiel pour générer une action de conduite sur un organe de commande du véhicule en fonction d'un ensemble d'informations de conduite instantanées, le système d'aide à la conduite agissant notamment par la définition, par le réseau neuronal artificiel, d'un vecteur caractéristique représentatif de l'ensemble d'informations de conduite instantanées, le dispositif d'évaluation étant configuré pour identifier au moins un vecteur caractéristique critique pour lequel il est impossible de définir une action de conduite ou pour lequel l'action de conduite est erronée.

L'action de conduite générée par le système d'aide à la conduite est ici effectuée sur un organe de commande du véhicule. Il peut s'agir, à titre d'exemples non exhaustifs, du système de freinage du véhicule, ou du volant de celui-ci. Le système d'aide à la conduite considéré pilote ainsi la réalisation, par l'organe de commande considéré, de l'action de conduite qu'il a générée, avec ou sans intervention d'un conducteur du véhicule.

Les informations de conduite utilisées par le système d'aide à la conduite pour générer l'action de conduite sont constituées d'une pluralité d'informations mesurées et/ ou calculées par un ensemble de capteurs et/ ou organes de calcul du véhicule. Il convient de considérer que ces informations de conduite sont dites instantanées car détectées à un instant donné, le cas échéant de manière continue en temps réel. A titre d'exemples non exhaustifs, ces informations de conduite peuvent comprendre des données de télédétection obtenues par un dispositif de type LIDAR ou RADAR, des images prises par une ou plusieurs caméras du véhicule, des valeurs de paramètres de fonctionnement du véhicule tels que, par exemple, la vitesse ou la direction du véhicule, mesurées par différents capteurs tels que, par exemple, un capteur de vitesse ou un capteur d'angle de volant, ou des valeurs de paramètres relatifs à l'environnement instantané du véhicule tels que, par exemple, un état humide ou sec de la chaussée, mesuré par exemple par un capteur de pluie du système d'essuie-glace du véhicule, ou une valeur de luminosité ambiante mesurée par exemple par un capteur de luminosité de l'ensemble d'éclairage et de signalisation du véhicule. Le réseau neuronal artificiel du système d'aide à la conduite compile ces informations de conduite instantanées, obtenues à un instant donné de roulage du véhicule, en un vecteur caractéristique exploitable par des moyens de calcul du système d’aide à la conduite et, sur la base du vecteur caractéristique, le système d'aide à la conduite définit une action de conduite telle que précitée.

Le dispositif d'évaluation proposé par l'invention est configuré pour identifier, parmi les vecteurs caractéristiques définis par le réseau neuronal artificiel du système d'aide à la conduite, celui ou ceux pour lesquels aucune action de conduite ne pourra être générée, par exemple en raison d'un conflit entre différentes informations de conduite, ainsi que celui ou ceux conduisant à une action de conduite erronée. Le terme "erroné" est ici à comprendre, comme par exemple, une action de conduite incohérente au regard des paramètres de conduite du véhicule à l'instant considéré.

Pour réaliser l'identification précitée, le dispositif d'évaluation selon l'invention comprend, selon l'une de ses caractéristiques : un module approximateur configuré pour définir une fonction de transfert reliant le vecteur caractéristique défini par le réseau neuronal artificiel du système d'aide à la conduite et l'action de conduite générée par le système d'aide à la conduite en fonction de ce vecteur caractéristique, la fonction de transfert s'exprimant sous la forme d'un rapport d'une fonction polynomiale numérateur et d'une fonction polynomiale dénominateur, un module de résolution configuré pour rechercher au moins un vecteur caractéristique critique, solution de divergence de la fonction de transfert définie par le module approximateur, plus particulièrement une valeur de vecteur caractéristique solution de l'équation d'annulation de la fonction polynomiale dénominateur.

On comprend ici que la variable de la fonction de transfert définie par le module approximateur est le vecteur caractéristique défini par le réseau neuronal artificiel du système d'aide à la conduite.

En d'autres termes, le module approximateur du système d’évaluation est configuré pour exprimer sous la forme d'un rapport de fonctions polynomiales la relation existant au sein du système d’aide à la conduite entre un vecteur caractéristique défini par le réseau neuronal artificiel et l'action de conduite qui en résulte, et le module de résolution est configuré pour rechercher les cas de divergence d’une fonction de transfert formée du rapport de fonctions polynomiales, c'est-à-dire, notamment, les cas d'annulation du dénominateur dudit rapport. On considère ici que les cas de divergence de la fonction de transfert précitée conduisent à des impossibilités de définition d'actions de conduite ou à des actions de conduite erronées au sens précédemment décrit. Autrement dit, le module de résolution est configuré pour trouver un ou plusieurs vecteurs caractéristiques critiques pouvant conduire à un dysfonctionnement du système d'aide à la conduite, c'est-à-dire à des cas dans lesquels ce dernier ne pourra pas générer d'action de conduite ou des cas dans lesquels l'action de conduite générée sera incohérente par rapport aux informations de conduite instantanées.

Selon une autre caractéristique, le dispositif d'évaluation selon l'invention comprend un module de calcul mettant en œuvre un réseau neuronal artificiel inversé, le module de calcul étant configuré pour déterminer des informations de conduite critiques sur la base de l'au moins un vecteur caractéristique critique défini par le module de résolution. Plus particulièrement, le module de calcul du dispositif d'évaluation selon l'invention est configuré pour mettre en œuvre, via le réseau neuronal artificiel inverse évoqué, la fonction inverse de la fonction mise en œuvre par le réseau neuronal artificiel du système d'aide à conduite pour définir un vecteur caractéristique à partir des informations de conduite instantanées précédemment évoquées. Le module de calcul détermine donc un ensemble d'informations de conduite critiques qui conduirait au vecteur caractéristique critique défini par le module approximateur et le module de résolution.

Avantageusement, le module de calcul du dispositif d'évaluation selon l'invention met en œuvre un réseau neuronal artificiel inverse, par exemple du type connu sous l'acronyme anglo-saxon GAN pour Generative Adversarial Network.

Selon une autre caractéristique, le dispositif d'évaluation comprend un organe comparateur configuré pour comparer les informations de conduite critiques déterminées par le réseau neuronal artificiel inverse du module de calcul avec les informations de conduite instantanées transmises à l’origine au réseau neuronal artificiel du système d'aide à la conduite.

Dans une phase d’apprentissage du dispositif d’évaluation, l'organe comparateur et le module de calcul fonctionnent par itérations successives, c'est-à-dire que les informations de conduite critiques déterminées par le module de calcul du dispositif d’évaluation sur la base du vecteur caractéristique critique défini par le module de résolution sont ajustées par itérations successives, jusqu'à ce qu'elles correspondent au vecteur caractéristique défini par le réseau neuronal artificiel du système d'aide à la conduite. On réalise ainsi une forme d'auto-apprentissage du module de calcul du dispositif d'évaluation selon l'invention.

Selon une autre caractéristique, le dispositif d'évaluation selon l'invention comprend un organe d'analyse configuré pour comparer l'action de conduite générée par le système d'aide à la conduite pour l'au moins un vecteur caractéristique critique défini par le module de résolution avec une action de conduite théorique à effectuer définie par un conducteur du véhicule pour des informations de conduite identiques. En d'autres termes, l'organe d'analyse est configuré pour valider ou non la pertinence de l'action générée par le système d'aide à la conduite dans le cas d'un vecteur caractéristique critique conduisant à une divergence de la fonction de transfert définie par le module approximateur, et cette validation est remontée au système d’aide à la conduite notamment à des fins d’apprentissage continu du réseau neuronal artificiel du système d’aide à la conduite.

Selon un autre aspect, l’invention concerne un banc d’essai d’un système d’aide à la conduite comportant un réseau neuronal artificiel et un dispositif d'évaluation tel que précédemment évoqué. Un tel banc d’essai est notamment mis en œuvre en atelier, lors de la mise au point du système d'aide à la conduite et de l’apprentissage du réseau neuronal artificiel, et le dispositif d’évaluation peut être implanté sur le banc d’essai pour améliorer l’apprentissage du réseau neuronal artificiel, notamment en lui renvoyant des données sur des situations jugées critiques suite à l’analyse faite dans un premier temps par le système d’aide à la conduite.

Selon un autre aspect, l’invention concerne un véhicule équipé d’un système d’aide à la conduite comprenant un réseau neuronal artificiel et un dispositif d'évaluation tel que précédemment évoqué. Le dispositif d’évaluation embarqué sur le véhicule a notamment pour fonction de détecter en temps réel des cas d’analyse critiques et d’envoyer une information de commande au véhicule qui vienne remplacer l’information de commande préalablement générée par le système d’aide à la conduite et son réseau neuronal artificiel.

Selon un autre aspect, l'invention a pour objet un procédé d'évaluation d'un système d'aide à la conduite d'un véhicule automobile, le système d'aide à la conduite mettant en œuvre un réseau neuronal artificiel, le procédé d'évaluation comprenant : une première phase de récupération, par le module de résolution d'un dispositif d'évaluation tel que précédemment décrit, d’au moins un vecteur caractéristique formant partie d’un couple de données établi par le système d'aide à la conduite et constitués respectivement d’un vecteur caractéristique défini à partir d'informations de conduite instantanées et d'une action de conduite générée par le système d'aide à la conduite sur la base du vecteur caractéristique, une deuxième phase, ou une troisième phase, de détermination d'au moins un vecteur caractéristique critique pour lequel la fonction de transfert définie par le module approximateur du dispositif d'évaluation diverge, une étape de transmission, au système d'aide à la conduite, d'une information de divergence sur la base de laquelle le système d'aide à la conduite peut générer une action corrective.

Selon un exemple, l'action corrective peut consister en une simple transmission d'une information de divergence du fonctionnement du système d'aide à la conduite. Cette information de divergence peut être adressée à un conducteur du véhicule, à un organe central de contrôle du véhicule ou au système d'aide à la conduite. Le procédé selon l'invention permet alors de réaliser une forme d'auto-apprentissage du système d'aide à la conduite.

Selon un autre exemple, l'action corrective précitée peut comprendre une ou plusieurs actions sur le véhicule lui-même. Par exemple, dans le cas de véhicules autonomes, l'action corrective peut consister, selon le degré d'autonomie du véhicule, en une demande de prise de contrôle du véhicule par un conducteur, ou à une action sur un organe de commande du véhicule pour réaliser une mise en sécurité de ce dernier.

Selon une caractéristique, le procédé selon l'invention comprend : une étape de détermination d'au moins un ensemble d'informations de conduite critiques correspondant à un vecteur caractéristique critique pour lequel la fonction de transfert définie par le module approximateur d'un dispositif d'évaluation tel que précédemment décrit diverge, une étape de comparaison des informations de conduite critiques avec les informations de conduite instantanées ayant conduit à la détermination du vecteur caractéristique par le réseau neuronal artificiel du système d'aide à la conduite.

Selon une autre caractéristique, le procédé selon l'invention comprend : une étape de comparaison de l'action de conduite, commandée par le réseau neuronal artificiel du système d'aide à la conduite pour des informations de conduite instantanées ayant conduit au vecteur caractéristique critique pour lequel la fonction de transfert définie par le module approximateur d'un dispositif d'évaluation tel que précédemment décrit diverge, avec une action de conduite théorique, préalablement définie par un conducteur du véhicule, pour les mêmes informations de conduite, une étape de transmission, au système d'aide à la conduite, de l'action de conduite théorique.

Le procédé selon l'invention réalise ainsi une forme d'auto-apprentissage du système d'aide à la conduite.

L'invention permet donc, d'une part, une évaluation d'un système d'aide à la conduite mettant en œuvre un réseau neuronal artificiel, et, d'autre part, un auto-apprentissage de celui-ci.

D'autres caractéristiques, détails et avantages de l'invention apparaîtront plus clairement à l'aide de la description qui suit et des dessins parmi lesquels :

[Fig i] est une représentation schématique d'un premier exemple de réalisation du dispositif d'évaluation selon l'invention,

[Fig 2] est une représentation schématique d'un deuxième exemple de réalisation du dispositif d'évaluation selon l'invention,

[Fig 3] illustre schématiquement un exemple du déroulement d'un premier mode de mise en œuvre du procédé selon l'invention,

[Fig 4] illustre schématiquement un exemple du déroulement d'un deuxième mode de mise en œuvre du procédé selon l'invention.

Il faut tout d'abord noter que si les figures exposent l'invention de manière détaillée pour sa mise en œuvre, elles peuvent bien entendu servir à mieux définir l'invention le cas échéant. Il est également à noter que, sur l'ensemble des figures, les éléments similaires et/ou remplissant la même fonction sont indiqués par le même repère.

La figure 1 montre schématiquement un dispositif d'évaluation 100 selon l'invention, configuré pour évaluer un système d'aide à la conduite 200 d'un véhicule automobile, le système d'aide à la conduite 200 mettant en œuvre un réseau neuronal artificiel 201. Plus précisément, le réseau neuronal artificiel 201 du système d'aide à la conduite 200 est configuré pour définir un vecteur caractéristique Z à partir d'une pluralité d'informations de conduite instantanées X mesurées et/ou calculées au sein d'un véhicule automobile non représenté sur la figure 1. A titre d'exemples non exhaustifs, les informations de conduite instantanées X peuvent comprendre des données de télédétection obtenues par un dispositif de type LIDAR ou RADAR, et/ou des images enregistrées par une ou plusieurs caméras embarquées sur le véhicule, et/ ou des informations relatives à la vitesse du véhicule ou des informations relatives à une position angulaire du volant du véhicule.

Sur la base du vecteur caractéristique Z précité, le système d'aide à la conduite 200 est configuré pour générer une action de conduite Y sur un organe de commande 300 du véhicule. A titre d'exemple non exclusif, l'organe de commande 300 du véhicule peut être, par exemple, le volant de celui-ci. L’action de conduite Y est notamment définie par des moyens de calcul 202, du type régresseur et contrôleur.

Selon l'invention, le dispositif d'évaluation 100 du système d'aide à la conduite 200 comprend un module approximateur 102, configuré pour reconstruire un modèle mathématique similaire à ceux mis en œuvre par les moyens de calcul du système d’aide à la conduite, en se basant notamment sur une relation entre l'action de conduite Y générée par le système d'aide à la conduite et le vecteur caractéristique Z correspondant précédemment décrit. Plus précisément, le module approximateur 102 est configuré pour définir une fonction de transfert Tf du type Y=Tf(Z), dans laquelle le vecteur caractéristique Z est la variable fonctionnelle. Plus précisément encore, le module approximateur 102 est configuré pour exprimer la fonction Tf sous la forme d'un rapport d'une fonction polynomiale numérateur fl et d'une fonction polynomiale dénominateur f2, de telle manière que la relation précitée Y=Tf(Z) s'exprime sous la forme du rapport Y=fi(Z)/f2(Z).

Le dispositif d'évaluation 100 selon l'invention comprend également un module de résolution 103, configuré pour rechercher les solutions de divergence de la fonction de transfert Tf précédemment définie, c'est-à-dire les valeurs du vecteur caractéristique Z pour lesquelles la fonction de transfert Tf diverge. Notamment, le module de résolution 103 est configuré pour rechercher les solutions de l'équation d'annulation de la fonction dénominateur f2, c'est-à-dire les solutions de l'équation f2(Z)=o. Une valeur du vecteur caractéristique Z pour laquelle la fonction de transfert diverge peut notamment être considérée comme une valeur caractéristique critique.

Lors d'une phase de construction du dispositif d'évaluation 100, le système d'aide à la conduite 200 transmet au dispositif d'évaluation 100 des couples (Z, Y) dont chacun est constitué d'un vecteur caractéristique Z et d'une action de conduite Y générée par le système d'aide à la conduite 200 sur la base dudit vecteur caractéristique Z. Le module approximateur 102 définit alors la fonction de transfert Tf=fi/f2 précitée sur la base des couples (Z, Y) fournis par le système d’aide à la conduite.

Une fois ce dispositif d'évaluation 100 en fonction, que ce soit dans une phase d'essai du système d'aide à la conduite 200 ou lors d'une phase de conduite d'un véhicule équipé du système d'aide à la conduite 200 et du dispositif d'évaluation 100, un vecteur caractéristique Zi est transmis par le système d'aide à la conduite 200 au dispositif d'évaluation 100, cette information étant la seule donnée susceptible d’être récupérée dans la boîte noire que représente le système d’aide à la conduite équipée d’un réseau neuronal artificiel. Le module de résolution 103 associé à l’approximateur 102 recherche si le vecteur caractéristique Zi est solution de l'équation d'annulation de la fonction dénominateur f2 comme précédemment indiqué. Dans l'affirmative, l'invention prévoit, selon le premier exemple de réalisation illustré par la figure 1, que le dispositif d'évaluation 100 transmet au système d'aide à la conduite 200 une information 110 de divergence afin que ce dernier génère une action corrective 210. A titre d'exemples et selon un degré d'autonomie du véhicule équipé du système d'aide à la conduite 200, l'action corrective 210 peut prendre la forme d'une information d'arrêt de l'aide à la conduite, ou elle peut prendre la forme d'une demande de prise de contrôle du véhicule par le conducteur de celui-ci, ou elle peut prendre la forme d'une commande de l'organe 300 précédemment évoqué pour une mise en sécurité du véhicule. La figure 2 illustre un deuxième exemple de réalisation d'un dispositif d'évaluation 100 selon l'invention. On retrouve sur la figure 2 le module approximateur 102 et le module de résolution 103 précédemment définis, ainsi que le système d'aide à la conduite 200.

Selon l'exemple plus particulièrement illustré par la figure 2, le dispositif d'évaluation 100 comprend par ailleurs un module de calcul 104 configuré pour définir, sur la base d'un vecteur caractéristique critique solution de l'équation f2(Zi) =0 précitée, des informations de conduite critiques Xi' qui devraient conduire au vecteur caractéristique Zi critique si ces informations de conduite étaient considérées par le réseau neuronal artificiel 201. En d'autres termes, le module de calcul 104 est configuré pour définir la relation inverse de la relation établie par le réseau neuronal artificiel 201 du système d'aide à la conduite 200 entre le vecteur caractéristique Z et informations de conduite instantanées X. Avantageusement, le module de calcul 104 peut mettre en œuvre un réseau neuronal artificiel inverse du réseau neuronal artificiel mis en œuvre par le système d'aide à la conduite 200, par exemple du type connu sous l'acronyme anglo-saxon GAN pour Generative Adversarial Network.

Selon l'exemple plus particulièrement illustré par la figure 2, le dispositif d'évaluation comprend en outre un organe comparateur 105 configuré pour comparer les informations de conduite critiques Xi', déterminées par le module de calcul 104, avec des informations de conduite instantanées Xi transmises par le véhicule au système d'aide à la conduite 200 et ayant conduit le réseau neuronal artificiel 201 à définir le vecteur caractéristique Zi, qui a servi ensuite à calculer le vecteur caractéristique critique.

Lors d’une phase d’étalonnage du dispositif d’évaluation, une succession d'itérations de comparaison peut être mise en œuvre afin d'effectuer une forme d'auto-apprentissage de l'organe comparateur 105 et du module de calcul 104, jusqu'à ce que des informations de conduite critiques X' définies par le module de calcul 104 correspondent à des informations de conduite instantanées X transmises par le véhicule au système d'aide à la conduite 200.

Par la mise en œuvre, respectivement, du module approximateur 102 et du module de résolution 103, le dispositif d'évaluation 100 permet, d'une part, d'identifier des vecteurs caractéristiques critiques, pour lesquels la fonction de transfert Tf, reliant vecteur caractéristique et action de conduite, diverge. Sur un plan pratique, une telle divergence peut avoir pour conséquence, par exemple, une impossibilité, pour le système d'aide à la conduite 200, de définir et de générer une action de conduite, ou elle peut avoir pour conséquence la définition, par le système d'aide à la conduite 200, d'une action de conduite incohérente au regard des informations de conduite instantanées : à titre d'exemple, l'action de conduite générée par le système d'aide à la conduite 200 pour un vecteur caractéristique critique induisant une divergence de la fonction de transfert Tf peut nécessiter une variation de vitesse du véhicule incompatible, par exemple, avec le poids et la vitesse de celui-ci, ou bien encore générer des virages brusques, pas forcément adaptés au contexte de conduite.

Par la mise en œuvre du module de calcul 104 et de l'organe comparateur 105, le dispositif d'évaluation 100 permet de reconstituer les informations de conduite conduisant à un vecteur caractéristique critique. Le dispositif d'évaluation 100 permet donc ainsi d'identifier des situations de conduite pouvant conduire à une divergence de la fonction de transfert Tf du système d’évaluation, c'est-à-dire, en d'autres termes, pouvant conduire à une action incohérente ou erronée générée par le système d'aide à la conduite 200.

Par ailleurs, dans une configuration complémentaire non illustrée, le dispositif d'évaluation peut comprendre un organe d'analyse configuré pour comparer une action de conduite générée par le système d'aide à la conduite 200 à partir du vecteur caractéristique identifié comme critique par le dispositif d’évaluation avec une action de conduite théorique telle qu’elle serait réalisée par un conducteur du véhicule pour des informations de conduite instantanées équivalentes à celles ayant conduit à l'établissement du vecteur caractéristique critique. Par la transmission, au système d'aide à la conduite, de l'action de conduite théorique qu’il conviendrait d’associer aux informations de conduite instantanées, l'invention permet de renforcer l’apprentissage du système d'aide à la conduite 200.

La figure 3 illustre schématiquement les différents aspects d'un premier mode de mise en œuvre d’un procédé selon l'invention. Dans une première phase 10 du procédé, une pluralité de couples (Z, Y), composés respectivement d'un vecteur caractéristique Z établi à partir d'informations de conduite instantanées X par le réseau neuronal artificiel 201 du système d'aide à la conduite 200 et d'une action de conduite Y générée par le système d'aide à la conduite 200 sur la base du vecteur caractéristique Z, est transmise au dispositif d'évaluation 100, plus précisément au module approximateur 102 de ce dernier.

Le module approximateur 102 définit alors la fonction de transfert Y=Tf(Z) en l'exprimant sous sa forme Tf=fi/f2 comme précédemment évoqué. On comprend que tel qu’illustré sur la figure 3, plusieurs échanges sont nécessaires entre le système d’aide à la conduite 200 et l’approximateur 102 du système d’évaluation 100.

La première phase 10 consiste alors à construire l’approximateur 102 et cette première phase 10 peut être réalisée sur un banc d'essai du système d'aide à la conduite 200 et du dispositif d'évaluation 100.

Une deuxième phase 20 peut dès lors être mise en œuvre une fois l’approximateur 102 construit, et cette deuxième phase comporte une première étape 21 et une deuxième étape 22.

Dans la première étape 21 de cette deuxième phase, le module de résolution 103 du dispositif d'évaluation 100 recherche les couples (Zi, Yi) pour lesquels le vecteur caractéristique est un vecteur caractéristique critique solution de l'équation f2(Zi) =0, comme précédemment défini.

Dans la deuxième étape 22 de cette deuxième phase, le dispositif d'évaluation 100 transmet alors au système d'aide à la conduite 200 une information de divergence 110 représentative de la divergence potentielle du modèle mis en œuvre par le réseau neuronal artificiel 201 lorsque le vecteur caractéristique prend les valeurs critiques identifiées lors de la deuxième étape 22 de la deuxième phase 20.

Comme pour la première phase, lors cette deuxième phase du premier mode de mise en œuvre du procédé, le dispositif d'évaluation 100 peut être associé à un banc d'essai du système d'aide à la conduite 200, et l’information de divergence 110 remontée au système d’aide à la conduite 200 sert à améliorer la performance de celui-ci, le réseau neuronal artificiel tenant compte de la valeur caractéristique critique qui avait été trouvé pour son auto-apprentissage.

De manière alternative à la deuxième phase 20 précédemment décrite, une troisième phase 30 peut être mise en œuvre une fois l’approximateur 102 construit, et cette troisième phase 30 comporte une première séquence 31 et une deuxième séquence 32.

Dans la première séquence 31, le module de résolution 103 du dispositif d'évaluation 100 teste les vecteurs caractéristiques Z récupérés en sortie de la boîte noire que constitue le système d’aide à la conduite 200 équipé du réseau neuronal artificiel 201, afin de vérifier si ces vecteurs caractéristiques récupérés en temps réel sont égaux ou proches d’une valeur caractéristique critique solution de l'équation f2(Z)=o. Tel qu’illustré sur la figure 3, cette première séquence 31 peut être définie de sorte que l’équation considérée est f2(Z) - 0.

Dans la deuxième séquence 32 de cette troisième phase 30, le dispositif d'évaluation 100 transmet alors au système d'aide à la conduite 200 une information 110 représentative d’un risque de divergence potentielle du modèle mis en œuvre par le réseau neuronal artificiel 201 puisque le vecteur caractéristique prend des valeurs égales ou proches d’un vecteur caractéristique critique.

Contrairement à ce qui a été évoqué pour la première phase, la deuxième phase 30 du premier mode de mise en œuvre du procédé est réalisée en temps réel lorsque le dispositif d'évaluation 100 est embarqué sur le véhicule.

L’information 110 remontée au système d’aide à la conduite 200 peut notamment servir à corriger la commande du véhicule telle qu’elle était prévue initialement par le système d’aide à la conduite 200.

La figure 4 illustre schématiquement un deuxième mode de mise en œuvre du procédé selon l'invention. On retrouve ici seulement la deuxième phase 20 à la suite de la première phase, mais il convient de noter que la troisième phase pourrait également être prévue dans ce deuxième mode de mise en œuvre sans sortir du contexte de l’invention.

Selon ce deuxième mode de mise en œuvre toutefois, le procédé selon l'invention comporte une première étape supplémentaire 40 durant laquelle, à partir du vecteur caractéristique critique défini lors d’une des phases précédentes, ici notamment la deuxième phase 20, le module de calcul 104 du dispositif d'évaluation 100 reconstitue des informations de conduite critiques Xi', par exemple à partir d'un réseau neuronal artificiel inverse comme précédemment évoqué.

Dans une deuxième étape supplémentaire 50 du, les informations de conduite critiques Xi’ reconstituées à partir du vecteur caractéristique critique sont comparées, au sein de l'organe de comparaison 5 du dispositif d'évaluation 100, aux informations de conduite instantanées Xi à partir desquelles le réseau neuronal artificiel 201 du système d'aide à la conduite 200 a établi le vecteur caractéristique Zi. Par itérations successives des étapes supplémentaires 40, 50 il est possible de réaliser un auto-apprentissage du module de calcul 104 du dispositif d'évaluation 100, rendant ainsi possible la reconstitution, par ce dernier, de scènes de conduite pouvant conduire à une divergence du modèle mise en œuvre par le réseau neuronal artificiel 201 du système d'aide à la conduite 200.

L'invention, telle qu'elle vient d'être décrite, permet donc, par des moyens simples, d'une part, d'identifier, parmi l'ensemble des applications embarquées sur une pluralité de véhicules, les applications qui présentent un nombre de dysfonctionnements ou une fréquence de répétitions de ces dysfonctionnements jugés trop importants et, d'autre part, de désactiver sélectivement et préventivement de telles applications.

L'invention ne saurait toutefois se limiter aux moyens et configurations décrits et illustrés, et elle s'applique également à tous moyens ou configurations équivalents et à toute combinaison de tels moyens. En particulier, si l'invention a été ici décrite et illustré pour d'un système d'aide à la conduite d'un véhicule automobile, le dispositif d'évaluation selon l'invention peut être appliqué à tout système d'aide à la conduite d'un engin industriel de grande ou de petite taille tel que, à titre d'exemple non exhaustif, un ensemble de vannes de pilotage d'une installation industrielle, dans la mesure où ce système d'aide à la conduite met en œuvre un réseau neuronal artificiel et dans la mesure où le dispositif d'évaluation présente une ou plusieurs des caractéristiques décrites ou illustrées dans le présent document.