Parallel Domain, leader dans la génération de données synthétiques pour les systèmes autonomes, lance aujourd'hui PD Replica, un produit révolutionnaire qui crée des jumeaux numériques de haute fidélité à partir de photos, vidéos et scans 3D du monde réel. Cette innovation transforme le développement et les tests des véhicules autonomes.
PD Replica permet aux clients de créer des répliques virtuelles précises d'environnements réels — des rues animées aux autoroutes spacieuses — en exploitant l'IA et des techniques avancées de reconstruction 3D. En convertissant les données capturées par des caméras, smartphones et drones en mondes 3D immersifs et riches en sémantique, il permet aux développeurs de véhicules autonomes de tester leurs systèmes d'IA dans des simulations de haute fidélité qui imitent étroitement les conditions réelles.
« Avec PD Replica, nous ouvrons la voie à une méthode de création de répliques exactes des lieux réels », déclare Kevin McNamara, fondateur et PDG de Parallel Domain. « C’est l’expérience la plus proche des tests du monde réel sans avoir à sortir. »
L'impact de PD Replica est considérable. Les développeurs de véhicules autonomes, dont beaucoup collaborent déjà avec Parallel Domain, peuvent désormais réaliser des tests de simulation de haute fidélité sans les risques ou complications logistiques des essais physiques. Cette technologie non seulement propulse l'avancement des véhicules autonomes, mais présente également des applications potentielles dans des secteurs tels que la fabrication, la santé, la logistique, l'agriculture, et plus encore.
Le pipeline d'IA de PD Replica traite les données de caméra — y compris les images et vidéos de smartphones — pour produire des représentations 3D entièrement étiquetées et pixel parfaites de la réalité. Cet exploit est rendu possible par des avancées en IA et en reconstruction 3D. Une fois le jumeau numérique créé, PD Replica peut simuler diverses modalités de capteurs telles que les nuages de points LIDAR et l'imagerie thermique, permettant des tests approfondis des systèmes autonomes.
« Des avancées récentes dans les champs de radiance neuronale et le SLAM visuel ont considérablement progressé, » explique McNamara. « Notre équipe d'apprentissage automatique a intégré ces innovations pour extraire les métadonnées cruciales pour une simulation de haute fidélité. »
PD Replica améliore la plateforme existante de génération de données synthétiques de Parallel Domain, qui crée des environnements 3D statistiquement alignés avec des lieux réels. Cependant, les jumeaux numériques représentent un saut significatif en fidélité de simulation.
« Auparavant, les environnements de simulation ressemblaient plus à des ‘cousins’ numériques — ils imitaient les lieux cibles sans précision, » note Michael DiBenigno, responsable senior du marketing produit chez Parallel Domain. « PD Replica change cela, offrant aux clients une réplique exacte d'un lieu, jusqu'aux moindres détails comme l'écaillement de la peinture sur un banc. »
Cette transition des approximations statistiques vers des jumeaux numériques de haute fidélité ouvre de nouveaux cas d'utilisation, en particulier pour la validation et les tests régressifs des modèles de perception. Les clients peuvent maintenant évaluer rigoureusement leurs systèmes dans les environnements exacts où ils prévoient de les déployer.
Au-delà de la fidélité améliorée, PD Replica propose également des outils de personnalisation des environnements et des scénarios de test. Les utilisateurs peuvent rejouer des journaux de capteurs du monde réel et introduire de nouveaux objets grâce à l'IA générative simplement en tapant une invite textuelle.
« Les tests régressifs en simulation sont là où nos clients trouvent une valeur significative, » ajoute McNamara. « Chaque amélioration d'un modèle de perception pourrait affecter de manière inattendue les performances ailleurs. Les tests de simulation nocturnes leur permettent de détecter ces problèmes de manière proactive. »
Cette capacité à tester une vaste gamme de scénarios dans un environnement miroir du monde réel pourrait considérablement accélérer le développement de véhicules autonomes et de robots sûrs et fiables. Parallel Domain considère PD Replica comme une étape clé vers le déploiement massif de systèmes autonomes.
L'entreprise a déjà rassemblé une liste de clients notable, y compris Google, Toyota Research Institute, Woven Planet et Continental. L'industrie automobile reste un axe principal, les grands constructeurs cherchant à améliorer leurs délais de développement et la sécurité de leurs systèmes grâce à une simulation avancée.
Avec le lancement de PD Replica, Parallel Domain vise à renforcer sa présence dans le secteur automobile tout en s'étendant à des domaines connexes comme la robotique de livraison et les drones. La demande de simulation de haute fidélité est immense dans le paysage de l'autonomie, et la plateforme de Parallel Domain est particulièrement bien équipée pour y répondre.
À mesure que l'industrie des véhicules autonomes progresse, des tests et validations complets deviennent de plus en plus essentiels. Des incidents médiatisés ont souligné la nécessité d'évaluations rigoureuses avant le déploiement des systèmes autonomes. PD Replica offre un environnement contrôlé qui réplique fidèlement les conditions du monde réel, facilitant les tests cruciaux nécessaires au déploiement des véhicules autonomes.
De plus, alors que les cadres réglementaires pour les véhicules autonomes continuent d'évoluer, la simulation de haute fidélité devrait jouer un rôle clé dans l'établissement de normes industrielles pour les tests et le déploiement — permettant des évaluations étendues sans compromettre la sécurité routière.
Avec l'introduction de PD Replica, Parallel Domain renforce son statut de leader dans le domaine de la simulation et des données synthétiques. À mesure que la poussée vers l'autonomie s'accélère, la plateforme de l'entreprise se positionne comme une ressource essentielle pour ses clients dans divers secteurs, permettant aux systèmes autonomes plus sûrs et plus fiables d'atteindre le marché plus rapidement.
Classement
