Un drone imitateur contourne les trous noirs de l'incertitude express
Quand un drone apprend d'un pilote expérimenté, il ne mémorise pas seulement des manœuvres, mais des couloirs de sécurité entiers. Mais en vol réel, il y a toujours des facteurs absents de l'entraînement : un vent inattendu, des vibrations de la caméra, même le mouvement propre du drone peut déstabiliser l'air. L'apprentissage par imitation classique modèle standard — copier un instructeur humain — échoue ici : dans des conditions modifiées, la copie mène à l'accident. C'est ce qu'on appelle le décalage de distribution des données : ce que le drone a appris en simulateur peut s'avérer faux en réalité.
Le nouvel algorithme résout ce problème en traçant des « trous noirs » invisibles autour de toutes les zones indésirables. Mathématiquement, ils sont décrits de telle sorte que plus le drone s'approche du danger, plus le système le repousse — comme une gravité inversée. Grâce à cela, le drone contourne en douceur les zones interdites, même si les capteurs « mentent » ou si la liaison est coupée.
Les essais ont montré que l'appareil n'a jamais franchi la limite de sécurité, gérant un fort vent latéral et des pannes soudaines. Cette prudence ouvre la voie à la livraison urbaine par tous les temps ou à des missions de sauvetage où une erreur coûte la vie.
Les séries de Taylor dans l'algorithme fonctionnent comme un navigateur : elles remplacent une trajectoire complexe par une séquence de petits segments droits.
Dans le film « Interstellar », les héros manœuvrent autour du trou noir Gargantua en s'appuyant sur des calculs et une adaptation à l'espace déformé — c'est à peu près ce que fait ce drone, mais en miniature.