Odométrie visuelle inspirée du cerveau : Équilibrer vitesse et interprétabilité grâce à une approche systèmes de systèmes

Dans cette étude, nous abordons le défi crucial de concilier vitesse et précision tout en préservant l’interprétabilité dans les systèmes de déplacement visuel (visual odometry, VO), un aspect fondamental dans le domaine de la navigation autonome et de la robotique. Les systèmes VO traditionnels sont souvent confrontés à un compromis entre la rapidité de calcul et la précision de l’estimation de pose. Pour relever ce défi, nous proposons un système innovant qui combine de manière synergique des méthodes classiques de VO avec un réseau de neurones entièrement connecté (fully connected network, FCN) spécifiquement conçu. L’originalité de notre approche réside dans sa capacité à traiter chaque degré de liberté de manière indépendante au sein du FCN, tout en insistant fortement sur l’inférence causale afin d’améliorer l’interprétabilité. Cette architecture permet une évaluation détaillée et précise de l’erreur de pose relative (Relative Pose Error, RPE) sur chaque degré de liberté, offrant ainsi une compréhension plus complète des variations de paramètres et des dynamiques de mouvement dans différents environnements. Notamment, notre système montre une amélioration remarquable en termes de vitesse de traitement, sans compromettre la précision. Dans certaines scénarios, il atteint une réduction allant jusqu’à 5 % de l’erreur quadratique moyenne (Root Mean Square Error, RMSE), démontrant ainsi sa capacité à combler efficacement le fossé entre vitesse et précision, un obstacle persistant dans la recherche en VO. Cette avancée constitue une étape significative vers le développement de systèmes VO plus efficaces et fiables, aux applications étendues dans la navigation en temps réel et les systèmes robotiques.