Résumé technique : Viveka – Navigation aérienne par calcul passif

Problématique

Les robots aériens représentent une promesse significative pour les applications humanitaires telles que la recherche et le sauvetage ou la reconnaissance dans des environnements complexes et encombrés (ex. : forêts denses, zones de catastrophe). Cependant, leur déploiement à grande échelle est limité par le compromis entre les ressources de calcul embarquées et la capacité de navigation. La navigation autonome traditionnelle en environnements inconnus repose généralement sur l'estimation de la profondeur métrique dense, ce qui augmente la taille, le poids, le coût et la consommation d'énergie du système — des facteurs particulièrement prohibitifs pour les petits robots aériens aux ressources limitées. Alors que les agents biologiques comme les araignées sauteuses parviennent à une navigation efficace avec des ressources neurales limitées en exploitant les propriétés optiques, les systèmes artificiels manquent souvent de stratégies aussi parsimonieuses, s'appuyant plutôt sur un traitement numérique gourmand en énergie.

Méthodologie : Calcul passif via le défocalisation optique

Les auteurs proposent Viveka, un paradigme de navigation inspiré par les systèmes visuels des araignées sauteuses, utilisant le calcul passif. Cette approche déplace la charge de calcul du traitement numérique vers la modalité de détection en exploitant la physique optique plutôt que la puissance électrique.

Concept central

Le système utilise une lentille à grande ouverture (f/1.6) couplée à une caméra à événements monoculaire. Cette configuration induit une faible profondeur de champ (DoF), créant un effet de type « portrait » où les objets proches du plan focal ($Z_f$) apparaissent nets, tandis que les régions d'arrière-plan distantes sont optiquement floues.

• Calcul passif : La défocalisation optique agit comme un pré-filtre, supprimant les événements provenant des régions hors foyer (distantes) tout en préservant les détails à haute fréquence des obstacles au foyer (proches). Cela segmente efficacement la scène en premier plan (obstacles) et arrière-plan (espace franchissable) sans reconstruction de profondeur dense explicite.
• Intégration de la caméra à événements : La caméra à événements (DVXplorer) détecte de manière asynchrone les changements de l'intensité logarithmique. Comme la défocalisation réduit les gradients spatiaux, les régions hors foyer génèrent nettement moins d'événements, réduisant ainsi davantage la charge de calcul et la latence du système.

Cadre mathématique

L'article dérive les contraintes régissant la relation entre les paramètres optiques, la vitesse du robot et la complexité de la scène :

1. Flou et profondeur : La taille du cercle de confusion ($s$) est une fonction de la distance de l'objet ($Z$), de la distance focale ($f$), du nombre d'ouverture ($N$) et de la distance de mise au point ($Z_f$).
2. Contraintes de vitesse : Les auteurs établissent une limite supérieure sur la vitesse de translation du robot ($V_z$) par rapport au temps d'accumulation des événements ($\Delta T$). Si le robot se déplace trop vite, la distinction entre le premier plan net et l'arrière-plan flou se dégrade car le robot traverse la zone de profondeur de champ trop rapidement, mélangeant les événements des régions nettes et floues.
3. Rapport signal sur bruit (SNR) : Une limite inférieure pour $\Delta T$ est définie ; si le temps d'intégration est trop court, le signal est dominé par le bruit du capteur.
4. Optimisation : Pour maintenir la qualité de la segmentation à des vitesses plus élevées, la distance focale ($f$) doit augmenter proportionnellement à la distance de mise au point ($Z_f$) afin de maintenir un rapport de netteté constant entre l'avant-plan et l'arrière-plan, bien que cela réduise le champ de vision.

Politique de navigation

La politique de navigation opère sur une carte de netteté dérivée des données d'événements :

1. Estimation de la netteté : Une image d'événements 2D est générée en projetant le volume d'événements sur une fenêtre temporelle ($\Delta T$). La netteté est calculée comme la variance spatiale des gradients d'événements dans des fenêtres locales.
2. Segmentation : Les régions de haute netteté sont identifiées comme des obstacles au premier plan ; les régions de faible netteté (floues) sont traitées comme un arrière-plan franchissable.
3. Contrôle : Le robot identifie la plus grande composante connectée de l'arrière-plan (espace libre) et calcule un vecteur de répulsion loin des obstacles. Un poids de mélange équilibre dynamiquement le mouvement vers l'avant et l'évitement d'obstacles en fonction de la proximité des régions nettes.

Principales contributions

1. Paradigme de calcul passif : Introduction d'une nouvelle stratégie de navigation qui récupère des indices de profondeur implicites grâce à la défocalisation optique et aux caméras à événements, éliminant le besoin de reconstruction de profondeur métrique dense ou de capteurs actifs énergivores.
2. Dérivation mathématique : Un cadre théorique complet reliant les paramètres optiques (ouverture, distance focale), la vitesse du robot et la franchissabilité de la scène. Cela fournit des principes de conception pour la navigation aérienne basée sur le calcul passif, définissant les limites opérationnelles du système.
3. Navigation légère : Démonstration d'une méthode qui contourne la cartographie de profondeur traditionnelle, atteignant un évitement d'obstacles robuste dans des environnements denses et encombrés avec un calcul embarqué minimal.

Résultats expérimentaux

Les auteurs ont validé Viveka via des expériences étendues en conditions réelles et en simulation, utilisant une plateforme quadrotor personnalisée (PeARCorgi210) équipée d'une caméra à événements Inivation DVXplorer et d'un objectif de 35 mm f/1.6.

Performance en conditions réelles

• Navigation en forêt : Testée dans trois environnements forestiers avec des densités d'arbres variables (nombres de franchissabilité allant de 5,80 à 18,30).
  • Forêt 1 (Éparse) : Taux de réussite de 95 % à une vitesse moyenne de 5 m/s.
  • Forêt 2 (Moyenne) : Taux de réussite de 90 % à 1,5 m/s.
  • Forêt 3 (Dense) : Taux de réussite de 75 % à 1 m/s.
• Obstacles fins : A navigué avec succès à travers des cordes de diamètres variés (6,25 mm à 12,7 mm) avec un taux de réussite de 80 %.
• Conditions de faible luminosité : A atteint un taux de réussite de 80 % dans des environnements de 1,1 lux (inférieur au crépuscule civil), en tirant parti de la plage dynamique élevée de la caméra à événements et de la capacité de collecte de lumière de la grande ouverture.
• Obstacles de type boîtes : Taux de réussite de 85 % dans des environnements intérieurs structurés.

Simulation et efficacité

• Performance comparative : En simulation, Viveka a obtenu un taux de réussite comparable ou supérieur aux méthodes de pointe utilisant la profondeur métrique (DepthPro, MiDaS) et le flux optique (RAFT, EdgeFlowNet), malgré l'utilisation d'une quantité d'informations nettement moindre.
• Efficacité de calcul : Viveka est 400 fois plus efficace sur le plan computationnel que le modèle d'estimation de profondeur dense de pointe (DepthPro) lorsqu'il est exécuté sur un CPU. Sur le Raspberry Pi 5 embarqué, le module de perception nécessite environ 25 ms par inférence, satisfaisant les contraintes de temps réel.
• Réduction des événements : L'utilisation d'une lentille à grande ouverture a réduit le nombre d'événements de près de 50 % par rapport à une lentille sténopé (f/22) à 1 m/s, abaissant directement la consommation d'énergie.

Signification et affirmations

L'article affirme que la profondeur métrique dense n'est pas strictement essentielle pour la navigation autonome dans de nombreux scénarios. Au lieu de cela, les auteurs soutiennent qu'une « perception parcimonieuse » — extrayant uniquement les informations pertinentes pour la tâche (premier plan vs arrière-plan) via la physique optique — peut permettre une autonomie robuste avec des ressources de calcul minimales.

• Inspiration biologique : Ce travail démontre que l'efficacité des systèmes de vision biologique (spécifiquement l'utilisation de la défocalisation par l'araignée sauteuse) peut être reproduite en robotique pour surmonter les contraintes des petits formats.
• Efficacité du système : En déchargeant le calcul vers l'optique, le système atteint des taux de réussite de navigation élevés (jusqu'à 95 %) sans infrastructure externe, sans connaissance préalable de la carte, ni matériel de traitement lourd.
• Limites : Les auteurs reconnaissent que l'approche possède une limite de vitesse supérieure déterminée par les paramètres optiques et que les performances se dégradent dans des conditions d'obscurité extrême où le bruit du capteur domine le signal. Ils suggèrent que les travaux futurs pourraient impliquer une illumination active ou des réseaux de phase pour miniaturiser davantage le système.

En résumé, Viveka présente une alternative viable à la navigation traditionnelle basée sur la profondeur, prouvant que « chercher » la netteté via la défocalisation optique passive est suffisant pour une navigation aérienne sûre et en temps réel dans des environnements complexes et non structurés.