Le but du projet AntCar est de développer une nouvelle méthode de suivi d’itinéraire pour robots mobiles ou véhicules intelligents dans des environnements dépourvus de géolocalisation par satellites comme les canyons urbains ou les espaces intérieurs. Pour cela, nous avons utilisé un modèle neuronal robuste et biologiquement contraint inspiré des fourmis développé précédemment en simulation pour évaluer l’indice de familiarité d’un panorama.

Cet algorithme exploité en boussole visuelle consiste à déterminer l’orientation de l’indice de familiarité maximal par rapport aux panoramas appris le long d’un chemin. Un robot de type voiture a été équipé d’une caméra à vision panoramique de 220°. L’algorithme corrige le cap à suivre en utilisant des images très basse résolution de 44×44 pixels (5°/pixel) à l’intérieur et à l’extérieur pour déterminer la direction à suivre le long du chemin préalablement appris visuellement.

Les résultats obtenus sont particulièrement fiables et reproductifs. Le modèle neuronal biologiquement contraint mémorise des informations visuelles de manière parcimonieuse avec une grande efficacité, de sorte que la mémoire visuelle possède une empreinte mémoire très faible représentant à peine quelques dizaines de kilooctets par kilomètre parcouru.