Une nouvelle étude suggère qu’il est possible de détecter le niveau d’attention et de concentration des conducteurs grâce à leurs mouvements oculaires. Cette découverte ouvre la voie à de nouvelles méthodes pour déterminer si un conducteur utilisant le mode autopilote est prêt à réagir aux signaux du monde réel, comme les demandes de reprise en main.
Une étude basée sur le suivi oculaire pour détecter l’attention
Bien que les voitures entièrement autonomes ne soient pas encore disponibles pour les particuliers, il existe des véhicules avec un mode « autopilote » pour un usage privé commercial dans certains pays comme l’Allemagne ou certains états américains.
En mode autopilote, le conducteur peut lâcher le volant et vaquer à d’autres occupations comme jouer à des jeux sur l’écran central intégré. Cependant, sur les modèles actuels, le conducteur doit parfois reprendre le contrôle du véhicule. Par exemple, l’autopilote peut être activé dans les embouteillages sur autoroute. Mais une fois le trafic fluidifié et les vitesses supérieures à 65 km/h, l’IA enverra un signal de « reprise en main » pour que le conducteur reprenne le contrôle total.
Les chercheurs ont testé s’il était possible de détecter si une personne était trop absorbée par une autre tâche pour réagir rapidement à un tel signal. Pour cela, ils ont soumis 42 participants à deux expériences reproduisant un scénario de « reprise en main« .
Des tâches de recherche visuelle pour mesurer l’attention
Les participants devaient chercher des formes colorées cibles sur un écran d’ordinateur et fixer du regard les cibles trouvées. Les tâches de recherche étaient soit faciles (trouver une forme « L » parmi des « T »), soit plus exigeantes (repérer des combinaisons précises de formes et de couleurs).
À certains moments, un signal sonore retentissait et les participants devaient arrêter de regarder l’écran le plus vite possible et appuyer sur un bouton en réponse. Les chercheurs ont chronométré le délai entre le signal et l’appui, et analysé les mouvements oculaires pendant la recherche.
Ils ont constaté que plus la tâche mobilisait l’attention, plus les participants mettaient de temps à réagir au signal. L’analyse a montré qu’on pouvait détecter leur niveau d’attention grâce aux mouvements oculaires. Des fixations plus longues et des déplacements plus courts indiquaient une tâche exigeante.
Vers une détection automatisée grâce à l’intelligence artificielle
Les chercheurs de l’UCL ont aussi entraîné un modèle d’apprentissage machine sur ces données. Ils ont pu prédire si les participants réalisaient la tâche facile ou difficile selon leurs mouvements oculaires. Comme l’explique le Pr Nilli Lavie, « il est frappant que les gens puissent être à ce point absorbés par une activité à l’écran qu’ils ignorent le reste du monde autour d’eux« .
Selon lui, « notre recherche montre qu’il est possible de détecter le niveau d’attention d’un conducteur et sa capacité à réagir à un signal d’alerte, simplement en surveillant ses mouvements oculaires« . Des jeux de données plus importants sont nécessaires pour entraîner l’IA et la rendre plus précise.
En synthèse
Cette étude novatrice ouvre des perspectives prometteuses pour la sécurité des véhicules autonomes. Grâce à l’analyse des mouvements oculaires, il serait possible de déterminer en temps réel si un conducteur est suffisamment attentif pour reprendre la main lorsqu’une intervention humaine est nécessaire. Bien que des recherches supplémentaires soient requises, cette approche basée sur l’intelligence artificielle pourrait contribuer à réduire les risques d’accidents et rendre les véhicules autonomes plus sûrs.
Pour une meilleure compréhension
Quel est le principe de cette étude ?
L’étude visait à déterminer si l’on peut détecter le niveau d’attention d’un conducteur grâce à l’analyse de ses mouvements oculaires, dans le contexte des véhicules autonomes.
Comment les chercheurs ont-ils procédé ?
Ils ont soumis 42 participants à des tâches de recherche visuelle plus ou moins complexes, et mesuré leur temps de réaction à des signaux sonores ainsi que leurs mouvements oculaires.
Quels résultats ont-ils obtenus ?
Ils ont constaté qu’il était possible de détecter le niveau d’attention grâce aux mouvements oculaires. Un modèle d’IA a même pu prédire la difficulté de la tâche.
Quelles sont les perspectives ?
Cette approche pourrait permettre de déterminer si un conducteur est prêt à reprendre le contrôle d’un véhicule autonome lorsqu’une intervention humaine est nécessaire.
Quelles sont les limites ?
Des recherches supplémentaires sont nécessaires, avec des jeux de données plus importants, pour entraîner et améliorer les modèles d’IA.
La recherche a été financée par JLR et le Conseil de recherche en ingénierie et en sciences physiques dans le cadre du programme Towards Autonomy : Smart and Connected Control (TASCC).
Étude publiée dans la revue Cognitive Research : Principles and Implications
