Essais & Simulations n° 135

Essais et modélisation
À l’aide de Carcraft, Waymo peut facilement simuler des scènes de la vie réelle ou en générer de nouvelles
Celui-ci a développé un simulateur qui reproduit le comportement
d’un véhicule sur lequel il essaie les différentes lois de
commandes (vitesse de référence, planification de la trajectoire,
chemin et obstacles à éviter...) et dont il étudie les résultats.
Tout en interrogeant dans sa thèse la pratique même de
modélisation du véhicule autonome, point important pour
assurer sa sécurité en toutes circonstances : savoir jusqu’à
quel niveau il faut modéliser et comment trouver le bon
compromis entre réalisme (comportement de la voiture) et
temps de calcul (complexité du code modèle). « D’un côté,
je teste des lois de commandes pour suivre une trajectoire, une
vitesse ou un chemin, de l’autre, j’élabore des algorithmes de
planification de trajectoire qui évitent les obstacles. »
Vers le HPC as a Service avec Google et Aneo
Afin d’accompagner le client dans l’appropriation des enjeux du
cloud pour le HPC et la mise en œuvre opérationnelle, Google
s’est associé avec Aneo, « grâce à son offre technique complète
et une tarification claire, à la seconde et prévisible, faisant de la
plateforme Google la plus attractive du marché », explique-t-on
au sein de ce spécialiste francilien du HPC dans le Cloud. À
travers cette offre, l’objectif est également de briser les idées
reçues sur le Cloud, perçu comme trop complexe, peu disponible
ou à un coût au cœur plus élevé. « L’erreur est de réduire
le Cloud à une simple offre d’hébergement, et ainsi d’ignorer
tous les nouveaux cas d’usages rendus possibles par l’agilité du
Cloud. En effet, le Cloud apporte plus que du matériel, il apporte
un service managé d’allocation de ces ressources. De ce fait, un
changement de paradigme doit être opéré ».
Or dans le cadre d’une approche Cloud, les ressources,
perçues comme illimitées, peuvent être allouées à la demande
en fonction de la charge requise. Le Cluster virtuel à la
demande permet ainsi à chaque utilisateur de disposer de
sa propre infrastructure de calcul dimensionnée pour traiter
son problème le plus efficacement possible. Second avantage,
il est possible de mettre en place des clusters élastiques
de microservices dédiés à ces applications. Dans un tel cluster,
l’application est chargée au démarrage de la machine et
n’est déchargée qu’à l’arrêt de la machine. De cette façon, le
temps d’exécution des tâches se réduit au temps de transferts
et de calcul. Dans ces systèmes, le nombre de machine
peut automatiquement s’ajuster selon le nombre de tâches
dans la file d’attente.
L’apport d’une plateforme de calcul élastique comme GCP
est déjà utilisé dans le cadre de projets de véhicules autonomes.
Parmi les exemples, on peut citer Rolls Royce qui
a annoncé l’utilisation de GCP pour le développement de
leur bateau autonome ou encore Waymo qui simule chaque
jour à l’aide de son logiciel Carcraft la circulation de 25 000
véhicules autonomes qui parcourent plus de 13 millions de
kilomètres par jour dans ce monde virtuel afin d’affiner la
conduite des véhicules en rejouant des séquences qui ont eu
lieu dans la vie réelle ou encore tester de nouvelles compétences
à l’aide de nouveaux scénarios. En 2016, Waymo avait
réalisé 4 milliards de kilomètres simulés contre environ 3,5
millions de kilomètres dans un environnement réel. ●
ESSAIS & SIMULATIONS • N°135 • novembre 2018 I29