A behaviour-centric digital twin framework for animal monitoring: from managed enclosures to landscapes

Pendant des décennies, la façon dont nous observons les animaux a été un jeu de fragments. Dans les zoos, les réserves de faune et les centres de réhabilitation, les chercheurs s'appuient sur des caméras fixes pour observer le comportement. Une caméra dans un coin voit le côté gauche d'un étang ; une autre sur un poteau voit le côté droit. Chaque objectif capture une tranche du monde, mais aucune caméra unique ne voit l'image complète. Lorsque les scientifiques tentent de comprendre comment un animal utilise son espace, ils doivent souvent recoudre ces vues disjointes à la main, ou pire, ils confondent un angle mort avec un endroit que l'animal n'aime simplement pas. Cette approche n'est pas seulement incomplète ; elle est souvent perturbatrice. L'installation de nouvelles caméras dans un enclos occupé nécessite de percer, de câbler et une présence humaine répétée, ce qui stresse les animaux mêmes qui sont étudiés. Idéalement, le système de surveillance devrait être parfait avant qu'un seul outil ne touche le sol, et les données devraient refléter le monde réel de l'animal, et non pas seulement la vue limitée de la caméra.

C'est ici que le concept de « jumeau numérique » entre en scène. Imaginez une copie virtuelle parfaite d'un lieu physique, construite avec les mêmes dimensions, textures et éclairage que la réalité. En ingénierie, ces jumeaux sont utilisés pour tester des machines avant qu'elles ne soient construites. En écologie, ils commencent à aider les scientifiques à comprendre les populations, mais ils ont rarement été utilisés pour observer les individus dans leurs habitats quotidiens. Un nouveau cadre développé par des chercheurs de Vantara, un centre de sauvetage et de réhabilitation de la faune en Inde, vise à combler cette lacune. Ils ont créé un système qui transforme un enclos de zoo en une carte vivante et interactive. Ce système ne se contente pas d'enregistrer de la vidéo ; il comprend l'espace tridimensionnel, sait exactement ce que chaque caméra peut et ne peut pas voir, et traduit chaque mouvement en une position précise sur une carte qui représente le monde véritable de l'animal.

Les chercheurs ont appliqué ce cadre à deux enclos spécifiques de leur centre : l'un pour les ours noirs américains et un autre pour les hippopotames nains. Pour l'enclos des ours noirs, qui couvre près de 1 000 mètres carrés, ils ont construit une réplique virtuelle détaillée à l'aide d'images satellites, de photos de drones et de relevés au sol. Ce modèle numérique inclut le terrain, un étang, des parois rocheuses, des structures d'escalade, et même les arbres et les troncs spécifiques qui pourraient bloquer la vue. Ils ont placé des caméras virtuelles aux endroits exacts où les caméras réelles sont installées, imitant leur hauteur et leur angle. Avant que le système puisse être jugé digne de confiance avec des données réelles, l'équipe a mené un test de contrôle rigoureux. Ils ont généré des milliers de mouvements synthétiques, générés par ordinateur, pour deux ours virtuels, créant une « vérité terrain » de l'endroit où les animaux étaient censés se trouver. Ils ont ensuite injecté ces faux mouvements dans leur système de détection pour voir si le logiciel pouvait récupérer les positions avec précision.

Les résultats de cette simulation furent précis. Lorsque le système examinait les données d'une seule caméra, il pouvait localiser un ours avec une erreur médiane d'environ 19 centimètres. Cependant, la véritable puissance du système a émergé lorsqu'il a combiné les vues de plusieurs caméras. En fusionnant les données provenant de différents angles, l'erreur est tombée à seulement 7 centimètres. Cette fusion a permis au système de voir 94,8 % du temps où les animaux étaient actifs, éliminant ainsi efficacement les « angles morts » qui empoisonnent la surveillance traditionnelle. De manière cruciale, le système pouvait également distinguer un espace qui était réellement vide d'un espace qui était simplement caché de la vue. Dans les anciennes méthodes, si une caméra ne pouvait pas voir un coin de l'enclos, le logiciel pouvait supposer que l'animal évitait ce coin. Ce nouveau cadre marque ces zones cachées comme « inobservables », garantissant que les données reflètent ce qui a été réellement vu, et non ce qui a été manqué.

Au-delà du simple suivi des mouvements, le cadre permet un niveau de planification qui était auparavant impossible. Les chercheurs ont utilisé le jumeau numérique pour analyser le réseau de caméras avant toute installation de matériel, un processus qui aurait été impossible dans un enclos réel et occupé sans perturber les animaux. Ils ont calculé que la configuration à cinq caméras qu'ils ont finalement installée rendrait 85,1 % du paddock visible par au moins une caméra, avec 57,4 % visible par deux caméras ou plus simultanément. Le système a identifié qu'une caméra spécifique, positionnée près de la porte de la tanière, était une spécialiste qui voyait très peu de la zone générale mais qui était essentielle pour surveiller l'entrée. Il a également révélé qu'une autre caméra, située près de la piscine, était la plus critique pour la couverture globale ; si celle-ci tombait en panne, la zone visible diminuerait considérablement. De plus, le jumeau pouvait prédire quand le soleil brillerait directement dans les objectifs, provoquant un éblouissement qui blanchit l'image. Il a montré que les caméras orientées vers le sud seraient aveuglées par le soleil pendant jusqu'à dix heures par jour lors du solstice d'hiver, un problème qui pourrait désormais être résolu en ajustant l'angle de montage ou en utilisant un éclairage infrarouge avant même que les caméras ne soient allumées.

Le but ultime de ce travail est de créer une histoire continue pour chaque animal, de la réhabilitation à la libération. Actuellement, la vie d'un animal est souvent étudiée en deux phases déconnectées : le temps passé dans un enclos géré et le temps passé dans la nature. Ce cadre propose un pont entre les deux. La même architecture numérique utilisée pour surveiller un ours dans un zoo pourrait être adaptée pour surveiller ce même ours après sa libération dans un vaste paysage, en utilisant des colliers GPS et des pièges photographiques au lieu de caméras de surveillance fixes. Cela permettrait aux scientifiques de maintenir un enregistrement unique et cohérent du comportement d'un individu, en comparant la façon dont il utilisait l'espace en captivité avec la façon dont il navigue dans la nature. Bien que l'étude actuelle se soit concentrée sur la précision de la surveillance de l'enclos, la conception est faite pour s'étendre à ces environnements plus vastes et plus sauvages.

Les chercheurs soulignent que leurs conclusions sont basées sur une simulation hautement précise et une analyse rétrospective d'un réseau de caméras déjà installé. Le système n'a pas encore été testé sur des images réelles en temps réel des ours dans cette étude spécifique, bien que le logiciel de détection sous-jacent soit déjà opérationnel sur le réseau du centre. Le succès de la simulation prouve que les fondements mathématiques et géométriques sont solides, établissant une marge d'erreur suffisamment petite pour être fiable pour l'analyse comportementale. En déplaçant la phase de conception et de test dans un monde virtuel, le cadre garantit que l'installation physique est correcte dès la première fois, épargnant aux animaux le stress de constructions répétées. Il transforme la surveillance animale, passant d'une collection de clips vidéo fragmentés et bidimensionnels à une mesure tridimensionnelle unifiée de la vie, où chaque pas est comptabilisé et chaque angle mort est connu.