Storyboard

Les systèmes de perception artificielle mettent en uvre des principes physiques analogues aux systèmes biologiques, mais avec des technologies et des plages de fonctionnement différentes. Les appareils photo numériques sont l'analogue des yeux : le bruit fondamental est le bruit de tir (shot noise) SNR = N_e, qui indique que pour SNR = 100, 10 000 photoélectrons sont nécessaires par pixel. Les meilleurs capteurs scientifiques ont un QE > 95 % et un N_e,min = 1 électron.

Le LiDAR (Light Detection and Ranging) est lanalogue artificiel de lécholocation des chauves-souris : il émet des impulsions laser et mesure le temps de vol retour. La résolution angulaire = /D est limitée par la diffraction (comme pour l'il), mais la résolution en distance d = c·/2 peut être millimétrique avec des impulsions nanosecondes. Le LiDAR est la technologie de perception de référence dans les véhicules autonomes.

L'équation radar montre que la portée maximale R_max (P_t·G²·_RCS)^(1/4) : pour doubler la portée, vous devez augmenter la puissance 16 fois. Les radars à haute résolution (SAR, Synthetic Aperture Radar) exploitent le mouvement de la plate-forme pour synthétiser une ouverture beaucoup plus grande que l'antenne physique, atteignant une résolution azimutale _az = D_antenna/2, indépendante de la distance.

La fusion IMU+GPS utilisant un filtre de Kalman étendu est la norme pour la navigation autonome : l'IMU fournit des informations à haute fréquence mais avec dérive (analogue aux canaux semi-circulaires), tandis que le GPS fournit une position absolue mais à basse fréquence et avec du bruit (analogue aux repères visuels). La fusion produit _pos < 1 m dans des conditions normales, comparable à la précision de navigation des oiseaux migrateurs.

Les réseaux de neurones convolutifs (CNN) sont l'analogue artificiel de la hiérarchie visuelle corticale V1 V2 V4 IT. La convolution 2D implémente la réponse du champ récepteur local (invariant par traduction), analogue aux cellules simples de V1. Les couches successives construisent des représentations de complexité croissante : bords textures parties objets, en parallèle de la hiérarchie visuelle ventrale. Les CNN modernes surpassent la précision humaine en matière de classification d'images.

>Modèle

ID:('ky', 597)

Description

ID:(0, 597)